Solve Problems Systematically

把模糊难题变成清晰定义、可选路径、可执行计划和可复用经验。

一个面向 Codex 的中文问题解决 Skill。它不会急着给出第一答案，而是通过五步闭环帮助你识别真正的问题、检验关键假设、比较不同路径，并把结论落到下一步行动。

为什么值得使用

很多问题并不是缺少建议，而是卡在更早的环节：

• 把症状当成了问题；
• 事实、假设和观点混在一起；
• 只想到一条路径，过早收敛；
• 有计划，但没有负责人、检查点和停止条件；
• 做完没有复盘，同类问题反复出现。

这个 Skill 将问题解决组织成一个可循环、可验证的工作系统：

问题情境 + 目标/约束/资源
            ↓
弄清问题 → 探索思考 → 拟定计划 → 实施计划 → 回顾总结
    ↑                                             │
    └────────────── 新证据与经验反馈 ──────────────┘
            ↓
当前条件下的较优解 + 可迁移经验 + 新问题

横向支撑：自我认知 | 创造力 | 分类 | 知识学习 | 交流

核心能力

1. 弄清问题：显式化目标、成功标准、事实、未知、约束和可能根因。
2. 探索思考：通过分解、类比、重构、逆向与假设检验形成多条路径。
3. 拟定计划：比较影响、成本、风险、速度、可逆性和信息增益。
4. 实施计划：执行安全步骤，根据新证据更新假设，而不是机械坚持计划。
5. 回顾总结：区分结果、机制和迁移结论，把复盘变成下一步。

它还会按需调用五类支撑能力：自我认知、创造力、分类、知识学习和交流。

适合什么场景

• “这个项目反复延期，帮我找到真正原因。”
• “我有三个方案，不知道该选哪个。”
• “团队会议越来越长，但问题总没有结论。”
• “计划执行失败了，帮我复盘并设计下一轮实验。”
• “想法很散，帮我整理成可以开始执行的计划。”

简单事实问题不会被强行套入完整流程；医疗、法律、财务等高风险问题也不会用通用框架替代专业判断。

安装

克隆仓库：

git clone https://github.com/<your-github-username>/solve-problems-systematically.git

复制到 Codex skills 目录：

mkdir -p ~/.codex/skills
cp -R solve-problems-systematically ~/.codex/skills/

重新打开 Codex 任务后，skill 即可被自动发现。

使用

显式调用：

$solve-problems-systematically 帮我分析为什么客户续费率在下降，并制定两周验证计划。

也可以直接描述复杂、模糊或反复出现的问题；当场景匹配时，Codex 可以自动调用本 Skill。

输出示例

典型输出会按问题规模动态调整，复杂问题通常包含：

• 可操作的问题定义；
• 已确认事实、待验证假设和关键未知；
• 两到四条实质不同的候选路径；
• 推荐方案及取舍理由；
• 下一步行动、检查点和风险护栏；
• 复盘或重新评估的触发条件。

重点不是展示一套漂亮框架，而是推进真实问题。

设计来源

方法论受到江丕权等编著《解决问题的策略与技能》中“五步策略”及其自我认知、创造力、分类、知识学习和学术交流框架启发，并重新组织、改写为适合 Codex 执行的通用工作流。本仓库不包含原书扫描件或大段原文。

项目结构

solve-problems-systematically/
├── SKILL.md                  # 触发条件与核心执行流程
├── agents/openai.yaml        # Codex UI 元数据
└── references/methodology.md # 按需加载的详细方法论与模板

如果它帮助你解决了一个真正棘手的问题，欢迎 Star，并分享你用它处理的场景。真实案例会让这套方法变得更强。