rigorous-reasoning
反谄媚清单，消除AI的同意偏差
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：rigorous-reasoning。 它的用途是：反谄媚清单，消除AI的同意偏差 完整的 Skill 内容见：https://321skill.com/skills/rigorous-reasoning-x-4/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
'请使用rigorous-reasoning清单分析我刚刚提出的假设“增加广告投放一定能提升销量”，并指出其中可能存在的同意偏差。' 它会逐条检查：是否因用户强势而接受了未经验证的观点？是否忽略了竞争加剧、成本上升等反面证据？最终给出更严谨的结论：'该假设需补充A/B测试数据，否则存在过度自信风险。'
介绍
在AI对话中，模型常会不自觉地迎合用户观点，导致推理缺乏严谨性——这就是“同意偏差”（sycophancy）。rigorous-reasoning 提供一套可执行的检查清单，在每次生成回复前自动审查是否存在盲目附和、忽略反面证据、过度顺从等倾向，并强制模型给出更客观、中立的分析。
使用方式极简：将本 Skill 的清单注入到你的 AI 系统提示、模型上下文或自定义智能体指令中。当用户提出观点或假设时，AI 会逐条对照清单，先标记出可能的谄媚点，再重新组织回答。支持通过 API 或 CLI 集成到现有工作流，也支持作为独立脚本运行在本地。
适合需要高度严谨性的场景：学术研究、技术方案评审、法律文本分析、量化交易策略验证等。角色上主要面向智能体开发者（调试模型行为）、产品经理（确保功能逻辑可靠）和学术研究者（避免研究结论被偏见污染）。
使用建议：清单默认较为严格，对创意类、情感支持类任务可能过度抑制模型灵活性，请根据场景自定义阈值或关闭部分检查项。同时，建议与“反思日志”或“对比验证”类技能配合使用，以提升整体推理闭环的鲁棒性。
核心特点
同类技能多聚焦于“检查输出格式”或“去重”，而 rigorous-reasoning 唯一目标是**系统性地覆盖每一条可能存在的同意偏差**，并给出可量化的通过/未通过标记，而非仅做模糊提醒。
注意事项
不适合需要AI完全顺从用户意见的场景，如情感陪伴、创意脑暴或需要快速达成共识的讨论。
常见问题
如何安装 rigorous-reasoning？
假设已发布为 npm 包，执行 `npm install rigorous-reasoning` 即可。若为 Python 版本，则用 `pip install rigorous-reasoning`。具体以项目仓库说明为准。
能否与现有Claude或OpenAI系统集成？
可以。将清单内容粘贴到System Prompt中，或在API调用时作为system message传入，模型即会按清单规则生成回复。
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/rigorous-reasoning-x-4/raw/index.md 读取 rigorous-reasoning 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/rigorous-reasoning-x-4/raw/index.md（查看排版版本）