Brainstorm

腦力激盪助手

語言: English | 繁體中文

在撰寫規格前進行結構化發想。以 2024–2026 年 AI 輔助發想研究為基礎，透過引導式腦力激盪，將模糊構想轉化為可執行的功能提案。

Implements: XSPEC-296 腦力激盪品質標準（BQS v1）—— brainstorm v4，疊加於 XSPEC-247 brainstorm v3（Multi-Persona Ensemble + Multi-Critic Convergence）。

v3 的核心改動： v3 把發散從「單一 AI 衝數量」改為 persona 集成（每個角色以思維鏈獨立推理）× 多樣性透鏡；把收斂從「單一 AI 評分 + 單一反駁」改為多評審面板 + 硬角色反駁（Devil's Advocate + Steelman）。直接對應文獻最強結論：多 persona 勝過單一 pass，單一 LLM 評審既弱又易諂媚。

v4 的核心改動： v3 提供了強健的機制，卻沒有可判定 pass/fail 的品質閘。v4 在其上疊加一道時序化品質契約——腦力激盪品質標準（BQS v1）——且不移除任何 v3 行為。BQS 是四層 × 時間軸結構：第 0 層宣告 explore/exploit 意圖；第 1 層（過程、leading、發散期全程可見）跑維度 D1–D4；第 2 層（產物、leading、收斂後僅施於推薦集，即 Agg. Score ≥ 3.5、不限筆數的想法）跑 D5–D8 加 Seeds 欄與爭議區；第 3 層是不受治理的 Judgment Override。第一原理：決策用 leading 訊號、校準用 lagging 訊號——兩者是時間前後，而非對錯取捨。 硬序列閘禁止 D5–D8 在發散期被揭示或評分。詳見下方「BQS v1 — 品質契約」。

v4.2 的核心改動（XSPEC-388）： D4 原本只釘住判官坐在哪裡，一個字都沒說它得想得動。一個獨立 context 跑字面遵循型模型會逐字滿足舊條文，然後照 D5–D8 逐條打勾放行——與一場真的有人反對過的評審在報告上無從分辨。v4.2 給 D4 加上第二個軸：評審還必須宣告其模型層級要求（見下方術語說明）。CONVERGE 的提示改為目標＋約束形狀——D5–D8 是判斷必須滿足的判準，不是按順序執行的步驟；既有固定句型與逐準則分數指南保留為參考格式。發散側引用 core/model-selection.md（Standard 或更高）而不另立規則。不移除任何 v3 機制。

術語——「模型層級」，不用「tier」： 在本 skill 內，tier 已被佔用兩次——BQS 分級表（套用哪些維度）與 Enhanced Tier。core/model-selection.md 定義的模型能力軸（該標準稱 model tier）在本 skill 一律寫作模型層級（model level）。模型層級是該標準的廠商中立標籤；本 skill 絕不指名具體廠商模型（見 D4）。

使用前先選模式

使用前套用以下客觀觸發條件。預設為完整 v3，路由規則是跳過階段的快捷鍵，而非額外障礙。

判斷原則： 不確定適用哪一行時，直接用完整 v3。判斷本身的認知成本高於直接跑完整流程。

工作流程

[Mode Selection] ─► PRE-FLIGHT ─► FRAME ─► DIVERGE ───────────► CONVERGE ──────────► OUTPUT
   客觀路由          防止錨定      定義問題   persona 集成+透鏡       多評審面板+硬角色反駁    輸出提案
   ▲ 第 0 層 意圖                ▲ 第 1 層（D1–D4，leading）       ▲ 第 2 層（D5–D8，推薦集）   ▲ 第 3 層 override

BQS v1 — 品質契約

第一原理： 腦力激盪的產物是假說，不是答案。一個點子好不好在發想當下不可知，所以品質只能用 leading 訊號（過程＋認識論完整性）判；標準的正當性靠 lagging 訊號（事後結果）校準。決策用 leading、校準用 lagging，兩者是時間前後，不是對錯取捨。（此處修正任何「只用 leading 不用 lagging」的絕對說法。）

BQS 是四層 × 時間軸契約。它是 v3 的疊加——所有 v3 旗標與機制都保留（見「向後相容」）。

第 0 層 — 意圖（開場宣告）

開場宣告本次 explore/exploit 配比 與賭注類型（漸進 vs barbell 長尾）。此層調節維度權重：偏 exploit 的工作階段，D2（發散覆蓋）低分是正確的、不扣分。

第 1 層 — 過程（發散期 leading，全程可見）

硬序列閘： D5–D8 禁止在發散期揭示或評分；CONVERGE 的 critic 不得在最後一個 persona 產完前被呼叫。

第 2 層 — 產物（收斂後 leading，僅施於推薦集）

評判維度限縮在收斂後 × 僅推薦集（Agg. Score ≥ 3.5 的想法，不限筆數），絕不在發散期對全部想法當硬閘（否則回溯污染發散、扼殺無證據的未來想法、製造填表劇場）。

第 3 層 — 不可治理區（Judgment Override）

明文留一塊 oracle 不進入的地：人類直覺「保留/斃掉」附一句理由即可，凌駕聚合分數、不需過任何維度。承認標準不完備，避免「為過維度而 brainstorm」。

結構規則

1. Meta 停止規則： 該層維度全綠 且 再跑一輪後 推薦集成員不變（看集合成員、不看內部排序）→停。硬上限 2 輪。取代模糊的「不翻決策」。
2. 判官≠產生者： D2/D4/D5/D7 判定須獨立視角；單 context 自評只能 [degraded]，不得 pass。D4 另需宣告模型層級——獨立性只是它兩軸之一（見 D4）。
3. 校準回路（吃 lagging）： v3 的三個工作階段自評指標收編為此回路 lagging 端——Adoption Rate＝D6 滯後驗證、Diversity＝D2/D3 滯後觀測、Cognitive Load＝成本約束；禁兩套平行評估。
4. BQS 自我演化（輕量）： 版本化 + 證據清單 last-reviewed 逾期 flag；「定期對 BQS 自身 brainstorm」列可選。
5. 最小充分原則： 套用該 tier 所需的最少維度 + 把第 2 層限縮在推薦集（Agg. Score ≥ 3.5），而非全部發散想法——認知經濟性的守門，不另設成本維度。

分級（綁 v3 既有客觀觸發，非自評）

分級由客觀模式選擇觸發表（字數、旗標、是否有規格）決定，而非發起者自評。

Phase 0: PRE-FLIGHT | 防止 AI 錨定

本階段存在的原因： 在 AI 生成任何內容之前先寫下自己的想法，能持續產出更多樣的結果。在 AI 情境下這更重要：設計固著研究顯示，流暢、高擬真的 AI 輸出反而加深固著（Wadinambiarachchi 等，CHI 2024）。

在 AI 生成任何內容之前，使用者完成三件事：

使用者提交後，AI 讀取全部三項輸入再進入 FRAME。AI 的第一批 DIVERGE 輸出必須探索使用者未提及的方向，且不得重複使用者已提交的想法。

反種子 guardrail（v3 新增）： 不要用「像 X 但給 Y」的框架當種子（如「給醫生用的 Slack」）。這類產品類比種子會把 LLM 鎖進單一解空間、明顯降低想法多樣性。請捕捉底層問題，而非產品類比。

BQS 第 0 層 — 意圖宣告（v4 新增）： 在 FRAME 之前，宣告本次的 explore/exploit 配比 與賭注類型（漸進 vs barbell 長尾）。此宣告下游調節 D2 權重——偏 exploit 時低發散覆蓋是正確的、不扣分。未宣告時預設：偏 explore。

旗標： --skip-preflight 跳過本階段並顯示一行警告： ⚠ Skipping Pre-flight may cause AI anchoring

Phase 1: FRAME | 定義問題

在產生想法之前，先清楚定義問題空間。

Phase 2: DIVERGE | 發散思考（v3：persona 集成 + 多樣性透鏡）

v3 核心機制： persona 集成——每個 persona 以思維鏈在隔離狀態下推理——再乘上多樣性透鏡。Meincke、Mollick、Terwiesch（2024）發現「思維鏈 + persona」的想法多樣性高於所有受測提示策略，接近人類團體。光衝數量是弱代理；結構性逼出不同視角才是真正槓桿。

模型層級（發散側）： 發散提示只給目標與約束——正是 core/model-selection.md 的 MS-004／Criterion 2 的觸發條件：發散以 Standard 或更高層級執行。不是「最高層級」——那會同時超出 MS-004 所說的與我們的證據。lagging 登記：此選擇由校準回路既有的 Diversity（D2/D3 滯後觀測） 欄驗證，不另開第二套登記。

Step 2a — persona 集成

透過預設 persona 組生成想法。每個 persona 逐步推理（思維鏈），只從自己的視角產出 2–4 個想法。使用者可用 --personas 增減或改名。

分支隔離： baseline 模式下，生成每個 persona 的想法時不讓它看到其他 persona 的輸出，以防止 session 內錨定。等所有 persona 都產完才一起呈現。（Enhanced 層以平行隔離 agent 跑——見下方「Enhanced Tier」。）

Step 2b — 多樣性透鏡

在 persona 組上至少套用一個透鏡，以突破「顯而易見答案區」。連結異域概念能可量測地提升原創性（Mehrotra、Parab、Gulwani，2024）。

用 --lens analogical|reversal|morphological 強制指定某透鏡為主要透鏡。

Step 2c — 繼續發散提示（輔助）

「好點子在後半」（Nijstad）是人類群體現象，未在 LLM 證實（LLM 多為高原／枯竭）。故固定數量門檻降為輔助提示：若全組少於約 8 個相異想法，提示「繼續——加一個還沒用過的 persona 或透鏡」。真正的門檻是多樣性（覆蓋了幾個不同視角），而非數量。

此處生效 BQS 第 1 層（D1–D4，leading，全程可見）： 發散期只對 D1（框架純度）、D2（發散覆蓋，依第 0 層加權）、D3（跨會話多樣性）、D4（評估去偏） 評分與呈現。硬序列閘： 評判維度 D5–D8 在最後一個 persona 產完前不得揭示或評分——CONVERGE 的 critic 在發散完成前不被呼叫。

經典技法（仍保留）

Phase 3: CONVERGE | 收斂（v3：多評審面板 + 硬角色反駁）

v3 核心機制： 多評審面板取代單一加權評分者。單一 LLM 是弱且有偏的評估者（Li 等，2025：LLM 強於生成／精煉、弱於評估——人類保留最終裁決權）。三個獨立評審透鏡各自評分後聚合。

評審提示形狀——目標＋約束（v4.2）： 對面板、Devil's Advocate、Steelman 派工時——尤其派入獨立 context（--enhanced）——提示必須以目標＋其判斷必須滿足的約束表達，不得寫成按順序執行的步驟清單。D5–D8 與下方的具體性要求是判準（「你的判斷必須滿足這些」），不是步驟（「照這個順序做這些事」）。既有固定句型、逐準則 1–5 指南與評審權重公式保留為參考格式，皆非必經步驟。理由：core/model-selection.md 的 MS-009。

Step 3a: 多評審面板

跑三個獨立評審，各自以自己的透鏡對每個想法打 1–5 分；取平均聚合以降低單評審偏誤。下方加權準則定義預設透鏡——是參考格式，不是評審必須逐步照走的腳本。

各準則評分指南（1–5，參考格式）：Feasibility（5=輕而易舉 … 1=幾乎不可能）；Impact（5=變革性 … 1=可忽略）；Effort（5=數小時 … 1=數季，反向計分，工作量越低分越高）；Alignment（5=核心使命 … 1=偏離使命）。

可選——RICE / ICE（產品功能）： 排序可出貨功能時用 RICE =（Reach × Impact × Confidence）/ Effort 或較輕的 ICE = Impact × Confidence × Ease。Effort 交由工程師估、不要讓 LLM 估（它無程式庫知識）。RICE 偏好漸進式勝利，別單獨用於策略性押注。

Step 3b: 硬角色反駁輪

軟性「請批評一下」只會得到附和（諂媚）。v3 指派硬角色：對推薦集（Agg. Score ≥ 3.5，不限筆數）中的每一個想法各跑一個 Devil's Advocate（「你的任務是論證此案會失敗」）與一個 Steelman（「說出反方最強而善意的版本」）。兩者一起壓力測試韌性，而非只是戳。

約束：每個反對理由須指出具體情境與具體原因——模糊顧慮（「這可能有點難」）不接受。句型「在 [具體情境] 下，此想法會失敗，因為 [具體原因]」是參考格式，不是必用句式。

使用者必須對每個給出回應才能繼續：

旗標： --no-rebuttal 跳過此步驟；報告段落標注「Rebuttal: skipped」。

BQS D4 — 判官≠產生者，兩軸： D4 唯有兩軸同時成立才可 pass。(1) 座位——獨立性：評審/Devil's Advocate 在獨立 context 執行（--enhanced 隔離 agent 宿主）。(2) 心智——宣告模型層級：評審宣告其模型層級要求，以 core/model-selection.md 的廠商中立標籤表達；選層依據為該標準的判準（引用，不複述）。指名具體廠商模型即違規——層級標籤是唯一合法的表達方式。缺任一軸→面板標 [degraded]、不得標 pass：獨立 context 跑字面遵循型模型會逐字滿足座位軸，成為一枚完全合規的橡皮圖章——認出「不同名字下的同一件事」是打勾做不到的判斷工作。baseline 單 context 下，面板是同 context 自評，標 [degraded]、不得 pass——誠實但非獨立。不得把 baseline 跑當成 D4 pass 靜默通過。

Step 3c: BQS 第 2 層——對推薦集的產物閘

收斂後，僅對推薦集（Agg. Score ≥ 3.5 的想法，不限筆數）套用 D5–D8（絕不對全部發散想法）。若無想法達 3.5，仍保留分數最高的 1 個，標記 [未達門檻——僅供參考]，避免報告空白。D5–D8 是判斷必須滿足的判準——不限順序，不是程序。對推薦集中每個想法，判斷必須滿足：

• D5 接地： 將每個主張分流為 [現狀/外部事實]（需 file:line 或來源，否則 fail）vs [未來/假說]（免接地、標 [假說]）。外部事實宣稱為跨級地板——creative 級也須接地。
• D6 淨值： 推薦集中每個想法須答「解誰問題／我們真有嗎／不做的代價」；至少一個淘汰為「不值得做」；掛 lagging 登記欄（事後哪個訊號驗證）。
• D7 可證偽（二態）： 標 [現可陳述證偽] 或 [需先做 X 才能定義證偽]。後者轉 next-step 餵 D8——不算 fail。
• D8 可行動： 每個存活想法需 next-step 裁決（含明確「暫不做」）；無 → fail。
  • 裁決為「暫不做」者，以及 Seeds（來自被淘汰的想法） 中每個被擱置的想法，皆為 deferred-item-exit 所指的延後項目。

Meta 停止規則（BQS 結構規則 1）： 當套用的維度全綠 且 再跑一輪後 推薦集成員不變（看集合成員、非內部排序）→停。硬上限 2 輪。

Phase 4: OUTPUT | 輸出提案

產生可直接對接 /requirement 或 /sdd 的腦力激盪報告。每個存活想法標記 ✓ Passed rebuttal、使用者回應摘要、來源 persona／透鏡、以及聚合評審分數。

輸出格式

# Brainstorm Report: [Topic]

## Problem Statement
[Refined problem + root cause from FRAME]

## HMW Questions
1. How might we ...?

## Ideas Generated
| # | Idea | Persona | Lens | Critic-Feas | Critic-Impact | Critic-Align | Agg. Score |
|---|------|---------|------|-------------|---------------|--------------|-----------|
| 1 | ...  | Skeptic | Reversal | 4.0 | 4.5 | 4.0 | 4.2 |

## Recommendations (BQS Layer 2 applied, Agg. Score ≥ 3.5 — uncapped)
1. **[Idea]** (Agg. X.X) ✓ Passed rebuttal — [Why] — Persona: [..] — [User rebuttal response]
   - D5 grounding: [current-state claims with file:line | future claims marked [hypothesis]]
   - D6 net benefit: [whose problem / do we have it / cost of not doing] — lagging signal: [..]
   - D7 falsifiability: [falsifiable now | need to do X first → next-step]
   - D8 next-step: [action | defer]
2. **[Idea]** (Agg. X.X) ✓ Passed rebuttal — ...
<!-- 列出所有 Agg. Score ≥ 3.5 的想法，依分數由高到低排序——不限 3 筆。若無想法達 3.5，僅列分數最高的 1 個，標「[below threshold — shown for reference]」。 -->

## Contested Zone (high critic-variance ideas)
[Ideas whose critic variance exceeded threshold — surfaced, NOT eliminated by mean ranking (barbell long-tail)]

## Seeds (from killed ideas)
[For each killed idea: what was wrong, what real problem it points to. Non-empty if ≥1 idea was killed.]

## Judgment Override (Layer 3, ungoverned)
[Human keep/kill decisions that override the aggregate score, each with a one-line reason. Optional.]

## Diversity Note
[How many distinct lenses/personas the surviving ideas span — flag if all from one cluster]

## Discarded Ideas (with reasons)
| Idea | Reason |

## Next Steps
- [ ] Proceed to `/requirement` with top idea
- [ ] Proceed to `/sdd` if requirements are clear

BQS 輸出新增（v4）： Seeds 區（規則：被殺 ≥1 則非空）、爭議區（高方差想法不按 mean 淘汰）、Judgment Override 通道（人類裁決凌駕聚合分）為 BQS 第 2/3 層所要求。Recommendations 區塊為推薦集（不限筆數）中每個想法逐項記錄 D5–D8 狀態。自 v4.2 起，報告表頭並記錄評審宣告的模型層級（廠商中立標籤）——沒有它，D4 為 [degraded]，且宣告無處可驗。

多樣性崩塌防護

用單一 LLM 發想會降低跨使用者的想法多樣性，即使個人覺得更有創意（Anderson、Shah、Kreminski，2024；與廣為引用的 Doshi & Hauser，《Science Advances》2024 同向）。防範方式：

• 絕不用競品或產品類比當種子（「像 X 但給 Y」）。
• 變的是透鏡而非措辭——換句話不等於多樣化。
• 若推薦集全來自同一 persona／透鏡，標示並在輸出前再跑一個透鏡。

強化層——平行 persona

多 agent 發想（獨立 agent 互相對話／貢獻）在感知品質與新穎度上勝過單 agent（Quan 等，2025，MultiColleagues）。在支援平行子代理的宿主（如 Claude Code 的 Agent/Workflow 工具），--enhanced 會把每個 persona 與每個評審當作平行、context 隔離的 agent 跑，再合併去重。

優雅降級： 此層為可選。在無子代理的宿主，--enhanced 靜默退回 baseline（單 context 模擬 persona）。本 skill 維持 scope: universal。

技法速覽

校準回路——lagging 訊號（BQS）

這是同一道 BQS 品質回路的 lagging 端——不是第二套平行評估系統。 工作階段中由 BQS 第 0–2 層做 leading 決策；這三個指標事後校準標準。禁止在 BQS 之外另跑一套自評。

每次工作階段結束後記錄三個指標（1–5 分），各自對應一個 BQS 維度作為其滯後驗證：

收集 3 次工作階段資料再下結論。完整 A/B 實驗協議見 guide.md。

旗標

使用方式

• /brainstorm — 啟動互動式腦力激盪工作階段
• /brainstorm "user retention" — 針對特定主題腦力激盪
• /brainstorm --enhanced "user retention" — 平行 persona 集成（若宿主支援）
• /brainstorm --personas "designer,economist,skeptic" "pricing" — 自訂 persona
• /brainstorm --lens analogical "onboarding" — 強制類比透鏡
• /brainstorm --quick "reduce checkout friction" — 快速 3 想法模式
• /brainstorm --no-rebuttal "topic" — 跳過反駁輪

下一步引導

/brainstorm 完成後，AI 助手應建議：

腦力激盪完成。建議下一步：

• 執行 /requirement 將最佳構想轉為使用者故事
• 執行 /sdd 直接建立規格（若需求已明確）⭐ 推薦
• 針對特定構想進行更深入探索

參考

• 詳細指南：guide.md
• 模型層級依據：core/model-selection.md——D4 心智軸與發散側層級皆以該標準的判準為準。引用、不複述——摘要會隨來源被更正而腐壞，指標不會。

AI 代理行為

完整的 AI 行為定義請參閱對應的命令文件：/brainstorm