name: decision-tree-builder description: 用于构建复杂决策的自动化决策树技能，包含概率、收益和期望值计算 allowed-tools:

Read
Write
Glob
Grep
Bash metadata: specialization: 决策智能 domain: 商业 category: 定量分析 priority: high tools-libraries:
- decision-tree-id3
- anytree
- graphviz
- networkx

决策树构建器

概述

决策树构建器技能提供自动化构建和分析决策树的功能，用于结构化复杂的商业决策。它通过概率分配、收益计算和期望值分析，系统性地评估各种备选方案，支持规范性决策制定和敏感性分析。

功能

决策节点和机会节点创建
概率分配与验证
期望值计算
决策路径优化
概率敏感性分析
回滚分析自动化
决策树可视化生成
导出为标准格式（JSON、XML）

使用流程

结构化决策制定流程
多准则决策分析（MCDA）
决策质量评估

使用方法

基本决策树构建

# 定义决策结构
decision_tree = {
    "type": "decision",
    "name": "市场进入策略",
    "alternatives": [
        {
            "name": "立即进入",
            "type": "chance",
            "outcomes": [
                {"name": "高需求", "probability": 0.6, "payoff": 1000000},
                {"name": "低需求", "probability": 0.4, "payoff": -200000}
            ]
        },
        {
            "name": "观望等待",
            "type": "chance",
            "outcomes": [
                {"name": "市场增长", "probability": 0.5, "payoff": 600000},
                {"name": "市场停滞", "probability": 0.5, "payoff": 100000}
            ]
        }
    ]
}

期望值计算

该技能计算每个决策路径的期望货币价值（EMV）：

EMV = 每个机会节点的概率 * 收益之和
基于最大EMV选择最优决策

敏感性分析

识别最优决策发生变化的关键概率阈值：

单个概率的单向敏感性分析
相关概率的双向敏感性分析
参数重要性的龙卷风图

可视化输出

生成决策树图，包含：

清晰的节点标签（决策方框、机会圆圈、终端三角形）
分支上的概率标注
终端节点的收益值
高亮显示的最优路径

输入模式

{
  "decision_name": "string",
  "alternatives": [
    {
      "name": "string",
      "outcomes": [
        {
          "name": "string",
          "probability": "number (0-1)",
          "payoff": "number",
          "nested_decision": "optional object"
        }
      ]
    }
  ],
  "analysis_options": {
    "sensitivity_analysis": "boolean",
    "visualization": "boolean",
    "export_format": "json|xml|png|svg"
  }
}

输出模式

{
  "optimal_alternative": "string",
  "expected_value": "number",
  "decision_path": ["string"],
  "sensitivity_results": {
    "critical_probabilities": ["object"],
    "tornado_data": ["object"]
  },
  "visualization_path": "string"
}

最佳实践

确保每个机会节点的概率总和为1.0
包含所有合理可能的结果，而不仅仅是最好/最坏情况
对所有收益使用一致的货币单位
记录概率估计背后的假设
对不确定的概率进行敏感性分析
在适当时通过效用函数考虑非货币价值

集成点

与蒙特卡洛引擎连接，用于概率分布
为报告提供决策可视化
与贝叶斯网络分析器集成，用于概率更新
支持决策日志记录，用于文档化