sequential-thinking

Sequential Thinking 技能是一个强大的推理框架，旨在减轻大型语言模型过早得出结论的倾向。通过实施正式的分步分解流程，此技能使 Agent 能够以更高的准确性和透明度处理多方面的分析任务、调试挑战和复杂的逻辑谜题。这是开发人员、数据分析师和研究人员必不可少的工具，他们需要可追踪的逻辑和结构化的输出。Agent 将高级用户查询分解为独立的子问题，依次解决，执行跨步骤的一致性检查，并产生最终的合成答案，并附上反映推导过程可靠性的置信度评分。

• 将复杂问题逻辑分解为可管理的推理步骤。

• 具备上下文意识的独立步骤求解。

• 内置验证阶段，用于检查矛盾和逻辑错误。

• 最终答案合成与置信度评分（例如：高、中、低）。

• 高度可配置的执行，包括步骤限制、温度控制和详细的中间思维记录。

• 支持标准化 JSON 输出，便于程序化整合到下游自动化工作流程中。

• 适用于复杂的系统架构分析、多步骤调试和学术风格的研究查询。

• 输入包括主要查询、可选约束标志（如 --steps 或 --verify）以及模型选择标志。

• 输出提供格式清晰的推理追踪、验证结果、合成摘要和量化的置信度指标。

• 在温度设置为 0.3 或更低时表现最佳，以保持分析重点并最小化幻觉。

• 专为 Anthropic Claude 模型设计，确保在零样本或少样本推理链中具有高性能。