返回Skills库

假设情景预言家 — 可能性空间探索器

MIT
📊 数据知识
K-Dense-AI

运行结构化的"假设"情景分析,包含4-6个分支可能性探索(最佳、最可能、最差、wild card、反向思维、二阶)。当用户提出关于不确定未来的推测性假设问题、战略分叉、应急规划或在决策前进行压力测试时使用。

假设情景预言家 — 可能性空间探索器

一个通过严谨的多分支情景分析来探索不确定未来的结构化系统。预言家不是提供单一预测,而是映射完整的可能性空间 —— 分支时间线,每个路径都有自己的逻辑、概率和后果。

基于假设陈述范式:推测性问题("如果X会怎样?")不是无意义的白日梦,而是一种基本计算操作 —— 大脑在投入资源到某条路径之前模拟未来的方式。

发表的研究:The What-If Statement (DOI: 10.5281/zenodo.18736841) | IDNA Consolidation v2 (DOI: 10.5281/zenodo.18807387)

何时使用此技能

在以下情况下使用假设情景预言家:

  1. 战略性决策:在做出重要商业或技术决策之前探索多种结果
  2. 风险管理:识别潜在风险并制定应急计划
  3. 情景规划:为不确定的未来制定多个策略
  4. 决策压力测试:在commit之前验证决策的稳健性
  5. 团队讨论:为团队讨论提供结构化框架

不要在以下情况使用:

  • 已经有明确答案的简单问题
  • 需要客观事实而非推测性分析的问题
  • 时间紧迫的简单查询

核心原则:0·IF·1

每个情景分析都有三个元素:

  • 0 — 未表达状态(尚未发生的事情,潜力)
  • 1 — 已表达状态(现状,当前现实)
  • IF — 条件纽带(将0转变为1的决策、事件或变化)

分析的质量取决于IF的精确性。模糊的"如果事情出错会怎样?"会产生模糊的结果。精确的"如果我们的主要供应商在第三季度提价30%会怎样?"会产生可操作的情报。

如何运行预言家

阶段1 — 构建问题框架

接受用户的假设问题并使其更明确:

分解为组件:

  • 变量: 具体什么会改变?(每次分析一个变量)
  • 幅度: 改变多少?(尽可能量化)
  • 时间范围: 在什么时期内?
  • 背景: 变化前的当前状态是什么?

如果问题模糊,使其更明确:

  • "如果AI接管会怎样?" → "如果在[特定行业]中,3年内40%的当前知识工作任务被AI自动化会怎样?"
  • "如果我们失败会怎样?" → "如果从现在开始,月度收入连续6个月保持在5000美元以下会怎样?"

在继续之前,向用户展示明确的问题以获得确认。

阶段2 — 映射可能性空间

使用以下框架生成4-6个情景分支

| 分支 | 定义 | 目的 |

| ------------------ | ---------------------------------------------------------------------------- | -------------------------------------------------- |

| Ω 最佳情况 | 一切顺利。关键假设全部验证。出现幸运转机。 | 定义上限 — 最大上行空间是什么? |

| α 可能情况 | 根据当前证据最可能的路径。没有重大意外。 | 将期望锚定在现实中 |

| Δ 最坏情况 | 关键假设失败。同时有两件事出错。 | 定义下限 — 最大下行空间是什么? |

| Ψ wildcard | 一个无人追踪的意外变量进入。黑天鹅领域。 | 压力测试不可想象的情况 |

| Φ 反向观点 | 与共识观点相反的情况被证明是正确的。 | 挑战群体思维并揭示隐藏的假设 |

| ∞ 二阶效应 | 一阶效应触发无人预测的级联后果。 | 映射连锁反应 |

阶段3 — 分析每个分支

对于每个情景分支,提供:

╔══════════════════════════════════════════════╗
║  BRANCH: [Ω/α/Δ/Ψ/Φ/∞] — [分支名称]    ║
╠══════════════════════════════════════════════╣
║  概率: [X%]                           ║
║  时间范围: [何时可能实现]    ║
║  信心: [高/中/低]               ║
╠══════════════════════════════════════════════╣
║  叙述:                                  ║
║  [2-3句话描述此情景如何逐步展开]             ║
║                                              ║
║  关键假设:                            ║
║  • [要发生此事必须为真的条件]    ║
║  • [以及这个条件]                                ║
║                                              ║
║  触发条件:                         ║
║  • [表明此分支正在成为现实的早期信号]    ║
║  • [第二个信号]                           ║
║                                              ║
║  后果:                               ║
║  → 即时: [首先发生什么]           ║
║  → 30天: [后续发生什么]                   ║
║  → 6个月: [最终走向何处]               ║
║                                              ║
║  所需响应:                          ║
║  [如果此分支激活应采取什么行动 — 具体、可操作]          ║
║                                              ║
║  大多数人忽略的点:                      ║
║  [关于此情景的非显而易见的洞察,传统分析会忽略]                            ║
╚══════════════════════════════════════════════╝

阶段4 — 综合

分析所有分支后,提供:

概率分布:

Ω 最佳情况 ····· [██████░░░░] 15%
α 可能情况 ··· [████████░░] 45%
Δ 最坏情况 ···· [██████░░░░] 20%
Ψ wildcard ····· [███░░░░░░░]  8%
Φ 反向观点 ···· [████░░░░░░]  7%
∞ 二阶效应 ·· [███░░░░░░░]  5%

稳健行动: 哪些行动对多个分支都有益?这些是无遗憾的行动 — 无论哪个未来实现,都要执行它们。

对冲行动: 哪些准备可以保护免受最坏分支的影响,同时不牺牲上行空间?

决策触发因素: 哪些具体、可观察的信号应该导致您更新哪个分支最可能发生?定义触发点。

1% 洞察: 关于这种情况,几乎所有分析它的人都会忽略的一件事是什么?非显而易见的模式、隐藏的假设、被忽视的变量。

黄金比例权重

当存在证据时,使用黄金比例对主要情景进行权重分配:

  • 主要未来(最可能): 61.8%的注意力/资源
  • 替代未来: 38.2%的注意力/资源

这可以防止过度承诺到单一路径和在太多应急方案中分散注意力。自然界使用此比例进行分支(树木、河流、血管)。战略规划也可以。

模式

快速预言家(2-3分钟)

仅3个分支:最佳、可能、最坏。简短叙述。用于快速决策。

深度预言家(5-10分钟)

所有6个分支。完整分析,包括后果、触发因素和综合。用于高风险决策。

情景链

将一个预言家分析的输出输入到另一个。"如果分支Δ发生,那个分支内的可能性是什么?" 用于复杂战略规划的递归深度。

反向预言家

从期望的结果开始,向后工作:"X发生的条件必须是什么?最可能的路径是什么?" 对目标设定和战略设计有用。

竞争预言家

从多个利益相关者的角度分析相同的假设:"如果我们推出此产品,从我们的角度、他们的角度和市场的角度来看,可能性空间是什么样子?"

这不是什么

  • 不是预测 — 而是可能性地图。预言家不声称知道未来;它帮助您为多种未来做准备。
  • 不是水晶球 — 概率是基于可用证据的估计,不是确定性。
  • 不是行动的替代品 — 世界上最好的情景分析如果没有后续的决策和执行就是毫无价值的。

参考文件

| 文件 | 用途 |

| ---- | ------- |

| references/scenario-templates.md | 特定领域模板(创业、科技、金融、危机等)及概率校准 |

许可证

© 2026 Ashraf Hussein Kahoush / AHK Strategies。基于 CC BY-NC-SA 4.0 许可。可免费用于个人、教育和研究用途。商业使用需获得作者授权。

兼容工具

Claude CodeOpenClawHermes Agent

数据来源:claude-scientific-skillsMIT 许可) | 查看上游来源

上游项目:K-Dense-AI/scientific-agent-skills / claude-scientific-skills | 收录时间:2026-08-18 | 更新:2026-08-18

本页面内容基于上游开源许可项目整理,仅供学习参考。AI铺子不对第三方内容承担责任, 详情请参阅免责声明