核心机制
Compare 是一套反认知偏差的比较决策协议，核心创新在于"研究对等性"（Research Parity）——强制要求比较各方在信息深度、来源质量、时效性上达到对等状态，才允许进入评分环节。这直接针对人类决策中"易得性偏差"（对熟悉事物过度研究）和"确认偏误"（选择性收集支持证据）的致命弱点。
标准流程
1. 准则构建：加载领域默认权重 + 用户历史偏好，或主动询问优先级
2. 研究对等（关键）：建立追踪矩阵，确保每个维度上各方信息源数量、质量、时效相当
3. 置信度核验：四项强制检查（研究深度、准则覆盖、来源质量、数据时效），任一失败需补充研究或明确声明局限
4. 透明计分：加权求和公式公开呈现
5. 结构化输出：对比双方、准则权重、分项得分+置信度、胜出方及幅度、关键局限、敏感性分析（"若某准则权重改变，结果如何"）
显著优点
- 系统性防错：研究对等规则从根本上抑制"信息不对等导致的伪结论"
- 决策可追溯：权重、得分、置信度全透明，便于复核与迭代
- 用户学习闭环：自动记录关注准则，持续优化个人偏好模型
- 诚实边界：明确拒绝条件（研究无法对等、优先级不明、时间不足），"部分结论 > 误导结论"
潜在局限
- 时间成本高：强制对等研究在信息匮乏领域可能陷入无限延迟
- 权重主观性：用户偏好可能本身存在系统性偏差，框架无法纠正输入偏差
- 量化妥协：复杂价值（如美学体验、情感连接）可能被过度简化
- 依赖领域模板：
domains.md若缺失或过时，准则构建质量下降
适合人群
- 重大消费决策（房产、教育、职业选择）
- 企业选型（供应商、技术栈、战略路径）
- 研究者与分析师（需要方法论严谨性）
- 易冲动决策或"选择困难症"群体
常规风险
- 假平衡风险：为追求对等而强制纳入低质量来源，稀释整体信度
- 权重操纵：用户或系统通过调整权重预设结论
- 时效滞后：研究周期过长导致结论发布时背景已变
- 过度自信：严格的流程可能制造"科学感"幻觉，掩盖根本性不确定