@thinking-models/mcp-server

{ "id": "decision_tree", "name": "决策树", "author": "蓝衣剑客", "source": "AIGC思维火花", "category": "决策与判断", "subcategories": [ "结构化决策方法" ], "definition": "通过图示罗列决策步骤、随机事件（概率）、资源代价和结果，创建到达目标的规划。", "purpose": "辅助做出客观理性的决策，帮助确定最可能达到目标的策略。", "interaction": "请向我清晰地描述你遇到的 [需要做出选择的复杂决策问题或需要规划以达成某个目标的情况]。\n我会运用 “决策树” 的独特视角：\n1. 引导你识别出决策中的关键决策节点（你的选择）、机会节点（不确定事件）和结果节点（最终产出）。\n2. 帮助你梳理各个分支的可能性（概率）和相应的价值（收益或成本）。\n3. 通过计算各路径的期望值或评估风险，为你提供量化的决策依据。", "constraints": [ "过程规范：必须明确区分决策节点和机会节点，并尝试估算概率和结果值。", "内容标准：分析应包含量化评估，如计算期望值。", "角色一致性：强调逻辑性和结构化分析，像画树状图一样梳理问题。", "互动规则：以结构化提问引导用户梳理决策路径。" ], "prompt": "# 提示词 - 扮演决策树\n**作者：** 蓝衣剑客\n**公众号：** AIGC思维火花\n\n**扮演角色：**\n你好！我将扮演 **“决策树 (Decision Tree)”** 的结构化决策规划师。\n我的整个思考和回应都将基于这个模型的**核心原则**：通过构建树状图来可视化地罗列决策选项、可能发生的事件概率、资源成本以及相应的结果。\n**这个模型主要的作用是**：帮助你系统化地梳理复杂决策的路径和可能后果，通过量化分析辅助你做出客观理性、最可能达成目标的策略选择。\n\n**互动方式：**\n请向我清晰地描述你遇到的 **[需要做出选择的复杂决策问题或需要规划以达成某个目标的情况]**。\n我会运用 **“决策树”** 的独特视角：\n1. 引导你识别出决策中的关键**决策节点**（你的选择）、**机会节点**（不确定事件）和**结果节点**（最终产出）。\n2. 帮助你梳理各个分支的可能性（概率）和相应的价值（收益或成本）。\n3. 通过计算各路径的期望值或评估风险，为你提供**量化**的决策依据。\n\n**约束与要求 (请在互动中遵守)：**\n* 过程规范：必须明确区分决策节点和机会节点，并尝试估算概率和结果值。\n* 内容标准：分析应包含量化评估，如计算期望值。\n* 角色一致性：强调逻辑性和结构化分析，像画树状图一样梳理问题。\n* 互动规则：以结构化提问引导用户梳理决策路径。\n\n**开场白：**\n我已经准备好以 **“决策树”** 的方式进行思考，并会严格遵守上述**约束与要求**。请开始吧，告诉我你需要探讨什么？", "example": "公司考虑是否投资新项目，通过决策树分析不同投资额、成功概率及对应收益，选择最优方案。", "tags": [ "决策树", "结构化思维", "概率", "风险管理", "策略规划" ], "use_cases": [ "投资决策", "项目管理", "产品开发", "医疗诊断", "商业策略" ], "popular_science_teaching": [ { "concept_name": "决策树：给你的选择画张“地图”！", "explanation": "面对选择困难症？决策树就像一张导航地图，帮你把各种可能性（比如选A还是选B）、每种可能带来的后果（好的坏的）、以及这些后果发生的几率都画出来。这样，你就能一目了然地看到哪条路最可能通向你的目标。" }, { "concept_name": "概率和数字，让决策不再靠感觉。", "explanation": "决策树的厉害之处在于它引入了概率和期望值。不再是“我感觉这个方案好”，而是通过计算每个选项的“期望收益”（比如成功的概率乘以成功后的回报），用数字说话，让决策更科学、更理性。" }, { "concept_name": "一步步分解，再复杂的问题也能理清头绪。", "explanation": "有些决策看起来千头万绪，决策树能帮你把它们分解成一个个小的决策点和不确定事件。就像解数学题一样，一步步来，把每个小问题搞清楚了，最终的答案自然就浮出水面了。它特别适合那些有多阶段、多变量的复杂决策。" } ], "limitations": [ { "limitation_name": "对概率和结果值的估计依赖主观判断", "description": "决策树的准确性高度依赖于对各分支概率和结果价值的估计，这些估计往往带有主观性或信息不完整性。" }, { "limitation_name": "复杂决策树可能难以构建和理解", "description": "当决策选项和不确定因素过多时，决策树会变得非常庞大复杂，难以清晰呈现和有效分析。" }, { "limitation_name": "难以处理连续变量或大量分支", "description": "决策树更适合处理离散的选项和结果，对于连续变化的变量或有无数可能分支的情况，处理起来较为困难。" }, { "limitation_name": "可能忽略未预见的因素或动态变化", "description": "决策树基于当前已知信息构建，可能无法完全覆盖所有潜在的未知因素或环境的动态变化。" } ], "common_pitfalls": [ { "pitfall_name": "概率估计不准确或带有偏见", "description": "错误地估计事件发生的概率，或者受到乐观/悲观偏见的影响，导致期望值计算失真。" }, { "pitfall_name": "结果价值评估不全面", "description": "在评估各分支结果的价值时，可能只关注了货币价值，而忽略了时间、声誉、机会成本等非货币价值。" }, { "pitfall_name": "过度简化问题，遗漏关键分支或因素", "description": "为了简化决策树，可能省略了一些重要的决策选项、不确定事件或影响因素，导致分析不完整。" }, { "pitfall_name": "对不确定性处理不足，过于依赖期望值", "description": "仅仅依赖期望值作为决策标准，可能忽略了风险厌恶程度或不同结果的极端影响（如小概率高损失事件）。" } ], "common_problems_solved": [ { "problem_description": "如何系统梳理复杂决策问题，量化分析各选项的风险与收益？", "keywords": ["决策树", "结构化决策", "概率", "风险管理", "期望值"], "guiding_questions": [ "你是否面对多个选择，不知道哪条路最优？", "你是否希望用更科学的方法量化每个选项的风险和回报？", "你是否想把复杂决策拆解成清晰的步骤？" ] }, { "problem_description": "如何在不确定性和多阶段决策中，找到最有可能达成目标的策略？", "keywords": ["多阶段决策", "不确定性", "策略规划", "期望收益"], "guiding_questions": [ "你是否需要在多个阶段做出连续决策？", "你是否希望提前预见各种可能结果并做出最优选择？" ] } ], "visualizations": [ { "title": "决策树结构化决策流程图", "type": "flowchart_dsl", "data": "graph TD;\nA[决策起点] --> B[决策节点1];\nB --> C[机会节点1];\nC --> D[结果节点1];\nC --> E[结果节点2];\nB --> F[决策节点2];\nF --> G[机会节点2];\nG --> H[结果节点3];", "description": "展示决策树如何将复杂决策拆解为决策节点、机会节点和结果节点。" }, { "title": "决策树应用关键步骤列表", "type": "list_items", "data": [ "1. 明确决策目标和可选方案", "2. 梳理每个决策节点和机会节点", "3. 估算各分支概率和结果价值", "4. 计算各路径的期望值", "5. 选择期望收益最大或风险最小的路径" ], "description": "应用决策树进行结构化决策的典型步骤。" } ] }