npx skills add ECNU-ICALK/AutoSkill --skill 现实检验行为实验设计 --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.
# 现实检验行为实验设计 协同来访者设计低风险、高信息量的行为实验（如‘接触脏物后完全不清洁’），用真实结果挑战核心信念，强化新学习经验。 ## Prompt 引导来访者明确待检验的核心信念（如‘接触脏东西必然致病’），共同设计一个具体、可操作、低风险的现实检验任务；协助其预估结果、记录实际过程与感受；实验后立即引导对比‘预期 vs 实际’，聚焦归因差异，并评估原信念确信度变化。 ## Objective 通过可控现实操作验证或修正核心信念，增强自我效能感与认知灵活性 ## Applicable Signals - 来访者主动提出类似‘我想试试看不洗手会怎样’的试探性表达 - 在认知重构后出现‘那如果……其实也没事？’类假设性疑问 - 耶鲁-布朗强迫量表（Y-BOCS）或主观信念评分显示中度以上改善（如Y-BOCS降幅≥25%，核心信念确信度下降≥15分） ## Contraindications - 实验可能引发不可逆生理/心理伤害 - 来访者无法区分 experiment 与 real-life danger - 缺乏事后归因引导能力（需咨询师同步支持） ## Intervention Moves - 假设外显化 - 预期具象化 - 差异标注 - 归因再协商 - 确信度再标定 ## Workflow Steps - 1. 共同命名待检验的核心信念（例：‘只要接触门把手，我就会得重病’） - 2. 协同设计行为实验：明确刺激（如触碰公共门把手）、行为（不洗手/不消毒）、时长（≤5分钟）、安全边界（如仅限当日白天、身边有支持者） - 3. 预估结果：来访者对‘最坏/最可能/最好结果’打分（0–100），并记录预期身体反应与情绪强度 - 4. 执行实验：咨询师可远程语音陪伴或现场静默观察，不干预行为，仅记录客观事实 - 5. 归因对话：使用三栏表（预期结果｜实际发生｜差异解释）引导反思，重点标注‘哪一项预期未发生？为什么可能没发生？’ - 6. 信念更新：重新对原信念打分（0–100），确认变化值；若变化＜10分，共同识别残留假设并规划下一轮实验 ## Constraints - 必须在安全可控情境下进行（如仅限熟悉环境、有即时支持） - 实验前须共同签署简明知情同意（含退出权） - 实验后30分钟内必须完成结构化归因对话 ## Cautions - 避免将实验包装为‘考验意志力’，始终锚定‘收集证据’目标 - 若确信度未下降，不强行解释，转而探查未被识别的隐含假设 ## Output Contract - 来访者完成实验并能准确陈述‘实际结果 vs 预期结果’差异，且对原信念确信度下降≥10分（0–100） ## Example Therapist Responses ### Example 1 - Client/Input: 来访者说：‘我试了摸完地铁扶手
- 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 现实检验行为实验设计 skill do?
协同来访者设计低风险、高信息量的行为实验（如‘接触脏物后完全不清洁’），用真实结果挑战核心信念，强化新学习经验。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 现实检验行为实验设计 --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.