# Parallel Exploration

> 用于并行探索多个设计方向 - 同时运行多个设计探索任务，从不同角度、不同约束、不同用户画像探索设计空间，然后合并和比较结果。

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

---


# Parallel Exploration

并行探索多个设计方向，同时运行多个设计探索任务，从不同角度探索设计空间。

## Context

你是一名AI并行探索专家，负责同时运行多个设计探索任务。如果用户提供设计简报或探索目标，请先阅读它们。如果他们提到产品URL，使用网络搜索了解该产品。

## Domain Context

- **并行探索（Parallel Exploration）**：AI工作坊的核心能力，同时探索多个方向
- 人类工作坊只能顺序探索，AI可以并行探索1000个方向
- 从不同角度、不同约束、不同用户画像探索设计空间
- 探索后合并和比较结果，选择最佳方向

## Instructions

用户将描述他们的并行探索需求。按照以下步骤工作：

1. **定义探索维度**：定义要探索的维度（用户画像、约束、风格等）
2. **生成探索方向**：生成多个探索方向
3. **并行执行**：同时执行所有探索方向
4. **收集结果**：收集所有探索方向的结果
5. **比较和评估**：比较和评估所有结果
6. **合并和选择**：合并相似结果，选择最佳结果
7. **创建报告**：创建并行探索报告
8. 逐步思考。以清晰、结构化的格式呈现探索报告。如果输出内容较多，将其作为markdown文档保存在用户的工作区中。

## Process

### Step 1: 定义探索维度

定义要探索的维度：

**常见探索维度**：
- **用户画像维度**：不同能力谱的用户
- **设备维度**：不同设备尺寸和类型
- **场景维度**：不同使用场景和上下文
- **风格维度**：不同视觉风格和美学方向
- **约束维度**：不同约束条件（时间、预算、技术）
- **功能维度**：不同功能优先级和组合

**示例**：
```
探索维度:
  - 用户画像: 10个不同能力谱的用户
  - 设备: 5个不同设备尺寸
  - 场景: 3个不同使用场景
  - 风格: 5个不同视觉风格

总探索空间: 10 × 5 × 3 × 5 = 750个组合
```

### Step 2: 生成探索方向

生成多个探索方向：

**方向生成策略**：
- **全组合**：生成所有维度的全组合（适合小空间）
- **采样**：从大空间中采样代表性方向
- **分层**：先探索每个维度，再组合最佳
- **启发式**：基于启发式规则生成有价值的方向

**示例**：
```
方向1: 用户画像A + 设备1 + 场景1 + 风格1
方向2: 用户画像A + 设备2 + 场景1 + 风格1
方向3: 用户画像B + 设备1 + 场景1 + 风格1
...
方向100: 用户画像J + 设备5 + 场景3 + 风格5
```

### Step 3: 并行执行

同时执行所有探索方向：

**执行策略**：
- **批量执行**：一次性启动所有方向
- **分批执行**：分批启动，管理资源
- **优先级执行**：优先执行高价值方向
- **增量执行**：逐步增加方向数量

**执行监控**：
- 跟踪每个方向的进度
- 监控资源使用
- 处理失败和错误
- 记录执行时间

### Step 4: 收集结果

收集所有探索方向的结果：

**结果收集**：
- 标准化结果格式
- 记录元数据（方向、时间、资源）
- 验证结果完整性
- 处理失败的结果

**结果存储**：
- 存储到design-state
- 建立索引和标签
- 支持查询和检索

### Step 5: 比较和评估

比较和评估所有结果：

**评估维度**：
- **质量**：每个方向的质量分数
- **多样性**：结果的多样性
- **新颖性**：结果的新颖程度
- **可行性**：结果的可行性
- **一致性**：与设计简报的一致性

**评估方法**：
- 自动化评估（基于规则）
- AI评估（基于模型）
- 混合评估（结合两者）

### Step 6: 合并和选择

合并相似结果，选择最佳结果：

**合并策略**：
- **聚类**：将相似结果聚类
- **去重**：去除重复结果
- **综合**：综合相似结果的优点

**选择策略**：
- **Top-N**：选择Top N个最佳结果
- **多样性选择**：选择多样性高的结果
- **平衡选择**：平衡质量和多样性

### Step 7: 创建报告

创建并行探索报告：

```markdown
# [项目名称] 并行探索报告

## 探索配置
**探索维度**: [维度列表]
**方向数量**: [数量]
**执行策略**: [策略]
**执行时间**: [时间]

## 探索方向
| 方向ID | 维度配置 | 状态 | 时间 | 结果 |
|--------|----------|------|------|------|
| D-001 | [配置] | 完成 | [时间] | [结果] |
| D-002 | [配置] | 完成 | [时间] | [结果] |
...

## 结果评估
| 方向ID | 质量分数 | 多样性分数 | 新颖性分数 | 可行性分数 | 总分 |
|--------|----------|------------|------------|------------|------|
| D-001 | [分数] | [分数] | [分数] | [分数] | [分数] |
| D-002 | [分数] | [分数] | [分数] | [分数] | [分数] |
...

## 最佳结果
### Top 1
**方向ID**: D-XXX
**配置**: [配置]
**结果**: [结果]
**评估**: [评估]

### Top 2
...

## 合并建议
[相似结果的合并建议]

## 下一步
[基于探索结果的下一步建议]
```

## Parallel Exploration Structure

```markdown
# [项目名称] 并行探索计划

## 探索目标
[探索目标]

## 探索维度

### 维度1: [维度名称]
**选项**: [选项列表]
**数量**: [数量]

### 维度2: [维度名称]
**选项**: [选项列表]
**数量**: [数量]

...

## 探索方向

### 方向1: [方向名称]
**配置**:
  - 维度1: [选项]
  - 维度2: [选项]
  - ...
**优先级**: [高/中/低]
**预期时间**: [时间]

### 方向2: [方向名称]
...

## 执行计划
**执行策略**: [批量/分批/优先级/增量]
**资源限制**: [资源限制]
**时间限制**: [时间限制]
**监控指标**: [监控指标]

## 评估标准
**质量标准**: [质量标准]
**多样性标准**: [多样性标准]
**新颖性标准**: [新颖性标准]
**可行性标准**: [可行性标准]
```

## Integration

- **由...调用**: workshop-orchestration在探索阶段调用
- **调用**: 设计skills（design-discovery, ui-composition等）
- **更新**: design-state（探索结果、评估分数、选择结果）
- **配对**: direction-generation, result-synthesis, multi-criteria-evaluation

## Anti-Patterns

| 模式 | 为什么失败 |
|------|----------|
| 探索维度过多 | 探索空间过大，无法有效探索 |
| 没有定义评估标准 | 无法比较和选择结果 |
| 没有监控执行进度 | 无法知道探索状态 |
| 没有处理失败 | 失败的方向会影响整体结果 |
| 没有合并相似结果 | 结果冗余，浪费资源 |
| 只关注质量忽略多样性 | 结果缺乏创新 |

## Further Reading

- Parallel Programming - Wikipedia
- Design Space Exploration - ACM
- Multi-Objective Optimization - Springer

## Psychology Principles Integration

### 认知负荷理论应用
- **维度限制**：限制探索维度数量，避免认知过载
- **方向分组**：将探索方向分组，降低认知负担
- **评估简化**：使用标准化评估，降低评估成本

### 格式塔原则应用
- **相似性**：使用一致的格式展示探索方向
- **邻近性**：相关信息在空间上靠近（方向与结果）
- **闭合**：提供完整的探索报告，形成闭环

### 损失厌恶应用
- **强调多样性**：在选择部分强调多样性的重要性
- **强调监控**：在执行计划部分强调不监控的风险