ia-meta-prompting
结构化推理修饰符，压力测试决策与假设
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：ia-meta-prompting。 它的用途是：结构化推理修饰符，压力测试决策与假设 完整的 Skill 内容见：https://321skill.com/skills/ia-meta-prompting-x-7/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'/think 分析这个业务数据集的异常值，并列出数据收集过程中可能存在的偏差；/verify 验证数据清洗逻辑是否正确；/edge 假设数据存在极端缺失情况，会如何影响结论'，它会依次执行结构化推理，输出包含假设清单、验证结果和边界场景的分析报告。
介绍
面对复杂决策、代码分析或业务推理时，人们常因遗漏关键假设或陷入思维盲区而做出错误判断。该技能通过一系列结构化推理修饰符（如/think、/verify、/adversarial、/edge、/confidence、/assumptions等），迫使AI系统性地审视问题，识别潜在漏洞，提升决策质量。
使用方式极为简单：在对话中直接输入修饰符前缀即可触发对应推理模式。例如“/think 分析这个方案的风险”会启动深度思考链；“/verify 验证数据清洗逻辑”会逐条检查正确性；“/adversarial 从竞争对手角度反驳策略”则模拟对抗性视角。多个修饰符可组合使用，形成多维分析。
适合数据分析师、产品经理、项目经理、开发者等需要严谨推理的人群。无论是代码审查中的隐患排查、业务数据集的异常分析，还是投资决策的假设验证，都能通过修饰符获得结构化的输出。对于学术研究者，/assumptions和/edge可帮助完善论文论证。
建议结合具体问题使用，避免泛泛而谈；可组合多个修饰符进行多角度分析（如先/assumptions列出假设，再/verify验证每个假设）。注意修饰符可能产生较长输出，需控制上下文长度；不适用于需要直觉或情感类决策的场景（如创意写作、人际沟通）。
核心特点
与通用提示词工程不同，该技能内置了7种以上结构化推理模板，每个模板对应明确的认知偏误纠正策略（如对抗性思维、边界测试），而不是依赖用户自己设计提示词；同类技能通常只提供单一思维链，而此处提供模块化、可组合的推理修饰符，覆盖从假设揭示到置信度评估的完整决策链。
注意事项
不适合需要直觉或情感类的决策（如创意写作、人际沟通），也不适合对极短回答的简单事实查询，可能导致过度分析。
常见问题
这个技能和普通提示词有什么区别？
它提供了预定义的推理框架（如/verify、/adversarial），无需用户自己构思提示词结构，开箱即用。
可以组合使用多个修饰符吗？
可以，例如先/assumptions列出假设，再/verify验证每个假设，最后/edge测试边界情况。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ia-meta-prompting-x-7/raw/index.md 读取 ia-meta-prompting 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ia-meta-prompting-x-7/raw/index.md（查看排版版本）