Token导航 LogoToken导航TokenDH.com
开发只读clawhub未标认证来源可访问clear审计通过

munger-decision-free芒格自由决策

Agent Skill

munger-decision-free 用于辅助前端页面、组件、样式和交互逻辑开发,适合在 OpenClaw 中需要维护前端项目、生成组件或检查界面实现时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

4,235

周安装

173

GitHub Stars

1

下载量

1,370
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:munger-decision-free(芒格自由决策)
来源仓库:https://github.com/cdz0451/munger-decision-free
安装命令:
openclaw skills install munger-decision-free
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install munger-decision-free

简介

提供无限制的芒格思维模型决策辅助功能。munger-decision-free 属于开发类 Skill,可作为该场景下的辅助能力补充。

  • 帮助用户系统化拆解问题并识别潜在认知偏差。
  • 适用于教育训练、案例复盘与日常思考框架搭建。
  • 免费版可能有功能阉割,完整特性请参考付费版本说明。
  • 思维模型本身不能替代现实检验,需与实践反馈结合迭代。

SKILL.md

name
munger-decision
description
Charlie Munger's mental model decision assistant. Analyzes your decision scenario, recommends the most relevant thinking models, and guides you through structured analysis. Free version includes 12 core models. Use when: making investment, product, strategy, or life decisions. NOT for: general Q&A or information lookup.
metadata

芒格决策助手

将查理·芒格的核心思维模型转化为可执行的决策工具。

当前版本: 免费版(12 个核心模型) 完整版: 83 个模型 + 83 个详细文档(即将推出)


🎯 核心功能

  1. 场景识别: 自动识别决策场景(投资、产品、人员、战略)
  2. 模型推荐: 根据场景推荐 3-5 个相关思维模型
  3. 引导式分析: 通过结构化问题引导用户思考
  4. 决策报告: 生成 Markdown 格式的分析报告

📦 免费版包含的 12 个核心模型

核心决策模型(8 个)

  1. 第一性原理 - 回归事物本质
  2. 机会成本 - 评估替代方案
  3. 复利效应 - 长期价值积累
  4. 能力圈 - 了解自己的边界
  5. 逆向思维 - 反过来想,避免失败
  6. 护城河 - 竞争优势分析
  7. 安全边际 - 容错空间评估
  8. 多元思维模型 - 跨学科交叉验证

心理学模型(4 个)

  1. 确认偏误 - 避免选择性证据
  2. 锚定效应 - 警惕第一印象
  3. 损失厌恶 - 理性评估风险
  4. 社会认同 - 独立思考,避免从众

🚀 使用方法

命令行

# 开始决策分析
/munger analyze 是否应该投资中宠股份

# 查看所有模型
/munger models

# 查看历史记录
/munger history

代码调用

import { assistant } from './src/index';

// 开始分析
const response = await assistant.startAnalysis('session-123', '是否应该投资中宠股份');
console.log(response);

// 处理回答
const next = await assistant.handleAnswer('session-123', '7分,我对行业有一定了解');
console.log(next);

🏗️ 架构设计

模块划分

src/
├── index.ts          # 主入口
├── detector.ts       # 场景识别器
├── recommender.ts    # 模型推荐引擎
├── dialogue.ts       # 对话管理器
├── reporter.ts       # 报告生成器
└── types.ts          # 类型定义

data/
└── munger-knowledge.js  # 12 个核心模型库

核心流程

用户输入
    ↓
场景识别(detector)
    ↓
模型推荐(recommender)
    ↓
多轮对话(dialogue)
    ↓
报告生成(reporter)

🧪 测试

npm test

🎓 芒格模型应用

第一性原理

核心问题: 用户真正需要什么?

  • 不是"学习芒格模型"
  • 而是"做出更好的决策"

设计推导:

  1. 最小化学习成本 → 自动场景识别
  2. 结构化思考 → 引导式问题
  3. 可执行建议 → 决策报告

逆向思维

什么会导致失败?

  1. 场景识别不准 → 关键词 + 正则 + LLM 兜底
  2. 问题太学术 → 白话文 + 实际案例
  3. 报告太长 → 控制在 1 页内

能力圈

我们擅长:

  • ✅ Node.js + TypeScript
  • ✅ 状态机设计
  • ✅ Markdown 生成

🎁 完整版(即将推出)

完整版将包含:

83 个思维模型

  • 核心模型(10 个): 多元思维、机会成本、复利效应等
  • 心理学模型(29 个): 确认偏误、锚定效应、损失厌恶等
  • 经济学模型(15 个): 供需关系、边际效用、规模经济等
  • 数学模型(12 个): 概率论、贝叶斯、幂律分布等
  • 物理学模型(8 个): 临界质量、杠杆原理、惯性等
  • 生物学模型(9 个): 进化论、适者生存、生态位等

83 个详细文档

  • 每个模型配有独立 Markdown 文档
  • 包含定义、案例、应用场景、常见误区
  • 总计超过 50,000 字的深度内容

高级功能

  • 智能评分算法(基于 LLM 分析)
  • 历史记录持久化
  • 自定义模型库
  • 批量决策分析

敬请期待!


📄 许可证

MIT


开发者: edu-dev 版本: v1.2.0-free 日期: 2026-03-29

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

77.4%
按下载量换算1,060

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills