前言¶
让大模型评审一个方案，最常见的结果是绕圈：你问「这个方案行不行」，它回答「这个方案很有潜力，但要注意风险」。既没有具体反例，也没有指出哪里自相矛盾，更没有给出独立判断。风险清单永远是抽象的。
这个 Skill 就是为了解决这件事：把方案或想法丢给它之后，不再要求它复述你的论点，而是自动去搜反例、找悖论，然后把反对理由和失败场景摊开。
这是什么¶
一句话定位：对方案/想法自动执行逻辑诊断的 Skill。
- 出品方：user_5fb4ec10（community 来源）
- 坐标：
@user_5fb4ec10/plan-logic-diagnosis - 版本：1.0.0
- 分类：ai-agent
- 标签：
requires_api_key=false（不需要额外 API Key） - 评分 100000，下载 911，安装 0（数据来自 SkillHub 官方页面，评分与下载数会变动，以页面为准）
它解决的核心问题是：让 AI 在评审方案时执行一套固定的诊断流程，而不是凭感觉附和你的前提。
核心功能¶
Skill 名称为「方案逻辑诊断」。触发之后，AI 自动执行三维检测：
- 反例搜索：针对方案里的关键假设，去找能推翻它们的具体反例。
- 逻辑悖论检测：检查方案内部是否存在自相矛盾的表述或互相冲突的推理。
- 方向悖论检测：检查方案的目标方向与实际手段是否指向相反的结果。
输出固定包含三部分：反对理由、失败场景、独立判断。也就是说，不只是给出「有风险」，而是给出「反对什么、在什么场景下会失败、我的判断是什么」。
定位上，官方简介写得很直接：从「AI 顺着你说」到「AI 帮你找漏洞」。
安装与启用¶
官方地址：
https://www.skillhub.cn/skills/user_5fb4ec10/plan-logic-diagnosis
API 地址：
https://api.skillhub.cn/user_5fb4ec10/plan-logic-diagnosis
目前公开页面没有给出克隆地址或二进制安装命令，所以这里不写未经核实的命令。按 SkillHub 的通用使用方式：在支持 SkillHub 的技能市场里搜索 plan-logic-diagnosis，或按坐标 @user_5fb4ec10/plan-logic-diagnosis 定位，从页面安装到当前 Agent 环境即可。该 Skill 的公开标签是 requires_api_key=false，说明它不依赖额外的密钥配置。
如果你的环境同时装了 Cursor、Codex CLI、Claude Code，安装入口可能不同；官方资料没有逐个说明差异，需要你在对应客户端的 Skill 安装入口确认后再装。
典型用法¶
安装启用后，把你的方案正文（而不是抽象问题）交给它，让它走三维检测。可以这样喂进去：
方案：我们要做一个面向中小商家的记账工具，先免费拉新，再靠增值服务收费，同时把数据接口开放给第三方做生态。
触发诊断后，它的输出会围绕三块展开：
- 反例搜索的结果：哪些假设在现实中已经被同类方案证伪过。
- 逻辑悖论检测结果：免费拉新与增值服务收费、开放接口之间是否存在互相打架的地方。
- 方向悖论检测结果：目标是做生态，手段是否反而让核心数据资产旁落。
核心是一次只交给它一个需要被质疑的方案。多个方案混在一起，反例和悖论会被稀释，输出就不集中。
适用场景与注意¶
适合谁：
- 正在评审方案、想找盲区的开发者或产品负责人。
- 写文档前想先做一轮自我反驳的人。
- 需要 AI 给出反对理由而不是复述方案的人。
不适合和限制：
- 它替不了真正的验证环节。三维检测是逻辑层面的排查，不会替你跑实验、查数据来源。
- 反例搜索的质量取决于模型自身的知识储备，遇到很新的领域，它给出的反例可能比较通用。
- 方向悖论检测偏结构性判断，不能替代对市场、成本的实测。
- 数据如实说明：当前安装数为 0，说明社区实践样本还很少，效果需要你装上后自己跑一遍。
- 评分和下载量是第三方页面统计，会变动，不要当作稳定性的依据。
结尾¶
「方案逻辑诊断」的价值在于把一次出图一致性的评审，变成一次有固定流程的找漏：反例搜索、逻辑悖论检测、方向悖论检测，最后给出反对理由、失败场景和独立判断。如果你现在的痛点是 AI 只会顺着你说，它可以补上这一块。
官方地址：https://www.skillhub.cn/skills/user_5fb4ec10/plan-logic-diagnosis
