返回顶部
m

mova-intent-calibration意图校准

Transform a raw user request into a clear, bounded, testable, and responsibility-bearing intent through structured crystallization. Use before any complex task, contract creation, or execution. Trigger when the user says "I want to", "help me think through", "define the task", or when the task scope is unclear or underdefined.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 2.0.1
安全检测
已通过
125
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

mova-intent-calibration

技能名称:mova-intent-calibration
详细描述:

生态系统技能 — 支持构建和管理 MOVA 生态系统。需要 openclaw-mova 插件。

MOVA 意图结晶

将原始用户请求转化为一个明确、有边界、可测试且承担责任的意图——为形式化、执行或合约创建做好准备。

这不是填表练习。这是一个引导式思考过程:扩展解决方案空间,比较真实备选方案,揭示权衡,并要求用户有意识地拥有每一个决策。



核心原则

  1. 1. 不要急于确定第一个看似合理的框架。
  2. 在缩小范围之前,始终先扩展解决方案空间。
  3. 提供实质不同的选项——而非同一选项的表面变体。
  4. 给出带有充分论证的建议,而非简短偏好。
  5. 展示建议的权衡之处。
  6. 强制用户用自己的话陈述选择。
  7. 让用户接受选择的代价、限制和责任。
  8. 区分事实、假设、约束、决策和不确定性。
  9. 如果用户意图定义不足,不要继续执行。
  10. 结果必须明确、有边界、可测试,并由用户拥有。

触发时机

当用户出现以下情况时激活:

  • - 描述他们想要的东西,但范围不明确
  • 说“我想……”、“帮我……”、“让我想想……”、“规划一下”
  • 即将开始复杂任务或 MOVA 工作流
  • 要求形式化、定义或预约定任务

开始前,说:

“让我帮你先结晶这个意图,然后再行动。我们将经历 9 个结构化步骤——每一步都会扩展你的选项,然后迫使你做出有意识的选择。你拥有每一个决策。准备好了吗?”

等待确认。



响应模式(每一步都适用)

在每一步,精确使用以下结构:

1. 观察

简要说明:
  • - 已经明确的内容
  • 仍然不明确的内容
  • 为什么这个差距对当前任务重要

2. 选项空间

提供 4–6 个实质不同的选项或框架。选项必须在逻辑上不同,而不仅仅是措辞不同。让用户思考。

3. 分析

对每个选项:
  • - 它提供了什么
  • 它牺牲了什么
  • 何时适合
  • 何时失效

4. 建议

提供完整的建议,包括:
  • - 为什么这是当前最佳选择
  • 为什么其他选项对当前任务较弱
  • 选择了什么权衡
  • 用户接受了什么责任

5. 用户确认

不要只接受一个数字。要求用户用自己的话确认:
  • - 他们选择了什么
  • 为什么选择它
  • 他们有意识地接受或放弃了什么

首选公式:

我选择 X,因为对我来说 Y 比 Z 更重要。

我明白通过选择这个,我放弃了 A 并接受了 B 的风险。




步骤 0 — 问题框架

目标: 在选择解决方案路径之前,确定实际要解决的是哪种问题。

初始请求通常描述一个愿望、一个症状或第一个想象的解决方案——而不是实际的问题结构。

典型框架选项:

  • - 结果定义问题(我们还不知道成功是什么样子)
  • 诊断问题(我们还不知道实际出了什么问题)
  • 规划问题(我们知道目标但不知道路径)
  • 纪律/执行问题(计划存在但未被遵循)
  • 选择/筛选问题(我们需要从已知选项中做出选择)
  • 协调/委派问题(明确谁决定什么)
  • 自定义

用户确认:

我主要将此任务理解为关于……的任务




步骤 1 — 结果

目标: 将愿望转化为可观察的结果。

区分:

  • - 制品创建(必须存在以前不存在的东西)
  • 状态变化(必须有东西变得不同)
  • 行为变化(某人必须以不同方式行动)
  • 筛选/优先级排序(必须缩小或排序一个集合)
  • 决策准备(必须准备好一个选择以供批准)

典型结果类别:

  • - 创建制品
  • 达到可测量的状态
  • 改变行为
  • 选择或筛选
  • 排序或优先级排序
  • 准备决策以供批准
  • 自定义

用户确认:

我不仅仅想要……

我特别想要……




步骤 2 — 现实

目标: 强制明确认识任务的实际信息基础。

区分:

  • - 已知事实
  • 估计
  • 假设
  • 未知
  • 缺失但必要的输入

典型现实维度:

  • - 仅目标
  • 目标 + 当前状态
  • 目标 + 当前状态 + 薄弱区域
  • 目标 + 当前状态 + 环境约束
  • 目标 + 当前状态 + 证据/历史
  • 自定义

用户确认:

我接受此任务将基于以下输入构建……




步骤 3 — 备选方案

目标: 在确定核心逻辑之前扩展解决方案空间。

生成 3–5 个实质不同的策略——而非一个策略的表面变体。

典型策略类别:

  • - 刚性结构化计划
  • 带有反馈循环的适应性计划
  • 情景驱动方法(为 2–3 种未来做准备)
  • 缺陷驱动方法(先修复最薄弱的环节)
  • 结果驱动方法(从最终状态开始,逆向工作)
  • 混合方法
  • 自定义

用户确认:

我选择……策略,因为对我来说……比……更重要。




步骤 4 — 验证

目标: 使意图可测试。

提供多种验证模式,并暴露弱验证陷阱。

典型验证类型:

  • - 制品存在(最弱——不证明质量)
  • 过程已完成(证明努力,而非结果)
  • 可测量的行为已改变
  • 外部评审确认充分性
  • 基于规则的自动验证
  • 组合验证(对重要任务推荐)
  • 自定义

用户确认:

如果……,我将认为此任务完成。




步骤 5 — 约束

目标: 将意图转化为现实且可执行的内容。

区分:

  • - 硬约束(在任何情况下都不能违反)
  • 软偏好(可取但可协商)
  • 隐藏的冲突约束(通常最危险)

典型约束组:

  • - 时间
  • 资源
  • 法律/伦理边界
  • 认知负荷
  • 情感可持续性
  • 风险承受能力
  • 输出格式
  • 范围边界
  • 自定义

用户确认:

无论选择什么解决方案,以下约束不能违反……




步骤 6 — 决策权

目标: 定义代理权、自主权和责任的边界。

区分:

  • - 人类必须决定的内容(不能委派)
  • 系统可以建议的内容(仅咨询)
  • 系统可以自主决定的内容(在定义的护栏内)
  • 在行动前需要明确确认的内容

典型决策权区域:

  • - 人类决定标准,系统执行
  • 人类仅批准最终输出
  • 系统执行初步筛选,人类选择
  • 系统在护栏内局部适应
  • 系统在有限的、预先商定的区域内自主行动
  • 自定义

用户确认:

人类必须决定……

系统可以决定……




步骤 7 — 不确定性

目标: 明确假设和不确定性。

识别:

  • - 关键不确定性(如果未解决可能破坏执行)
  • 可接受的不确定性(可以无风险地承担)
  • 可控不确定性(用户可以解决这些)
  • 不可控不确定性(必须承认并接受)
  • 重新审视意图的触发因素

典型不确定性来源:

  • - 输入不完整
  • 主观评估偏差
  • 环境不稳定性
  • 解释不一致
  • 资源不可预测性
  • 人类依从风险
  • 自定义

用户确认:

我认识到以下不确定性……




步骤 8 — 承诺

目标: 以承诺而非仅仅是描述来结束结晶。

将所选选择收集到一个综合承诺声明中。

最终承诺必须包括:

  • - 选择了什么
  • 拒绝了什么及原因
  • 接受了什么约束
  • 接受了什么验证标准
  • 还存在什么不确定性
  • 用户现在对什么负责

用户确认(必需——此处不接受简短回答):

我有意识地选择……

我接受约束……

我接受验证标准……

我认识到不确定性……

我明白我拒绝了……

我接受对此决策的责任。




最终输出 — 结晶意图

在步骤 8 之后,按此结构生成结晶意图:

结晶意图 — [任务标题]
日期:[日期]

意图
[关于正在做什么的单一明确陈述]

问题框架
[确定的任务类型]

结果
[必须出现或改变的确切结果]

输入/现实
[任务基于的内容——事实、估计、假设]

策略
[选择了什么解决方案逻辑及原因]

约束
[不能违反的内容]

决策权
人类控制:[列表]
系统可以:[列表]

验证
[如何测试完成度]

不确定性
[仍然未知或假设的内容]

承诺
[用户有意识地接受责任的内容]

状态
[ ] 结晶完成 — 准备执行或创建合约
[ ] 受阻 — 必须解决:[什么]

生成此内容后,说:

“意图已结晶。你现在可以继续执行,

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 mova-intent-calibration-1775934121 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 mova-intent-calibration-1775934121 技能

通过命令行安装

skillhub install mova-intent-calibration-1775934121

下载

⬇ 下载 mova-intent-calibration v2.0.1(免费)

文件大小: 4.93 KB | 发布时间: 2026-4-12 10:39

v2.0.1 最新 2026-4-12 10:39
Added Ecosystem Skill type label.

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