序列思考 Skill (Sequential Thinking)#

基于 MCP Sequential Thinking Server 设计的复杂任务分解工具。

功能#

1. 任务分解 - 将复杂问题分解为可管理的步骤
2. 动态调整 - 随理解深入修订和调整思考步骤数
3. 分支探索 - 探索替代推理路径
4. 假设验证 - 生成和验证解决方案假设

思考流程#

text

问题定义 → 信息收集 → 问题分解 → 多维分析 →
建立连接 → 生成方案 → 评估选择 → 实施反馈

使用方法#

输入参数#

参数说明示例thought当前思考内容"首先分析问题边界..."thoughtNumber当前步骤编号1totalThoughts预估总步骤数8nextThoughtNeeded是否需要下一步trueisRevision是否修订之前思考falserevisesThought修订的步骤编号3branchFromThought分支起点5branchId分支标识"方案A"needsMoreThoughts需要更多步骤false

示例输出#

json

{
  "thoughtNumber": 1,
  "totalThoughts": 8,
  "thought": "首先分析问题边界：用户需要一个金融数据看板",
  "nextThoughtNeeded": true,
  "branches": []
}

适用场景#

• ✅ 分解复杂问题
• ✅ 需要修订的规划和设计
• ✅ 初始不清楚全貌的问题
• ✅ 需要多步骤保持上下文的任务
• ✅ 需要过滤无关信息的情况

System Prompt 集成#

在 Agent 的 System Prompt 中添加：

text

## 思考模式

遇到复杂任务时，使用序列思考：

1. 问题定义
   - 明确任务目标和边界
   - 识别关键约束

2. 信息收集
   - 检索相关记忆
   - 搜索必要信息

3. 问题分解
   - 拆分为子任务
   - 确定优先级

4. 多维分析
   - 技术角度：可行性、复杂度
   - 用户角度：体验、偏好
   - 时间角度：紧急度、工作量

5. 建立连接
   - 关联已有知识
   - 识别依赖关系

6. 生成方案
   - 提出多个候选方案
   - 考虑分支可能性

7. 评估选择
   - 对比方案优劣
   - 选择最优路径

8. 实施反馈
   - 执行并监控结果
   - 根据反馈调整

分支示例#

当发现当前路径可能不是最优时，创建分支：

text

thoughtNumber: 5
thought: "方案A（Streamlit）可行，但方案B（React）可能更适合长期维护"
branchFromThought: 5
branchId: "方案B"
totalThoughts: 10  // 增加步骤数以探索分支

修订示例#

当发现之前的思考有误时，修订：

text

thoughtNumber: 6
thought: "修正：方案A的部署问题可以通过更新依赖解决"
isRevision: true
revisesThought: 4

与 OpenClaw 集成#

自动触发条件#

• 任务涉及多个步骤
• 问题复杂度超过阈值
• 用户明确要求"思考一下"
• 需要对比多个方案

思考输出格式#

思考过程可以输出为 Markdown，记录在 memory/thinking-YYYY-MM-DD.md：

markdown

# 思考记录：金融数据看板部署

## 步骤 1：问题定义
任务：部署金融数据看板到公网

## 步骤 2：信息收集
- 已有：本地运行正常
- 需要：公网 URL、免费方案

## 步骤 3：问题分解
1. 选择部署平台
2. 修复依赖问题
3. 上传代码
4. 测试访问

## 步骤 4：多维分析
...

## 步骤 7：评估选择
方案 A（Streamlit Cloud）：推荐
理由：免费、自动部署、适合展示

## 步骤 8：实施反馈
结果：部署成功
URL: https://finance-dashboard-xxx.streamlit.app

---

基于 MCP Sequential Thinking Server 设计