npx skills add ECNU-ICALK/AutoSkill --skill 自动思维证据检视法 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 自动思维证据检视法 引导来访者针对特定情境下的自动思维,系统列出支持性与反对性证据,并通过比较松动认知歪曲,促发替代思维生成。 ## Prompt 请来访者描述一个刚发生的具体人际事件,确认其伴随的情绪及自动思维;引导其分别列出支持该想法的证据(不加评判地记录)和反对该想法的证据(鼓励从多角度挖掘:他人行为一致性、情境特殊性、过往反例等);共同比较双栏证据的强度与可靠性;协助来访者基于证据平衡性,生成一个更具体、可验证、情绪负荷更低的替代思维。 ## Objective 修正具体情境中的失真自动思维 ## Applicable Signals - 来访者能清晰命名情绪(如‘生气’‘羞愧’) - 能复述出未经检验的自动思维句子(如‘她们故意不回应我’) - 对思维内容表现出确信但未质疑 - 已使用思维记录表1–2次且格式基本正确 ## Contraindications - 来访者处于急性解离或现实检验严重受损 - 尚未完成个案概念化且缺乏共同认知模型 - 情绪强度超出当前容纳水平需先稳定 ## Intervention Moves - 共情确认情绪 - 具象化情境(5W1H追问) - 双栏结构化引导(‘支持的证据有哪些?’‘有没有其他可能的解释?’) - 利弊锚定(‘如果坚持这个想法,接下来会发生什么?是否符合你的目标?’) - 自我对话迁移(‘如果你的朋友这样想,你会怎么劝她?’) ## Workflow Steps - 锚定具体事件与即时情绪 - 提取并复述自动思维(原句记录) - 分栏书写:左侧‘支持证据’,右侧‘反对证据’(各至少2条) - 比较证据质量(时效性、代表性、可观察性) - 协同生成1条替代思维(需满足:可证伪、中性/温和语气、指向行为选择) - 简要检验替代思维的可信度(0–10分)与实用性(‘它能否帮你更靠近目标?’) ## Constraints - 必须在稳固的咨询关系基础上开展 - 需来访者已掌握基础思维-情绪-行为联结模型 - 单次操作应聚焦一个自动思维,避免多线程处理 ## Cautions - 避免直接否定来访者想法,始终以‘检验证据’而非‘纠正错误’为立场 - 反对证据须来自来访者自身经验,禁用外部说教或逻辑强推 - 当证据明显失衡时,暂缓结论,转而探索‘为什么这个想法对你如此重要?’ ## Output Contract - 完成双栏证据表(支持/反对),并生成至少一个更平衡、可验证的替代思维陈述 ## Example Therapist Responses ### Example 1 - Client/Input: ‘在寝室提醒班会没人回应,她们不愿意和我讲话,故意不回应我。’ - Therapist/Output: 支持证据:我说话时无人回应;类似情况发生过多次。 反对证据:(1)她们当时在追剧;(2)别人说话
- Prompt
- Objective
- Applicable Signals
- Contraindications
- Intervention Moves
- Workflow Steps
- Constraints
- Cautions
- Output Contract
- Example Therapist Responses
- Example 1
- Files
- Triggers
- Examples
What does the 自动思维证据检视法 skill do?
引导来访者针对特定情境下的自动思维,系统列出支持性与反对性证据,并通过比较松动认知歪曲,促发替代思维生成。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 自动思维证据检视法 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.
