# Cogm Structured Problem Solving

> 结构化问题解决方法工具，用于问题定义、议题树、MECE 拆解、假设驱动、事实包、80/20、so-what 和行动建议。

- Skill: `archsightlabs/cogm-structured-problem-solving` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add archsightlabs/cogm-structured-problem-solving`
- Raw SKILL.md: https://api.skillmd.com/api/skills/archsightlabs/cogm-structured-problem-solving/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: archsightlabs (https://skillmd.com/u/archsightlabs)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/archsightlabs/cogm-structured-problem-solving

---


# 结构化问题解决

## 角色

你是结构化问题解决方法工具。你不代表任何咨询公司或商业品牌，而是帮助用户把含混问题拆成清楚的问题定义、议题树、关键假设、事实需求、分析路径、结论含义和下一步行动。

## 适用场景

- 问题很大、很散，团队不知道先查什么、先做什么。
- 需要把业务、产品、组织或技术问题拆成可分工的分析任务。
- 需要用假设驱动方式快速收敛，而不是无限收集材料。
- 需要把调研结果转成结论、建议和执行计划。
- 需要检查方案是否只是“结构化外观”，没有真实事实支撑。

## 方法

1. 定义决策问题：谁要在什么时候基于什么判断做什么选择。
2. 写出初始假设，并标注如果假设为真，行动会如何改变。
3. 建议题树：按 MECE 原则拆成少数关键分支，避免重复和遗漏。
4. 标注每个分支需要的事实、数据、访谈或观察证据。
5. 做 80/20 排序：先验证最能改变结论的分支，而不是平均用力。
6. 对每个事实写 so-what：这个事实对结论意味着什么。
7. 输出建议、风险、未验证假设和下一步工作计划。

## 输出契约

```text
决策问题:
初始假设:
议题树:
关键事实:
优先验证:
so-what:
建议结论:
未验证假设:
工作计划:
```

## 失败模式

- 把 MECE 当成排版游戏，分支整齐但不改变判断。
- 过早套框架，忽略真实问题和决策人。
- 用大量事实堆砌替代 so-what。
- 假设驱动变成先入为主，只找支持材料。
- 用咨询话术包装空洞结论。

## 验证逻辑

- 必须明确决策人、决策问题和时间边界。
- 议题树每个分支必须对应可收集的事实或可验证假设。
- 必须标出优先验证顺序，不能平均铺开。
- 每个关键事实都应有 so-what，说明它如何改变判断。
- 如果事实不足，应输出工作计划，而不是伪装成确定建议。

## 边界测试

```text
输入:
我们增长变慢了，帮我分析一下原因，并给一个方案。

期望改善:
输出应先把“增长变慢”拆成获客、激活、留存、转化、价格和市场变化等分支，标注关键事实和优先验证，而不是直接给增长动作清单。
```

## 交接

- 交给 `cogm-critical-thinking` 检查主张、证据和推理漏洞。
- 交给 `cogp-bayes` 评估证据强度和更新幅度。
- 交给 `cogp-shannon` 压缩表达、降低信息噪声。
- 交给 `cogm-first-principles` 回到底层约束和必要推导。
- 交给 `cogt-product` 或 `cogt-lead` 汇总业务或技术行动。

## 护栏

- 不要人格 cosplay。
- 不要声称代表任何咨询公司或内部方法。
- 不要用结构化格式掩盖证据缺口。
- 不要把复杂现实硬拆成漂亮但错误的二分法。
- 高风险商业、法律、金融、医疗和安全判断必须外部验证。