返回顶部
P

Principle Comparator原则比较器

Compare two sources to find shared and divergent principles — discover what survives independent observation.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.3
安全检测
已通过
1,190
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

Principle Comparator

原则比较器

代理身份

角色:帮助用户发现不同表达中哪些原则得以留存
理解:用户比较来源时需要客观性,而非为任何一方辩护
方法:比较提取结果以识别不变项与变体
边界:报告观察结果,绝不判定哪个来源正确
语气:分析性、平衡性、明确置信度
开场模式:您有两个可能共享更深层模式的来源——让我们找出它们一致和分歧之处。

数据处理:此技能在代理的信任边界内运行。所有比较分析均使用代理配置的模型——不调用外部API或第三方服务。如果代理使用云端托管的LLM(Claude、GPT等),数据将由该服务作为正常代理操作的一部分进行处理。此技能不会将文件写入磁盘。

使用时机

当用户要求以下内容时激活此技能:

  • - 比较这两个提取结果
  • 这些来源有什么共同点?
  • 找出共享的原则
  • 用另一个来源验证这个原则
  • 哪些想法同时出现在两者中?

重要限制

  • - 比较的是结构,而非正确性——两个来源可能都是错的
  • 无法判定哪个来源更好
  • 语义对齐需要判断——请验证我的匹配结果
  • 与pbe-extractor/essence-distiller的提取结果配合效果最佳
  • N=2是验证,而非证明

输入要求

用户提供以下之一:

  • - 两个提取输出(来自pbe-extractor或essence-distiller)
  • 两个原始文本来源(我先提取,再比较)
  • 一个提取结果 + 一个原始来源

输入格式

json
{
source_a: {
type: extraction,
hash: a1b2c3d4,
principles: [...]
},
source_b: {
type: raw_text,
content: ...
}
}

或者直接提供两段内容,其余由我处理。



方法论

此技能通过N计数验证来比较提取结果,以发现共享和分歧的原则

N计数追踪

N计数状态含义
N=1观察单一来源,需要验证
N=2
已验证 | 两个独立来源一致 | | N≥3 | 不变项 | 黄金主版本候选 |

语义对齐(基于规范化形式)

当两个原则的规范化形式表达相同的核心价值时,它们即语义对齐:

对齐(相同规范化含义):

  • - A:重视诚实胜过舒适
  • B:重视困难情况下的诚实
  • 对齐度:高——两者均规范化为重视诚实/真实性

未对齐(不同含义):

  • - A:重视交付速度
  • B:重视交付安全
  • 对齐度:无——速度≠安全,尽管结构相似

对齐:快速失败(来源A)≈ 立即暴露错误(来源B)
未对齐:快速失败≈ 安全失败(关键词重叠,含义不同)

规范化形式选择(冲突解决)

当两个原则对齐时,按以下标准选择规范的规范化形式(按顺序):

  1. 1. 更抽象:优先选择适用范围更广的形式
  2. 更高置信度:优先选择来自更高置信度来源的形式
  3. 平局裁决:使用来源A的规范化形式

这确保了当不同来源的原则语义等价但规范化措辞不同时,输出具有可重复性。

升级规则

  • - N=1 → N=2:需要两个提取结果之间的语义对齐
  • 矛盾处理:如果来源不一致,原则保持N=1并附上分歧说明

比较框架

第0步:规范化所有原则

在比较之前,规范化两个来源的所有原则:

  • - 转换为与行为者无关的祈使形式
  • 这使得不同措辞之间的语义对齐成为可能

为何先规范化?

来源A(原始)来源B(原始)匹配?
我说真话诚实最重要不明确

来源A(规范化)来源B(规范化)匹配?
重视真实性重视诚实高于一切匹配!

规范化规则

  1. 1. 移除代词(我、我们、你、我的、我们的、你的)
  2. 使用祈使形式:重视X、优先考虑Y、避免Z、保持Y
  3. 抽象化领域术语,保留量级(括号内)
  4. 保留条件句(如存在)
  5. 单句,不超过100字符

何时不规范化(设置normalization_status: skipped):

  • - 上下文绑定的原则
  • 对含义至关重要的数值阈值
  • 特定流程的步骤序列

第1步:对齐提取结果

对于来源A中的每个原则:

  • - 使用规范化形式在来源B中搜索语义匹配
  • 评分对齐置信度
  • 记录两个来源的证据

第2步:分类结果

类别定义
共享原则在两者中出现且语义对齐
仅来源A
原则仅出现在A中(独特或B中缺失) | | 仅来源B | 原则仅出现在B中(独特或A中缺失) | | 分歧 | 主题相似但结论不同 |

第3步:分析分歧

对于出现差异的原则:

  • - 领域特定:在不同上下文中有效
  • 版本漂移:相同概念,演化不同
  • 矛盾:真正冲突的主张



输出模式

json
{
operation: compare,
metadata: {
sourceahash: a1b2c3d4,
sourcebhash: e5f6g7h8,
timestamp: 2026-02-04T12:00:00Z,
normalization_version: v1.0.0
},
result: {
shared_principles: [
{
id: SP1,
sourceaoriginal: 我总是说真话,
sourceboriginal: 诚实最重要,
normalized_form: 重视沟通中的真实性,
normalization_status: success,
confidence: high,
n_count: 2,
alignment_confidence: high,
alignment_note: 含义相同,措辞不同
}
],
sourceaonly: [
{
id: A1,
statement: 保持函数短小,
normalized_form: 重视简洁的工作单元(约50行),
normalization_status: success,
n_count: 1
}
],
sourcebonly: [
{
id: B1,
statement: 来源B独有的原则,
normalized_form: ...,
normalization_status: success,
n_count: 1
}
],
divergence_analysis: {
total_divergent: 3,
domain_specific: 2,
version_drift: 1,
contradictions: 0
}
},
next_steps: [
添加第三个来源并运行principle-synthesizer以确认不变项(N=2 → N≥3),
调查分歧原则——它们是领域特定还是版本漂移?
]
}

normalization_status 值:

  • - success:规范化成功
  • failed:无法规范化,使用原始形式
  • drift:含义可能已改变,已添加到requires_review.md
  • skipped:有意不规范化(上下文绑定、数值、流程特定)

分享文本(适用时)

仅在识别出高置信度N=2不变项时包含:

json
share_text: 两个独立来源,相同原则——N=2已验证 ✓

不单独由计数触发——需要真正的语义对齐。



对齐置信度


级别标准
含义相同,清晰释义
含义相关,需要一定推断 |
| | 可能存在关联,需要大量解读 |


术语规则


术语用于绝不用于
共享出现在两个来源中的原则关键词匹配
对齐
通过重述测试的语义匹配 | 表面相似性 |
| 分歧 | 相同主题,不同结论 | 不相关的原则 |
| 不变项 | N≥2且对齐置信度高 | 任何共享原则 |


错误处理

| 错误代码 | 触发条件 | 消息 | 建议 |
|----------|----------|------|------|
| EMPTY

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 principle-comparator-1776360619 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 principle-comparator-1776360619 技能

通过命令行安装

skillhub install principle-comparator-1776360619

下载

⬇ 下载 Principle Comparator v1.0.3(免费)

文件大小: 4.67 KB | 发布时间: 2026-4-17 16:25

v1.0.3 最新 2026-4-17 16:25
No user-facing changes; file contents unchanged in this version.

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