pairwise-comparison

$npx mdskill add yogsoth-ai/de-anthropocentric-research-engine/pairwise-comparison

通过相对比较排序难以量化的 gaps

  • 解决绝对评分不可靠时的 gap 优先级排序问题
  • 依赖子代理生成和一致性检验技能
  • 基于成对比较矩阵和一致性比率 CR 决策
  • 输出归一化权重和最终排序报告

SKILL.md

.github/skills/pairwise-comparisonView on GitHub ↗
---
name: pairwise-comparison
description: "Tactic: 通过相对比较而非绝对评分对 gaps 进行排序,适用于难以量化的场景"
version: 1.0.0
category: hypothesis-formation
type: tactic
campaign: gap-prioritization
sops:
  - gap-pairwise-judgment
  - consistency-check
  - priority-synthesis
dependencies:
  skills:
    - subagent-spawning
---

# Pairwise Comparison

当绝对评分难以可靠执行时(gap 描述模糊、维度间不可比、评分者偏差大),通过两两相对比较建立 gap 排序,再经一致性检验确保判断无矛盾。

## 编排意图

绝对评分要求评分者对每个 gap 独立赋值,容易受锚定效应影响。相对比较("A 比 B 更值得优先")认知负担更低、判断更稳定。本 tactic 实现 AHP(层次分析法)风格的成对比较流程:先收集所有 gap 对的相对判断,再检验判断一致性,最后合成最终排序。

不一致判断(如 A>B、B>C、C>A 的循环)会被 consistency-check SOP 检测并触发修正轮次,直到一致性比率 CR < 0.1。

## 可用 SOPs

| SOP | 职责 | 何时调用 |
|-----|------|---------|
| gap-pairwise-judgment | 对每对 gap 做相对重要性判断(1-9 Saaty 量表) | 必选,第一步 |
| consistency-check | 计算一致性比率(CR),识别矛盾判断对 | 必选,每轮比较后 |
| priority-synthesis | 从成对比较矩阵合成最终优先级权重和排序 | 必选,CR 达标后 |

## 编排模式

**Default(标准流程)**
1. gap-pairwise-judgment:对所有 N×(N-1)/2 对 gap 执行比较,产出比较矩阵
2. consistency-check:计算 CR;若 CR ≥ 0.1,标记矛盾判断对并返回修正建议
3. (如需修正)重新调用 gap-pairwise-judgment 仅针对矛盾对,最多 3 轮
4. priority-synthesis:CR < 0.1 后合成最终排序

**Simplified(gap 数量 ≤ 5)**
- 同 Default,但比较对数少(≤10 对),通常一轮即可通过一致性检验

**Deep(gap 数量 > 15)**
- 先用 scoring-matrix-construction 做初步筛选,将 gap 缩减至 ≤15 个
- 再执行标准 pairwise 流程
- priority-synthesis 额外输出 sensitivity 分析(哪些 gap 排名对单次判断变化最敏感)

## Minimum Yield

- 完整的 N×N 成对比较矩阵(所有 gap 对均已判断,无缺失)
- 最终一致性比率 CR < 0.1(硬性约束,不可跳过)
- 最终优先级排序(含每个 gap 的归一化权重)
- 修正历史记录(若经历过矛盾修正,记录哪些判断被修改及原因)

## Yield Report

执行结束后向调用方 strategy 报告:
- Gap 数量 / 比较对数 / 修正轮次
- 最终 CR 值
- 排名前 3 的 gap 及其权重
- 排名最不稳定的 gap(权重与相邻 gap 差距 < 0.05 的情况)

More from yogsoth-ai/de-anthropocentric-research-engine