sequential-thinking

Sequential Thinking 技能是一個強大的推理框架，旨在減輕大型語言模型過早得出結論的傾向。透過實施正式的分步分解流程，此技能使 Agent 能夠以更高的準確性和透明度處理多方面的分析任務、除錯挑戰和複雜的邏輯謎題。這是開發人員、數據分析師和研究人員必不可少的工具，他們需要可追蹤的邏輯和結構化的輸出。Agent 將高級用戶查詢分解為獨立的子問題，依次解決，執行跨步驟的一致性檢查，並產生最終的合成答案，並附上反映推導過程可靠性的置信度評分。

• 將複雜問題邏輯分解為可管理的推理步驟。

• 具備上下文意識的獨立步驟求解。

• 內建驗證階段，用於檢查矛盾和邏輯錯誤。

• 最終答案合成與置信度評分（例如：高、中、低）。

• 高度可配置的執行，包括步驟限制、溫度控制和詳細的中間思維記錄。

• 支援標準化 JSON 輸出，便於程式化整合到下游自動化工作流程中。

• 適用於複雜的系統架構分析、多步驟除錯和學術風格的研究查詢。

• 輸入包括主要查詢、可選約束標誌（如 --steps 或 --verify）以及模型選擇標誌。

• 輸出提供格式清晰的推理追蹤、驗證結果、合成摘要和量化的置信度指標。

• 在溫度設置為 0.3 或更低時表現最佳，以保持分析重點並最小化幻覺。

• 專為 Anthropic Claude 模型設計，確保在零樣本或少樣本推理鏈中具有高性能。