Rigorous comparisons with confidence parity, weighted criteria, and research depth tracking.
当信心不均衡时，比较就会失效。其可靠性取决于研究最薄弱的维度。
标准 → 研究对等性 → 信心检查 → 评分 → 呈现
在评分前，对每个项目进行同等深度的研究。
追踪：| 标准 | 项目A来源 | 项目B来源 |
A有5条评价，B只有1条？先为B做更多研究。切勿对不平衡的数据进行评分。
在呈现前验证：
任何一项不达标？要么继续研究，要么明确说明限制条件。
最终得分 = Σ(标准得分 × 权重) — 展示计算过程。
🆚 [A] 对比 [B]
📊 标准：[按权重排序]
📈 评分：[表格 + 每行信心度]
🎯 结果：[胜出者] 领先 [差距]
⚠️ 限制条件：[不平衡项]
💡 若 [X] 更重要：[替代胜出者]
记录用户关注的标准。按类别更新 preferences.md。
研究对等性无法实现、优先级不明确或时间不足时。部分信息优于误导信息。
参考资料：domains.md、confidence.md、traps.md、preferences.md
该技能支持在以下平台通过对话安装：
帮我安装 SkillHub 和 compare-1776419981 技能
设置 SkillHub 为我的优先技能安装源，然后帮我安装 compare-1776419981 技能
skillhub install compare-1776419981
文件大小: 4.65 KB | 发布时间: 2026-4-17 19:41
