# Advice Vs Action Discrimination

> 当面临决策困境，在“寻求他人建议”和“自行尝试探索”之间犹豫时，用于判断何种方式更有利于长期成长

- Skill: `dracounion/advice-vs-action-discrimination` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add dracounion/advice-vs-action-discrimination`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dracounion/advice-vs-action-discrimination/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: DracoUnion (https://skillmd.com/u/dracounion)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/dracounion/advice-vs-action-discrimination

---


# advice-vs-action-discrimination

## When to Use

当面临决策困境，在“寻求他人建议”和“自行尝试探索”之间犹豫时，用于判断何种方式更有利于长期成长。description

## Core Logic

# 执行步骤

1.  **界定问题性质**
    *   **输入**：一个具体的决策或行动问题（例如：“我应该创业吗？”、“我应该转行吗？”、“我该向这个人表白吗？”）。
    *   **操作**：分析该问题的核心。判断其属于：
        a) **信息缺口型**：缺乏必要的知识、数据或方法（如：“如何注册一家公司？”、“学习XX技能的最佳路径是什么？”）。
        b) **行动/体验依赖型**：问题的答案高度依赖于个人实践、感受和未知环境的反馈，无法通过他人经验直接获得（如：“我是否适合创业？”、“我是否喜欢这个职业？”）。
    *   **判断标准**：能够清晰地将问题归类到以上两种类型之一，或识别出其中混合的成分。
    *   **输出**：对问题类型的定性判断。

2.  **选择应对策略**
    *   **输入**：对问题类型的判断。
    *   **操作**：
        *   **IF** 问题属于 **信息缺口型** → 采取“寻求教育/信息”策略。明确所需的具体信息，通过阅读、课程、咨询专家等方式获取**客观知识和方法**。然后进入步骤3（规划小规模行动）。
        *   **ELSE IF** 问题属于 **行动/体验依赖型** → 采取“自主探索”策略。意识到他人的“是/否”建议可能无效甚至有害。拒绝直接寻求答案，转而进入步骤3。
        *   **ELSE IF** 问题混合两种类型 → 先拆分出信息缺口部分进行“寻求教育”，对行动体验部分则采用“自主探索”。
    *   **判断标准**：根据问题类型选择了正确的初步应对方向。
    *   **输出**：选定的核心应对策略（“寻求教育”或“自主探索”）。

3.  **设计最小化探索行动**
    *   **输入**：选定的应对策略，以及原始问题。
    *   **操作**：设计一个成本可控、风险最低的“探索性行动”来逼近答案。
        *   **对于“自主探索”型问题**：设计一个能让你亲身体验问题核心的小实验（如：为创业想法做一个最小可行产品MVP并找10个用户反馈；为目标职业做一个短期兼职或项目；以低风险方式表达好感以观察反应）。
        *   **对于“寻求教育”后的信息**：规划一个应用新知识的小练习或微型项目。
    *   **判断标准**：设计的行动能够产生来自现实或实践的直接反馈，且失败成本可接受。
    *   **输出**：一个具体的、小规模的探索性行动计划。

# 输出格式要求
以行动方案形式呈现：
- **问题诊断**：[简述问题及其被判断为何种类型]
- **核心策略**：[明确是“寻求教育”还是“自主探索”]
- **下一步行动**：
    - **如果是“寻求教育”**：列出需要获取的1-2项关键具体信息或技能，及获取渠道。
    - **如果是“自主探索”**：描述设计的最小化探索实验是什么，以及如何衡量反馈。
- **预期收获**：通过此步骤，期望获得何种具体信息或体验来推动决策。

## Metadata

| 属性 | 值 |
|------|-----|
| 领域 | 决策制定 |
| 类型 | procedural (procedural) |
| 置信度 | 80% |
| 前置条件 | 面临一个具体的选择或行动困境 |
| 来源 | 如何快乐地失败：已知与未知的交汇处 |