스킬 reasoning-abductive
🔍

reasoning-abductive

안전 🌐 네트워크 접근📁 파일 시스템 액세스⚙️ 외부 명령어

Gerar Hipóteses Explicativas a Partir de Observações

Diagnostique resultados inesperados e anomalias gerando explicações classificadas com evidências. Esta habilidade ajuda a identificar causas raiz quando você tem dados incompletos e precisa inferir o que aconteceu.

지원: Claude Codex Code(CC)
📊 70 적절함
1

스킬 ZIP 다운로드

2

Claude에서 업로드

설정 → 기능 → 스킬 → 스킬 업로드로 이동

3

토글을 켜고 사용 시작

테스트해 보기

"reasoning-abductive" 사용 중입니다. Use abductive reasoning. Our enterprise conversion dropped from 15% to 9% last quarter. SMB remained stable at 12%.

예상 결과:

  • Primary Cause: Sales cycle elongation + AM departures
  • Confidence: 0.72
  • Mechanism: Economic uncertainty extended CFO approval cycles by 45 days; AM departures created relationship gaps
  • Top Hypothesis: Website performance degradation (score: 0.78, confidence: 0.75)
  • Supporting Evidence: Page load time increased 2s in Q4, Mobile bounce rate up 15%
  • Next Actions: Wait 45 days to verify delayed deals close; Backfill AM roles

보안 감사

안전
v5 • 1/16/2026

Pure documentation skill with no executable code. All static findings are false positives: YAML field names misidentified as crypto algorithms, markdown backticks misidentified as shell execution, and a source URL misidentified as network access. This is a safe reasoning framework guide.

2
스캔된 파일
489
분석된 줄 수
3
발견 사항
5
총 감사 수
감사자: claude 감사 이력 보기 →

품질 점수

38
아키텍처
100
유지보수성
83
콘텐츠
30
커뮤니티
100
보안
91
사양 준수

만들 수 있는 것

Diagnosticar Incidentes de Produção

Diagnostique por que métricas caíram ou erros ocorreram quando evidências diretas estão incompletas

Explicar Mudanças de Métricas

Entenda por que conversão, engajamento ou outras métricas de negócio mudaram inesperadamente

Investigar Anomalias

Gerar explicações candidatas para anomalias de dados e ordená-las por probabilidade

이 프롬프트를 사용해 보세요

Diagnóstico Básico
Use raciocínio abdutivo para explicar esta observação: [descreva o que aconteceu, quando e o aspecto inesperado]
Com Contexto
Use raciocínio abdutivo. Observação: [situação atual]. Baseline: [estado esperado]. Ajude-me a gerar hipóteses e avaliá-las contra evidências disponíveis: [liste todos os dados que você tem]
Problema Técnico
Diagnosticar esta anomalia técnica usando raciocínio abdutivo. O que observei: [erro, comportamento ou mudança de métrica]. Logs/dados disponíveis: [informação relevante]. Gere e ordene possíveis causas.
Métrica de Negócio
Aplicar o processo abdutivo de quatro etapas nesta mudança de métrica de negócio: [descreva a métrica, seu histórico de baseline e o desvio atual]. Gere pelo menos 5 hipóteses nas categorias técnica, produto, mercado e operacional. Avalie cada uma contra evidências disponíveis.

모범 사례

  • Forneça o máximo de contexto e evidências disponíveis para melhorar a precisão da pontuação de hipóteses
  • Gere pelo menos 5 hipóteses em diferentes categorias antes de avaliá-las
  • Procure explicitamente evidências contraditórias para evitar viés de confirmação

피하기

  • Aceitar a primeira explicação plausível sem gerar hipóteses alternativas
  • Buscar apenas evidências que suportam sua hipótese preferida
  • Parar antes de completar todas as quatro etapas quando a confiança está abaixo de 0.6

자주 묻는 질문

Com quais plataformas esta habilidade é compatível?
Esta habilidade funciona com Claude, OpenAI Codex e Claude Code. É uma habilidade baseada em prompt que fornece modelos de raciocínio estruturados.
Que dados preciso fornecer?
Forneça a observação (o que aconteceu, quando, quão surpreendente), quaisquer dados de baseline ou contexto, e evidências disponíveis para avaliação.
Posso encadear isso com outras habilidades de raciocínio?
Sim. Use abdutivo para diagnosticar, depois mude para causal para execução ou contrafactual para avaliar alternativas.
Meus dados são armazenados ou transmitidos?
Não. Esta é uma habilidade de prompt pura. Seus dados de observação são usados apenas para gerar a saída de raciocínio na sua sessão atual.
Por que minhas pontuações de confiança estão baixas?
Baixa confiança geralmente significa evidências limitadas ou pontos de dados conflitantes. Colete mais evidências de suporte ou refine a observação.
Como isso é diferente de raciocínio causal?
Raciocínio abdutivo explica observações de efeitos para causas. Raciocínio causal executa ações para alcançar resultados conhecidos.

개발자 세부 정보

파일 구조

📄 SKILL.md