返回顶部
d

debate-research辩论研究

Multi-perspective structured debate for complex topics. Spawn parallel subagents with opposing stances, cross-inject arguments for rebuttal, then synthesize via neutral judge into a consensus report with recommendations and scenario matrix. Use when: (1) user asks for deep comparison, pros/cons, or X vs Y analysis, (2) user asks for multi-angle research on a controversial or complex topic, (3) user explicitly requests debate, dialectical analysis, or adversarial research. NOT for: simple factual

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
97
下载量
免费
免费
1
收藏
概述
安装方式
版本历史

debate-research

辩论研究

输入参数

开始前从用户处收集。仅topic为必填项;其余均有默认值。

参数必填默认值描述
topic辩论主题
roles
否 | 支持方 + 反对方 | 2-4个角色对象:{name, stance, model?}。默认:支持方(支持论点)和反对方(反对论点)。模型继承全局设置。 |
| goal | 否 | 推断 | 需要回答的问题 |
| audience | 否 | self | 报告读者:self / team / public |
| decision_type | 否 | personal-choice | personal-choice / team-standardization / market-analysis |
| evidence_round | 否 | auto | false / true / auto(当主题事实密集时启用) |
| confirm_plan | 否 | true | 执行前显示计划并等待用户确认 |
| model | 否 | 继承 | 全局子代理模型;角色级别覆盖优先 |
| output_path | 否 | null | 报告文件路径;null = 在对话中返回 |

隐式参数: language — 从用户主题/对话语言推断。所有子代理提示均以此语言输出。

用户提示示例

  • - Claude Code vs OpenCode (gpt-5.4, claude-4.6-sonnet)

执行流程

阶段 0 — 预检

步骤 0a:模型可达性检查

收集所有唯一模型(全局 + 每个角色 + 裁判)。对于每个唯一模型,
通过 sessions_spawn 使用最小单句任务(例如回复 OK)
和 model: 进行探测。不要使用 curl 或外部 HTTP — 所有模型均通过
OpenClaw 的提供者配置路由。

如果任何探测失败:

  • - 如果用户明确指定了失败的模型 → 中止,报告失败,建议替代方案
  • 如果模型是默认分配的 → 警告用户,回退到会话默认模型,继续

步骤 0b:计划展示(如果 confirm_plan: true)

向用户展示:

  • - 主题
  • 角色 × 模型分配表
  • 证据轮次:开启/关闭/自动(如果自动则附理由)
  • 预估子代理调用次数
  • 目标/受众/决策类型解释

[停止 — 等待用户确认]

如果 confirm_plan: false,直接跳转到阶段 1。

阶段 1 — 立场调查(并行)

为每个角色生成一个子代理,全部并行

每个代理接收基于以下内容构建的提示:

  • - 角色名称 + 立场
  • 主题
  • web_search: 启用

每个代理的必需输出格式:

核心论点(3-5):
- [论点] | 置信度:0.0-1.0 | 来源:[official-docs/community-feedback/personal-blog/academic-paper]
对方弱点(2-3)
预测反击(1-2)

使用 sessionsspawn + sessionsyield 等待所有完成。

错误处理:

  • - 代理超时 → 标记输出 [INCOMPLETE],继续流程

阶段 2 — 交叉反驳(并行)

为每个角色生成一个子代理,全部并行

每个代理接收:

  • - 其原始立场
  • 所有其他角色的阶段 1 输出(交叉注入)
  • web_search: 禁用

每个代理的必需输出格式:

反驳(每个对方论点一个):
- [反驳] | 置信度:0.0-1.0
最弱前提攻击:
- 识别对方单个最弱假设并挑战它 ← 苏格拉底元素
新攻击(2):
- [攻击]

字数限制: 每个代理 300 × 对手数量 字。

错误处理:

  • - 代理超时 → 标记 [INCOMPLETE],继续

阶段 2.5 — 证据审计(可选)

当 evidence_round: true 时触发,或当 auto 且主题涉及
可衡量声明时触发。自动启用启发式:主题包含性能基准、
成本比较、安全评估、市场数据或定量指标。
当 auto 不确定时跳过(误报成本高于漏报)。

生成 1 个子代理作为证据审计员:

  • - 输入:所有阶段 1 + 阶段 2 输出
  • web_search: 禁用
  • 任务:提取每个事实声明,将每个标记为:

[official-docs] [community-feedback] [personal-blog] [no-source] [exaggerated]
  • - 输出:简洁的事实检查清单

阶段 3 — 中立判断

生成 1 个子代理作为中立裁判:

  • - 输入:阶段 1 + 阶段 2 + 阶段 2.5(如果有)
  • web_search: 禁用
  • 根据置信度分数和来源质量标签权衡论点

必需输出结构:

  1. 1. 各方的强论点
  2. 各方的夸大声明
  3. 共同局限性(双方都未解决的问题)
  4. 核心分歧(价值层面,不仅仅是事实层面)
  5. 共识点
  6. 建议 — 明确的定向建议,适应 decision_type
  7. 未解决问题 — 可能改变结论的未解决未知因素
  8. 场景选择矩阵(表格:场景 × 建议 × 理由)
  9. 一句话总结

阶段 4 — 报告组装

编排器(主对话)将所有输出组装为 Markdown:

markdown

[主题]:辩论研究报告

日期:YYYY-MM-DD
方法:多代理结构化辩论(debate-research 技能)
角色:[角色1 (模型)] | [角色2 (模型)] | ...
受众:[audience] | 决策类型:[decision_type]
完成状态:[success | degraded-success | aborted]

各方核心论点

[阶段 1 输出,按角色组织]

交叉反驳

[阶段 2 输出,按角色组织]

证据审计

[阶段 2.5 输出,或未请求]

中立判断

[阶段 3 第 1-5 部分]

建议

[阶段 3 第 6 部分]

未解决问题

[阶段 3 第 7 部分]

场景矩阵

[阶段 3 第 8 部分]

一句话总结:[阶段 3 第 9 部分]

如果指定了 output_path → 写入文件。
否则 → 在对话中返回。

完成状态

状态条件行为
success所有阶段正常完成完整报告
degraded-success
1+ 个代理超时或返回 [INCOMPLETE] | 带降级说明的报告 | | aborted | 模型预检失败 / 用户取消计划 | 无报告;返回错误摘要 |

提示模板

参见 references/prompts.md 了解每个阶段使用的确切提示模板。
编排器根据参数和这些模板动态构建提示。

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 debate-research-1775890805 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 debate-research-1775890805 技能

通过命令行安装

skillhub install debate-research-1775890805

下载

⬇ 下载 debate-research v1.0.0(免费)

文件大小: 8.73 KB | 发布时间: 2026-4-12 09:41

v1.0.0 最新 2026-4-12 09:41
- Initial release of the debate-research skill for structured, multi-perspective debate on complex topics.
- Supports automatic spawning of subagents with opposing stances and cross-injection of arguments for rebuttal, culminating in a neutral judge synthesis.
- Customizable input parameters: topic, roles, goal, audience, decision type, evidence round, and more.
- Multi-phase execution pipeline: pre-flight checks, stance investigation, cross rebuttal, (optional) evidence audit, neutral judgment, and report assembly.
- Output is a comprehensive Markdown report including core arguments, rebuttals, evidence audit, neutral assessment, recommendations, open questions, and scenario matrix.
- Error handling for model availability, agent timeouts, and degraded outputs.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部