核心用法
Diverge 是一种结构化多视角分析技能，核心流程为：识别需要多维度评估的复杂问题 → 根据场景生成 2-7 个互补视角 → 并行收集各视角观点 → 系统整合并做出决策。
典型应用场景：
- 产品决策：平衡 power user、 casual user、流失用户、新用户等冲突需求
- 安全关键领域：同时征询医生、律师、安全专家等专业视角
- 创意工作：探索多重美学方向后再收敛
- 复杂权衡：无明确"正确答案"的决策困境
视角数量指南： 低复杂度 2-3 个（快速验证）、中等复杂度 3-5 个（产品功能评审）、高复杂度 5-7 个（安全/法律关键场景）。关键原则：足够覆盖盲区，同时保证可整合性。
显著优点
1. 盲区覆盖：系统性引入易被忽视的利益相关方视角，减少确认偏误
2. 冲突显性化：强制呈现不同视角间的张力，避免过早收敛导致的次优决策
3. 决策文档化：整合阶段要求记录权衡依据，提升决策透明度与可追溯性
4. 自适应学习：支持根据用户偏好（速度 vs 彻底性）动态调整使用频率
潜在局限
- 时间成本 overhead：简单问题使用会造成效率损失，明确建议"速度关键场景"禁用
- 整合认知负荷：视角过多可能导致合成困难，需严格遵循数量上限
- 视角质量依赖：生成视角的合理性与深度取决于底层模型对 domain 的理解
- 无自动化验证：各视角输出的准确性未经过交叉校验机制
适合人群
- 产品经理、设计师等需平衡多方需求的决策者
- 安全、医疗、法律等高风险领域的专业用户
- 创意工作者寻求突破单一审美路径
- 复杂系统架构师处理非平凡 trade-off
常规风险
- 过度使用：在已有高置信度或明确答案的任务上浪费算力
- 视角同质化：若底层提示工程不足，生成的"多视角"可能趋同
- 合成偏差："按风险等级加权"步骤依赖主观判断，可能引入新偏见
- 责任模糊：多视角输出可能被误读为集体决策，稀释个人问责