核心信念动摇干预
在CBT中后期阶段,针对来访者根深蒂固的消极核心信念(如‘我是无能的’),通过信念强度标尺评估、反例法、类比推理与多维能力识别等技术,系统性松动其认知根基。
npx skills add ECNU-ICALK/AutoSkill --skill 核心信念动摇干预 --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.
# 核心信念动摇干预 在CBT中后期阶段,针对来访者根深蒂固的消极核心信念(如‘我是无能的’),通过信念强度标尺评估、反例法、类比推理与多维能力识别等技术,系统性松动其认知根基。 ## Prompt 1. 首先确认咨询联盟稳固、自动思维与中间信念工作已完成;2. 呈现信念强度标尺(0–100%),邀请来访者对目标核心信念(如‘我是无能的’)当前相信程度打分;3. 引导寻找具体反例(如学业外的能力表现、他人正向反馈);4. 运用类比推理(如‘若朋友经历同样事件,你会如何归因?’)解构归因单一性;5. 协同拓展‘能力’‘被接纳’等概念的多维定义(社交/情感/实践/学习等维度);6. 再次使用标尺评估信念强度变化,并确认至少2个可复用的反例或新解释维度。 ## Objective 动摇并软化核心信念的认知确定性,为后续行为改变铺路 ## Applicable Signals - 来访者能稳定描述自我图式(如‘我总是不够好’) - 信念表达伴随强烈情绪或躯体反应 - 过往成功经验被系统性忽略或贬低 ## Contraindications - 咨询联盟尚未稳固 - 来访者处于急性危机或情绪崩溃状态 - 尚未完成行为功能分析与自动思维识别 ## Intervention Moves - 信念强度标尺评估 - 反例搜寻 - 类比推理引导 - 多维概念扩展 ## Workflow Steps - 评估咨询联盟稳定性与前期工作完成度 - 引入并共同填写信念强度标尺(0–100%) - 引导生成≥2个生活反例(聚焦行为证据,非主观评价) - 运用类比推理松动归因绝对性 - 协同构建‘能力’‘价值’等概念的多维操作性定义 - 复评信念强度,确认≥2个可复述的新认知锚点 ## Constraints - 必须在前序CBT阶段(自动思维识别、中间信念挑战)完成后启用 - 信念强度标尺须由来访者自主完成初评与复评 - 所有反例与类比须源自来访者真实生活经验,禁止外部强加 ## Cautions - 避免过早挑战核心信念引发防御或脱落 - 类比推理需保持中立、非评判语气,不暗示来访者‘应该’换角度 - 多维识别须具体化(如‘你教弟弟做数学题时展现的是哪种能力?’),忌抽象说教 ## Output Contract - 来访者对目标核心信念的相信程度下降≥30%(标尺前后对比),并能自主、具体地陈述2个以上反例或维度化解释(如‘我在组织班级活动时有领导力,这说明能力不止体现在考试里’)。 ## Example Therapist Responses ### Example 1 - Client/Input: 来访者说:‘我永远都做不好任何事,因为我没考上重点高中。’ - Therapist/Output: 咨询师:‘如果把‘做不好任何事’这个想法打个分,0分是完全不信,100分是完全相信
- Prompt
- Objective
- Applicable Signals
- Contraindications
- Intervention Moves
- Workflow Steps
- Constraints
- Cautions
- Output Contract
- Example Therapist Responses
- Example 1
- Example 2
- Files
- Triggers
What does the 核心信念动摇干预 skill do?
在CBT中后期阶段,针对来访者根深蒂固的消极核心信念(如‘我是无能的’),通过信念强度标尺评估、反例法、类比推理与多维能力识别等技术,系统性松动其认知根基。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 核心信念动摇干预 --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.
