Dual Thinking Method — 结构化双模型技能工程方法
核心定位：这是一款面向复杂技能与系统制品的深度评审与工程化加固框架，通过"主模型立场 → 顾问模型立场 → 综合决策"的三段式架构，实现从代码审查、重写优化到发布就绪的全链路质量控制。
核心用法
三阶运行架构：
- SELF_POSITION：主模型基于完整制品形成独立技术立场
- CONSULTANT_POSITION：外部顾问模型（API/多模型轮换）提供挑战视角
- SYNTHESIS：主模型综合双立场，做出最终决策并生成可执行补丁
七种路由模式：
skill-review/skill-rewrite/skill-hardening— 技能专用评审/重写/加固weak-model-optimization— 弱模型可读性优化skill-publish-readiness— 发布就绪验证与打包artifact-review/artifact-improvement— 通用制品评审与改进
强制契约机制：
- 制品内联粘贴原则：顾问模型可见范围仅限当前请求中显式粘贴的文本
- 基线可见性锁：新主题首轮顾问咨询必须完整粘贴制品，禁止路径引用或摘要替代
- 持久会话法则：
multi模式下每模型保持单一主题会话，禁止随意新建会话 - 用户声明轮次承诺：用户预设的轮次计划具有强制约束力，非不可抗力不得提前终止
显著优点
1. 对抗确认偏误：强制引入外部挑战视角，阻断单一模型的自我强化循环
2. 结构化决策痕迹：每轮输出强制包含ROUND/TOPIC/MODE/DECISION/VALIDATION_STATUS/PATCH_STATUS等字段，形成可审计的工程决策链
3. 风险敏感设计：内置State Transition & Rollback Gate，补丁失败自动回滚至最后验证通过状态
4. 自进化透镜：当审查对象为本技能或同域技能时，激活"外部视角"立场，优先强度而非熟悉度
5. 当前日期最大化：强制检查公开互联网趋势（如允许），确保技术方案不过时
6. OpenClaw运行时接地：针对OpenClaw生态的技能，强制检查本地运行时表面而非仅依赖通用最佳实践
潜在缺点与局限性
1. 高执行成本：完整流程涉及多轮外部API调用、大文本粘贴、验证回滚，时间与token开销显著
2. 弱模型脆弱性：部分顾问模型难以维持结构化输出或跨轮次状态一致性，需降级至analysis-only或紧凑模式
3. 人工判断依赖：SYNTHESIS阶段仍依赖主模型的综合判断，双模型无法消除所有主观性
4. 适用场景受限：明确建议"1小时内可逆、低风险、小改动"场景跳过本方法，存在过度工程风险
5. 复杂度过载：大量 Stability Lock、Fail-Closed Lock、Recovery Decision Tree 等机制虽保障严谨性，也抬高了理解与正确执行的心智负担
适合人群
- 技能/框架开发者：需要系统化提升技能质量、安全性与可维护性的OpenClaw技能作者
- 关键系统架构师：面对高风险、不可逆的架构决策，需要结构化评审留痕的技术负责人
- 发布工程师：需要确保技能在ClawHub等平台发布前满足验证与打包标准的维护者
- 追求工程严谨性的AI应用团队：愿为质量付出额外计算成本，拒绝"差不多就行"的工程质量文化
常规风险
- 会话污染风险：若违反"持久会话法则"，顾问模型可能基于错误上下文产生幻觉评审结论
- 补丁逃逸风险：
PATCH_STATUS: applied必须在VALIDATION_STATUS: passed之后，顺序颠倒可能导致未经验证的变更流入下游 - 趋势接地失效：若禁用互联网或顾问模型不可用，当前日期最大化声明将被迫降级为"离线暂定"
- 轮次疲劳：用户声明的多轮承诺若过长，可能导致无意义迭代，需配合明确的收敛标准使用
- 自进化极端化：自进化透镜若过度激活，可能导致对成熟稳定结构的过度重写，需平衡"强度优先"与"变更成本"