苏格拉底式提问引导的适应性信念辨识三步法
一种聚焦人际关系情境的微干预序列:①预演应对路径(心理过电影);②观察客观条件-状态-结果链;③辨识并弱化负性预测驱动的非适应性信念。
npx skills add ECNU-ICALK/AutoSkill --skill 苏格拉底式提问引导的适应性信念辨识三步法 --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.
# 苏格拉底式提问引导的适应性信念辨识三步法 一种聚焦人际关系情境的微干预序列:①预演应对路径(心理过电影);②观察客观条件-状态-结果链;③辨识并弱化负性预测驱动的非适应性信念。 ## Prompt 在患者报告人际困扰并呈现绝对化悲观预测时,按严格时序执行三步:①邀请其‘心理过电影’——具象化预演一次典型人际事件中自己的反应路径;②引导其拆解该事件的客观条件(如对方状态、环境约束)、可观察状态(如未回复、表情变化)、实际结果(如后续沟通恢复),排除主观归因;③对照原预测(如‘他不回消息=讨厌我’),标注其中1处与客观链矛盾的偏差,并共同命名该非适应性信念(如‘全或无的人际价值绑定’)。 ## Objective 在具体人际困扰中快速激活患者元认知监控,阻断悲观预测自动化循环 ## Applicable Signals - 患者使用‘永远’‘肯定’‘必然’等绝对化语言描述他人反应 - 情绪激越程度处于中度(可维持对话但伴随躯体化表现) - 前次会谈已完成自动思维识别基础训练 ## Contraindications - 患者当前情绪极度激越或解离,无法维持对话注意力 - 问题根源明确指向现实虐待或系统性压迫,需优先安全评估而非认知调整 - 尚未完成基础自动思维识别训练 ## Intervention Moves - 苏格拉底式提问(引导性追问而非解释) - 具象化锚定(用‘上次您提到他没回消息,我们一起来看看那一刻发生了什么’启动) - 偏差显影(将原预测与客观链并置呈现) ## Workflow Steps - 第一步:心理过电影——邀请患者以第一人称、现在时、感官细节(如‘我看到手机屏幕黑了,手心出汗,心里冒出‘完了’’)预演一次典型人际事件中的自我反应路径;确认其能区分‘想象’与‘真实发生’。 - 第二步:条件-状态-结果链观察——引导患者分三栏写下:①客观前提(如‘他正在手术中’)、②可验证状态(如‘消息发送时间20:03,未读’)、③实际结果(如‘22:17收到回复:刚下手术,抱歉’);剔除所有评价性词汇(如‘冷漠’‘故意’)。 - 第三步:适应性信念辨识——对比原预测(如‘他不回=我不可爱’)与第二步事实链,由患者指出1处逻辑断裂(如‘他未回消息时我并不知道他在手术,却断定他讨厌我’),共同命名该非适应性信念类型(如‘读心术+过度概括’) ## Constraints - 必须在已建立抱持性治疗联盟的前提下开展 - 每步须获得患者对操作定义的确认(如‘您刚才说的‘心理过电影’,是指像看自己演戏那样想清楚下一步动作,对吗?’) - 第三步必须产出1条经患者自主复述的客观事实链及对应偏差标注 ## Cautions - 避免在步骤间插入教育性解释,全程保持提问姿态 - 若患者无法完成第二步客观链拆解,退回至自动思维记录表巩固训练 - 当偏差标注流于表
- Prompt
- Objective
- Applicable Signals
- Contraindications
- Intervention Moves
- Workflow Steps
- Constraints
- Cautions
- Output Contract
- Example Therapist Responses
- Example 1
- Files
- Triggers
- Examples
What does the 苏格拉底式提问引导的适应性信念辨识三步法 skill do?
一种聚焦人际关系情境的微干预序列:①预演应对路径(心理过电影);②观察客观条件-状态-结果链;③辨识并弱化负性预测驱动的非适应性信念。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 苏格拉底式提问引导的适应性信念辨识三步法 --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.
