Compare

Compare 是一项专注于消除决策偏见、提升比较严谨性的结构化分析框架。它通过强制"研究对等"原则和置信度校验机制，确保用户在对比产品、服务或方案时，不会因信息收集的不均衡而得出误导性结论。

核心用法遵循五步协议：首先加载领域默认标准并叠加用户偏好，建立加权评价维度；随后进入关键的研究对等阶段，系统要求对每个比较对象在各维度上达到同等研究深度，明确追踪信息来源数量；第三步进行置信度检查，验证数据源质量、时效性和平衡性；第四步通过加权公式计算最终得分并展示计算过程；最后以结构化格式呈现对比结果，包括胜出方、差距幅度、关键警告及条件替代方案。整个过程强调透明可审计，所有权重和评分逻辑清晰可见。

该 skill 的显著优点在于其防偏见机制。通过强制要求研究深度对等，有效避免了"确认偏误"和"可得性启发"等常见认知陷阱。加权评分系统让决策标准显性化，减少主观随意性。此外，明确的"Decline When"机制确保了在信息不足时宁可拒绝也不误导，这在 AI 辅助决策工具中尤为难得。

然而，该 skill 也存在一定局限性。它对研究深度的高要求可能导致比较过程耗时较长，不适合需要即时结果的快速决策场景。同时，该框架本身不直接获取外部数据，必须依赖 WebFetch、ToolSearch 等工具补充信息，若配套工具质量不佳会影响比较结果。另外，preferences.md 等记忆文件需要用户手动维护，长期使用需要一定的文件管理成本。

适合使用 Compare 的人群包括产品经理、采购决策者、投资分析师、研究人员以及任何需要进行多维度复杂比较的专业人士。特别适合那些曾因"信息不对称"或"评价标准混乱"而做出错误决策的用户。

使用风险方面，主要需注意性能开销：严格的研究对等检查可能显著延长响应时间。此外，该 skill 依赖外部工具获取实时数据，若网络工具失效或返回低质量信息，比较框架的严谨性将无从谈起。最后，虽然框架本身安全，但用户应警惕过度依赖 AI 比较结果而忽视实地调研，对于涉及重大财务或安全风险的决策，建议仅将此 skill 作为辅助参考。