名称: decision-matrix 描述: 当需要比较多个命名备选方案在多个标准下时使用，需要透明的权衡分析、群体决策时需对齐、选择供应商/工具/策略、利益相关者需查看决策理由、平衡竞争优先级（成本 vs 质量 vs 速度）、用户提到“我们应该选择哪个选项”、“比较备选方案”、“评估供应商”、“权衡”，或当决策需要可辩护且数据驱动时。
决策矩阵
是什么？
决策矩阵是一种结构化工具，用于在加权标准下比较多个备选方案，以做出透明、可辩护的选择。它通过为每个选项在每个标准上评分，强制进行显式的权衡分析，使主观因素可见和可比较。
快速示例：
| 选项 | 成本 (30%) | 速度 (25%) | 质量 (45%) | 加权得分 |
|---|---|---|---|---|
| 选项 A | 8 (2.4) | 6 (1.5) | 9 (4.05) | 7.95 ← 获胜者 |
| 选项 B | 6 (1.8) | 9 (2.25) | 7 (3.15) | 7.20 |
| 选项 C | 9 (2.7) | 4 (1.0) | 6 (2.7) | 6.40 |
括号中的数字显示标准得分 × 权重。选项 A 获胜，尽管不是最快或最便宜，因为质量最重要（45%权重）。
工作流程
复制此清单并跟踪进度：
决策矩阵进度：
- [ ] 步骤 1: 框定决策并列出备选方案
- [ ] 步骤 2: 识别和加权标准
- [ ] 步骤 3: 为每个备选方案在每个标准上评分
- [ ] 步骤 4: 计算加权得分并分析结果
- [ ] 步骤 5: 验证质量并提供推荐
步骤 1: 框定决策并列出备选方案
询问用户决策背景（我们在选择什么及为什么）、备选方案列表（具体命名选项，而非通用类别）、约束或硬性要求（必备需求），以及利益相关者（谁需要同意）。了解必备要求有助于在评分前筛选选项。查看框定问题以获取澄清提示。
步骤 2: 识别和加权标准
与用户合作识别标准（哪些因素对此决策重要）、确定权重（哪些标准最重要，以百分比表示，总和为100%），并验证覆盖范围（标准是否捕捉了所有重要权衡）。如果用户不确定权重 → 使用resources/template.md获取加权技术。查看标准类型以获取常见模式。
步骤 3: 为每个备选方案在每个标准上评分
对于每个选项，使用一致量表（通常1-10，其中10=最佳）在每个标准上评分。询问用户分数或研究客观数据（如成本、速度指标）。记录假设和数据来源。对于复杂评分 → 查看resources/methodology.md获取校准技术。
步骤 4: 计算加权得分并分析结果
计算每个选项的加权得分（标准得分 × 权重之和）。按总得分排序选项。识别接近的选择（得分在5%以内的选项）。检查敏感性（改变一个权重是否会翻转决策）。查看敏感性分析获取解释指导。
步骤 5: 验证质量并提供推荐
使用resources/evaluators/rubric_decision_matrix.json自我评估（最低得分≥3.5）。呈现 decision-matrix.md 文件，包含清晰推荐，突出分析揭示的关键权衡，注意对假设的敏感性，并建议下一步（为接近选择收集更多数据，与利益相关者验证）。
框定问题
澄清决策：
- 我们正在做什么具体决策？（从Y个备选方案中选择X）
- 如果我们不决定或选择错误会发生什么？
- 我们需要在何时前决定？
- 我们可以选择多个选项还是只能一个？
识别备选方案：
- 我们在考虑的所有命名选项是什么？
- 是否有其他备选方案我们立即排除？为什么？
- “什么都不做”或现状选项是什么？
表面必备要求：
- 是否有绝对硬性要求？（预算上限、时间线要求、合规需求）
- 哪些约束是灵活 vs 严格的？
标准类型
常见标准类别（适应您的决策）：
财务标准：
- 前期成本、持续成本、投资回报率、回收期、预算影响
- 典型权重：20-40%（对于成本敏感决策更高）
性能标准：
- 速度、质量、可靠性、可扩展性、容量、吞吐量
- 典型权重：30-50%（对于技术决策更高）
风险标准：
- 实施风险、可逆性、供应商锁定、技术债务、合规风险
- 典型权重：10-25%（对于企业/受监管环境更高）
战略标准：
- 与目标对齐、未来灵活性、竞争优势、市场定位
- 典型权重：15-30%（对于长期决策更高）
操作标准：
- 易用性、维护负担、所需培训、集成复杂性
- 典型权重：10-20%（对于内部工具更高）
利益相关者标准：
- 团队偏好、用户满意度、执行层对齐、客户影响
- 典型权重：5-15%（对于变革管理上下文更高）
加权方法
方法 1: 直接分配（最简单） 利益相关者分配百分比，总和为100%。快速但可能随意。
方法 2: 成对比较（更严谨） 比较每对标准：“成本比速度更重要吗？”构建排名，然后分配权重。
方法 3: 必备与锦上添花（先过滤） 将绝对要求（通过/失败）与加权标准分开。只评估通过必备要求的选项。
方法 4: 利益相关者平均（群体决策） 每个利益相关者独立分配权重，然后平均。揭示优先级的差异。
查看resources/methodology.md获取详细促进技术。
敏感性分析
计算得分后，检查稳健性：
1. 接近选择： 得分在获胜者5-10%内的选项 → 需要更多数据或第二意见 2. 主导标准： 一个标准驱动整个决策 → 权重是否过高？ 3. 权重敏感性： 交换两个标准权重是否会翻转获胜者？ → 决策脆弱 4. 得分敏感性： 调整一个得分±1分是否会翻转获胜者？ → 决策对该数据点敏感
红旗标志：
- 获胜者随小权重调整改变 → 需要利益相关者对优先级对齐
- 一个选项在所有标准上获胜 → 矩阵过度设计，选择显而易见
- 得分大多是猜测 → 在决定前收集更多数据
常见模式
技术选择：
- 标准：成本、性能、生态系统成熟度、团队熟悉度、供应商支持
- 权重：性能和成熟度通常50%+
供应商评估：
- 标准：价格、功能、集成、支持、声誉、合同条款
- 权重：功能和集成通常40-50%
战略选择：
- 标准：市场机会、资源需求、风险、对齐、时机
- 权重：市场机会和对齐通常50%+
招聘决策：
- 标准：经验、文化契合、增长潜力、薪酬期望、可用性
- 权重：经验和文化契合通常50%+
功能优先排序：
- 标准：用户影响、努力、战略价值、风险、依赖
- 权重：用户影响和战略价值通常50%+
何时不使用此技能
跳过决策矩阵如果：
- 只有一个可行选项（没有真正备选方案可比较）
- 决策是二元是/否且单一标准（使用更简单分析）
- 选项仅在一个维度上不同（只需比较该维度）
- 决策紧急且风险低（分析开销不值得）
- 标准无法客观定义（纯情感/审美选择）
- 你已经知道答案（使用矩阵证明预定义决策是浪费）
替代使用：
- 单一标准 → 简单排名或阈值检查
- 二元决策 → 利弊列表或期望值计算
- 高度不确定 → 场景规划或决策树
- 纯主观 → 直觉检查或用户偏好投票
快速参考
过程：
- 框定决策 → 列出备选方案
- 识别标准 → 分配权重（总和为100%）
- 为每个选项在每个标准上评分（1-10量表）
- 计算加权得分 → 排序选项
- 检查敏感性 → 提供推荐
资源：
- resources/template.md - 结构化矩阵格式和加权技术
- resources/methodology.md - 高级技术（群体促进、校准、敏感性分析）
- resources/evaluators/rubric_decision_matrix.json - 提供前质量检查清单
交付物： decision-matrix.md 文件，包含表格、理由和推荐