---
name: fact-reason-goal-explainable-decision
description: |
  用于需要解释Agent为什么得出某个业务判断、实时事实、业务规则和多个目标需要综合决策，用户出现“按事实事理目标分析”“这个决策依据是什么”或 fact-reason-goal, explainable decision, goal trade-off 等信号时调用。不适用于事实来源和任务目标均未明确。
metadata:
  tags: "fact, reasoning, goal, decision, explainability, enterprise-ai, ontology-driven"
  related-skills: "fact-reason-action-business-loop:depends-on, ontology-constraint-and-knowledge-injection:composes-with"
---

# “事实—事理—目标”可解释决策

## 方法骨架

- 把决策依据拆成实时事实、业务事理和明确目标。
- 事实必须有来源、时间、版本和可信度，缺失或冲突不能静默补全。
- 事理提供规则、因果、约束、权限和例外，形成可追溯推理路径。
- 目标决定优化方向和取舍标准，多目标冲突要显式呈现。
- 推理输出包含结论、证据、规则路径、备选方案和不确定性。
- 低容错结论需通过权威依据或工具验证后再进入行动。

## 触发场景

### 用户会在什么情境下需要这个 Skill

1. 需要解释Agent为什么得出某个业务判断
2. 实时事实、业务规则和多个目标需要综合决策
3. 决策结论要可追溯并支持人工复核

### 语言信号

- “按事实事理目标分析”
- “这个决策依据是什么”
- “多个目标冲突怎么权衡”
- 英文信号：fact-reason-goal, explainable decision, goal trade-off

### 与相邻 Skill 的区分

- 与 `fact-reason-action-business-loop`：事实事理行动覆盖完整业务闭环；本 skill 专注一次决策的依据、目标和解释。
- 与 `risk-based-agent-action-modes`：本 skill 形成决策；行动模式 skill 决定决策怎样安全地进入执行。

## 执行步骤

Skill 激活后按以下顺序执行：

1. **明确决策问题**
   - 动作：定义决策对象、时间、可选方案、责任人和不可接受结果。
   - 完成标准：问题能产生有限个可比较方案。

2. **核验事实**
   - 动作：收集来源、时间、版本、可信度和冲突情况，标记缺失。
   - 完成标准：关键事实均有证据；无法核验的事实不进入确定性结论。

3. **应用事理**
   - 动作：逐条运行规则、因果、约束、权限和例外，保留推理路径。
   - 完成标准：每个中间结论能追溯到事实和规则。

4. **权衡目标**
   - 动作：明确目标优先级、阈值、冲突和有权裁决角色。
   - 完成标准：方案差异按同一目标体系比较。

5. **输出可解释结论**
   - 动作：给出建议、备选、证据、规则路径、不确定性和下一步。
   - 完成标准：低容错结论已验证；目标冲突或证据不足时升级人工。

### 固定输出

最终结果至少包含：输入与假设、逐步判断、证据与来源、未决项、风险边界、建议动作、完成标准。涉及项目适配时，将方法假设与项目事实分栏表达。

## 使用边界

### 不要在以下情况使用

- 事实来源和任务目标均未明确
- 纯创意、审美或情感判断
- 用户只要求定义Action接口

### 常见失败模式

- **用通用逻辑直接驱动自主决策**：概率推理替代了企业决策逻辑，执行工具又把语言偏差转化成了现实状态变更。
- **在低容错场景接受概率性幻觉**：概率生成与业务正确性目标不一致，且下游系统把文本结果当作可信决策依据。
- **把文档检索等同于可执行知识**：向量相似性提供相关片段，却不能保证业务关系、方向、约束和动作条件完整呈现。
- **用错误本体生成训练数据并放大偏差**：同一语义缺陷被重复采样，训练优化把局部错误提升为模型的稳定决策倾向。

### 使用折扣与复核要求

- 显式规则容易遗漏现实中的新因果，线上反馈和异常应持续补充事理。
- 大模型生成形式结构无法直接证明业务语义正确，生产使用需保留专家确认、工具校验、真实用例和审计记录。

## 相关 Skills

- `depends-on` → `fact-reason-action-business-loop`；事实事理行动覆盖完整业务闭环；本 skill 专注一次决策的依据、目标和解释。
- `composes-with` → `ontology-constraint-and-knowledge-injection`。

## 审计信息

- **验证通过**：V1 ✓ / V2 ✓ / V3 ✓
- **测试通过率**：100%（6/6，独立 sub-agent 盲测；详见 test-results.md）
- **首次公开版本**：2026-08-21
- **来源说明**：方法框架受《本体驱动的 AI 数据管理》启发；仓库不包含原书正文。