Smart Chooser 智能决策助手

任务目标

• 本 Skill 用于：帮助用户基于37%法则（最优停止理论）进行科学决策
• 能力：
  1. 交互式决策向导：通过问答模式引导用户完成决策
  2. 信息收集与归一化：收集多维度数据，按用户偏好权重进行归一化评分
  3. 标准化输入生成：将异构数据转化为统一评分（0-100）
  4. 多策略决策：支持37%法则、贪心算法、满意即可、探索-利用平衡
  5. 37%法则筛选：应用最优停止理论，计算观察期和决策期
  6. 智能推荐：在决策期自动推荐首个超过观察期最优标准的选项
  7. 可视化报告：生成HTML报告，包含雷达图、柱状图、对比表格
  8. 决策报告输出：生成完整的决策分析报告和执行建议
• 触发：用户需要决策分析、最优停止策略、37法则计算、多维度评分决策、选择困难症帮助、交互式决策

核心公式

观察节点 = 向上取整(总数 × 0.3679)
其中 e ≈ 2.71828

决策规则：

• 前半段（观察期）：只观察、记录、建立标准，不做最终决定
• 后半段（决策期）：遇到比观察期最优更好/持平的选项，立即敲定

决策流水线架构

┌─────────────────────────────────────────────────────────────┐
│                 Smart Chooser 智能决策流水线                    │
├─────────────────────────────────────────────────────────────┤
│  步骤1: 信息收集                                               │
│  ├─ 收集选项的多维度数据（价格、质量、距离等）                    │
│  ├─ 定义用户偏好和权重配置                                      │
│  └─ 输出: 原始数据 + 评分配置                                   │
│                                                              │
│  步骤2: 归一化评分                                             │
│  ├─ 将各维度数据归一化到 0-1 范围                              │
│  ├─ 应用用户权重计算加权得分                                    │
│  ├─ 按得分排序生成排名                                         │
│  └─ 输出: 标准化评分数据（0-100分）                             │
│                                                              │
│  步骤3: 多策略决策                                             │
│  ├─ 37%法则: 最优停止理论，最大化选择最优概率                    │
│  ├─ 贪心算法: 直接选择评分最高的选项                            │
│  ├─ 满意即可: 达到阈值即选，快速决策                            │
│  ├─ 探索-利用: 平衡探索与选择，更保守的策略                      │
│  └─ 输出: 各策略推荐结果 + 置信度评估                           │
│                                                              │
│  步骤4: 决策报告                                               │
│  ├─ 生成完整决策分析报告                                        │
│  ├─ 可视化展示（雷达图、柱状图、对比表）                         │
│  ├─ 提供执行建议和行动计划                                      │
│  └─ 输出: HTML报告 + 执行清单                                   │
└─────────────────────────────────────────────────────────────┘

操作步骤

1. 信息收集与配置

   • 收集所有选项的多维度数据
   • 定义评分维度和权重（支持反向指标，如价格越低越好）
   • 设置用户偏好约束（如预算上限、最低要求）

2. 归一化评分

   • 调用评分脚本将异构数据转化为统一评分
   • 每个维度归一化到 0-1，再按权重加权
   • 生成 0-100 分的综合评分和排名

3. 37%法则筛选

   • 计算观察节点 = 向上取整(总数 × 0.3679)
   • 观察期：前37%选项只记录不选择，确定最优标准
   • 决策期：从第38%开始，遇到超过最优标准的立即选择

4. 生成决策方案

   • 输出观察期最优标准分数
   • 推荐决策期首个超过标准的选项
   • 提供执行清单和记录模板

常用参考表

按天数决策

| 总时长 | 观察期（只看不选） | 行动期（开始决策） | |--------|-------------------|-------------------| | 7天 | 前3天 | 第4天起 | | 15天 | 前6天 | 第7天起 | | 30天 | 前12天 | 第13天起 | | 45天 | 前17天 | 第18天起 | | 60天 | 前23天 | 第24天起 | | 90天 | 前34天 | 第35天起 |

按选项数量决策

| 总选项数 | 观察样本（只对比） | 开始择优选择 | |----------|-------------------|-------------| | 5个 | 前2个 | 第3个开始 | | 10个 | 前4个 | 第5个开始 | | 20个 | 前8个 | 第9个开始 | | 30个 | 前12个 | 第13个开始 | | 50个 | 前19个 | 第20个开始 | | 100个 | 前37个 | 第38个开始 |

应用场景与实例

一、职场发展

| 场景 | 应用方式 | 实例 | |------|----------|------| | 面试候选人 | 计划面试 N 人，前 37% 只记录不录用，之后遇到更好的立即录用 | 公司要招1名产品经理，计划面试15人。前6人只面试记录优缺点，从第7人开始，遇到比前6人都好的立即录用 | | Offer 选择 | 收到多个 Offer 的决策窗口期，前 37% 时间只调研不签约 | 拿到3个Offer，给1周考虑时间。前2天只调研公司背景、团队情况，第3天起必须做出选择 | | 跳槽时机 | 设定求职周期，前 37% 只了解市场不行动 | 计划2个月（60天）完成跳槽。前23天只投简历、面试了解市场，第24天起遇到合适机会立即接Offer | | 项目投标 | 收到多个投标方案，前 37% 只评估不定标 | 收到8家供应商投标，前3家只评估记录，从第4家开始，遇到比前面都好的立即定标 |

二、生活消费

| 场景 | 应用方式 | 实例 | |------|----------|------| | 租房/买房 | 计划看 N 套房，前 37% 只看不定，之后遇到满意的立即签约 | 计划2周（14天）内租房，计划看10套。前4套只看不定，从第5套开始，遇到比前4套都满意的立即签约 | | 购车决策 | 试驾/考察 N 款车，前 37% 只对比不下单 | 计划买新能源车，打算试驾8款。前3款只试驾记录感受，从第4款开始，遇到比前面都满意的立即下单 | | 大件购物 | 双11、618 等促销期，前 37% 时间只加购不付款 | 双11活动持续20天，前7天只加购、比价、看评价，第8天起遇到价格合适的立即下单 | | 餐厅选择 | 旅游时计划尝试 N 家餐厅，前 37% 只记录不重复去 | 去成都旅游5天，计划吃10家餐厅。前4家只品尝记录，从第5家开始，遇到比前面都好吃的可以再去一次 |

三、人际关系

| 场景 | 应用方式 | 实例 | |------|----------|------| | 择偶/相亲 | 计划见 N 个人，前 37% 只了解不确定关系 | 计划相亲见20个人，前8个人只见了解、不确立关系，从第9个人开始，遇到比前8个都合适的立即认真发展 | | 招聘团队 | 需要招 N 人，前 37% 的候选人只面试不录用 | 团队要招3名设计师，收到30份简历准备面试。前11人只面试记录，从第12人开始，遇到优秀的立即录用 | | 寻找合作伙伴 | 接触 N 个潜在合作方，前 37% 只洽谈不签约 | 寻找供应商，计划接触15家。前6家只洽谈了解，从第7家开始，遇到比前面都合适的立即签约 | | 建立社交圈 | 新环境认识 N 个人，前 37% 只观察不深交 | 刚入职新公司，计划认识30个同事。前11人只日常交流，从第12人开始，遇到志同道合的主动深交 |

四、投资理财

| 场景 | 应用方式 | 实例 | |------|----------|------| | 选股决策 | 研究 N 只标的，前 37% 只分析不建仓 | 计划从50只候选股中选5只买入，前19只只研究不买入，从第20只开始，遇到比前面都好的立即建仓 | | 基金筛选 | 对比 N 只基金，前 37% 只观察不申购 | 打算买3只基金，对比20只候选。前8只只对比不申购，从第9只开始，遇到比前面都好的立即申购 | | 房产投资 | 考察 N 个区域/楼盘，前 37% 只调研不下定 | 计划投资1套房产，考察12个楼盘。前4个只调研不下定，从第5个开始，遇到比前面都好的立即下定 | | 项目尽调 | 评估 N 个投资项目，前 37% 只尽调不决策 | 有1000万预算投项目，评估8个项目。前3个只尽调不决策，从第4个开始，遇到比前面都好的立即投资 |

五、内容创作

| 场景 | 应用方式 | 实例 | |------|----------|------| | 选题筛选 | 收集 N 个选题，前 37% 只记录不写 | 准备写10篇公众号文章，收集30个选题。前11个选题只记录不写，从第12个开始，遇到比前面都好的立即动笔 | | 素材收集 | 拍摄/收集 N 个素材，前 37% 只整理不剪辑 | 做1条3分钟视频，拍了50段素材。前19段只整理不剪辑，从第20段开始，遇到比前面都好的立即使用 | | 方案比稿 | 产出 N 个创意方案，前 37% 只产出不定稿 | 给客户做Logo，设计12个方案。前4个只设计不定稿，从第5个开始，遇到比前面都好的立即定稿 |

六、其他场景

| 场景 | 应用方式 | 实例 | |------|----------|------| | 书籍选择 | 计划读 N 本书，前 37% 只浏览不精读 | 计划读20本专业书，前7本只浏览目录、试读章节，从第8本开始，遇到比前面都值得精读的立即精读 | | 课程选择 | 对比 N 门课程，前 37% 只试听不购买 | 想学数据分析，对比10门课程。前4门只试听不买，从第5门开始，遇到比前面都好的立即购买 | | 旅游目的地 | 筛选 N 个目的地，前 37% 只了解不定 | 计划出国游，筛选15个目的地。前6个只了解不定，从第7个开始，遇到比前面都心动的立即定机票 | | 技能学习 | 尝试 N 项技能，前 37% 只体验不深学 | 想培养副业，尝试10项技能。前4项只体验不深学，从第5项开始，遇到比前面都适合的立即深学 |

使用口诀

先算三七线，划定观察期
前期建标准，忍住不下手
后期遇更好，马上做决定
拒绝无限纠结，避免两头落空

决策记录模板

我的总决策周期/总数：________
观察截止数量：________
决策启动时间/序号：________
观察期最优标准记录：________________

资源索引

脚本工具

1. scripts/wizard.js - 交互式决策向导（推荐）

• 用途：通过问答模式引导用户完成决策分析
• 触发时机：当用户需要交互式决策时，优先调用此脚本
• 使用方法：node scripts/wizard.js
• 功能：
  • 选择场景模板（租房、Offer、购车等）
  • 输入选项数据
  • 设置维度权重和约束
  • 选择决策策略
  • 生成决策报告

2. scripts/pipeline.js - 决策流水线

• 用途：整合信息收集 -> 归一化评分 -> 37%筛选的完整流程
• 触发时机：当用户有多维度数据需要评分决策时调用
• 使用方法：node scripts/pipeline.js <数据文件路径> [--json]

3. scripts/strategy.js - 多策略决策引擎

• 用途：支持多种决策策略对比
• 触发时机：当用户需要对比不同策略时调用
• 使用方法：node scripts/strategy.js <数据文件> [--compare] [--strategy 37|greedy|satisficing|explore]
• 支持策略：
  • 37 - 37%法则（理论最优）
  • greedy - 贪心算法（选最高分）
  • satisficing - 满意即可（达到阈值即选）
  • explore - 探索-利用平衡（更保守）

4. scripts/visualize.js - 可视化报告生成器

• 用途：生成HTML报告，包含雷达图、柱状图、对比表格
• 触发时机：当用户需要可视化报告时调用
• 使用方法：node scripts/visualize.js <数据文件> [输出文件]
• 输出：美观的HTML报告，支持雷达图、柱状图、对比表格

5. scripts/templates.js - 场景模板管理器

• 用途：内置常见决策场景模板
• 触发时机：当用户需要快速创建决策模板时调用
• 使用方法：node scripts/templates.js <list|get|create|csv>
• 内置模板：租房、Offer、购车、面试、商品、择偶

6. scripts/interactive.js - 表格+偏好输入

• 用途：支持CSV表格 + 用户偏好文件输入
• 触发时机：当用户有表格数据时调用
• 使用方法：node scripts/interactive.js <表格文件> [偏好文件] [--run]

7. scripts/parse.js - 自然语言解析器

• 用途：从文本中提取结构化数据
• 触发时机：当用户输入自然语言文本时调用
• 使用方法：node scripts/parse.js <文本文件> [--type resume|house|product]

8. scripts/score.js - 归一化评分器

• 用途：将多维度数据归一化评分
• 触发时机：当用户需要单独评分时调用
• 使用方法：node scripts/score.js <数据文件> [--json]

9. scripts/calculate.js - 37%法则计算器

• 用途：纯计算观察期和决策期节点
• 触发时机：当用户只需要计算37%节点时调用
• 使用方法：node scripts/calculate.js <days|options> <数值> [--template]

示例数据

• examples/house-rental.json - 租房决策示例
• examples/job-offer.json - Offer选择示例
• examples/car-purchase.json - 购车决策示例
• examples/interview-candidates.json - 面试筛选示例
• examples/houses.csv - CSV表格示例
• examples/preferences.txt - 用户偏好示例
• examples/sample-resumes.txt - 自然语言文本示例

快速开始指南

方式一：交互式向导（推荐新手）

node scripts/wizard.js

向导会引导你：

1. 选择场景模板（租房、Offer、购车等）
2. 输入选项数据
3. 设置维度权重和约束
4. 选择决策策略
5. 生成决策报告

方式二：使用示例数据

# 租房决策
node scripts/pipeline.js examples/house-rental.json

# Offer选择
node scripts/pipeline.js examples/job-offer.json

# 多策略对比
node scripts/strategy.js examples/house-rental.json --compare

# 生成可视化报告
node scripts/visualize.js examples/house-rental.json report.html

方式三：使用场景模板

# 列出所有模板
node scripts/templates.js list

# 获取模板详情
node scripts/templates.js get house-rental

# 生成模板文件
node scripts/templates.js create house-rental my-house.json

# 生成CSV模板
node scripts/templates.js csv job-offer offers.csv

方式四：表格+偏好输入

# 准备表格和偏好文件
node scripts/interactive.js examples/houses.csv examples/preferences.txt --run

方式五：自然语言解析

# 解析文本并分析
node scripts/parse.js resumes.txt --config --json > data.json
node scripts/pipeline.js data.json

数据格式规范

JSON格式

{
  "scenario": "场景描述",
  "options": [
    {"name": "选项A", "维度1": 值, "维度2": 值, ...},
    {"name": "选项B", "维度1": 值, "维度2": 值, ...}
  ],
  "config": {
    "维度1": {"weight": 权重, "reverse": 是否反向, "min": 最小值, "max": 最大值},
    "维度2": {"weight": 权重, ...}
  },
  "preferences": {
    "约束条件": 值
  }
}

CSV格式

名称,价格,面积,距离
房源A,5500,75,25
房源B,4800,65,35

偏好文件格式

# 权重配置
价格:3
面积:2

# 反向指标
价格越小越好

# 约束条件
价格<=6000
面积>=65

输出结果解读

运行后会输出：

1. 选项排名 - 按综合得分排序，带可视化分数条
2. 观察期分析 - 前37%选项中的最优标准
3. 决策期建议 - 推荐选择的选项及理由
4. 执行清单 - 具体的行动步骤

注意事项

• 37%法则适用于无法回头的序列决策场景
• 观察期必须严格执行"只看不选"原则
• 决策期一旦遇到满足标准的选项应立即确定，不再观望
• 该法则最大化选择最优选项的概率（约37%）
• 需要精确计算时，立即调用 scripts/calculate.js 脚本