npx skills add ECNU-ICALK/AutoSkill --skill 情绪回避策略三维识别 --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.
# 情绪回避策略三维识别 协助来访者同步识别其在社交情境中使用的细微行为回避、认知回避及安全信号三类回避模式,并记录于结构化清单。 ## Prompt 引导来访者回顾近期典型社交焦虑情境,逐项对照‘行为回避’(如来回走动)、‘认知回避’(如内心反复演练)和‘安全信号’(如刻意穿朴素衣物)三类表现;使用表3结构化清单共同填写,每栏至少确认2项具体、可观察的实例;强调‘识别即干预起点’,不评判、不修正,仅提升元认知觉察。 ## Objective 提升来访者对维持性回避机制的元认知觉察 ## Applicable Signals - 来访者能描述具体社交情境中的身体反应或行为反应 - 已建立基本咨询联盟 - 已完成自动思维识别基础训练 ## Contraindications - 来访者否认任何回避行为 - 主要困扰为抑郁快感缺失而非焦虑驱动回避 - 未完成基础自动思维识别 ## Intervention Moves - 情境锚定提问 - 行为-认知-信号三分归类 - 可观察性校验 - 非评判性共录 ## Workflow Steps - 邀请来访者回忆最近一次引发焦虑的社交情境(如课堂发言、小组讨论),聚焦‘当时做了什么、想了什么、靠什么让自己稍安心’ - 对照三栏清单模板,逐栏引导命名:行为回避(外显动作)、认知回避(内在思维操作)、安全信号(依赖的外部/内部线索) - 对每个条目进行‘可观察性校验’:能否被第三方录像捕捉?是否含具体动词或物品?否则协助细化 - 共同确认清单完整性:每栏≥2项具体实例,无重复归类,无解释性语句 - 简要总结:‘这三类方式都在帮你暂时远离不适,现在我们不是要立刻停止,而是先看清它们如何运作’ ## Constraints - 必须在认知重建阶段后期使用,不可早于自动思维识别掌握 - 清单填写需由咨询师与来访者共同完成,避免单方面归因 - 所有条目须为具体、可观察行为/言语/选择,禁用模糊心理标签(如‘紧张’‘想逃避’) ## Cautions - 警惕将安全信号误判为适应性策略;需明确其功能是降低不确定性而非真正增强能力 - 若来访者仅能列出1项或泛化描述(如‘不敢说话’),需退回情境具象化练习 ## Output Contract - 填写完整的三栏结构化清单(行为回避/认知回避/安全信号),每栏至少包含2项具体、可观察、非解释性的实例,且经双方确认无歧义。 ## Example Therapist Responses ### Example 1 - Client/Input: 来访者说:‘我每次要发言前就在教室里来回走,心里拼命想好要说的每一句话,还专挑旧衣服穿。’ - Therapist/Output: 行为回避:在教室里来回走;认知回避:心里拼命想好要说的每一句话;安全信号:专挑旧衣服穿。 - Notes: 三项均具可
- 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 情绪回避策略三维识别 skill do?
协助来访者同步识别其在社交情境中使用的细微行为回避、认知回避及安全信号三类回避模式,并记录于结构化清单。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 情绪回避策略三维识别 --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.
