RET引导性认知发现会谈
在合理情绪疗法（RET）第二阶段中，通过开放式提问与苏格拉底式对话，协助来访者识别其关于自我价值或亲密关系的具体不合理信念（如'我必须被爱才值得存在'），并建立情绪反应与认知之间的因果联结。
npx skills add ECNU-ICALK/AutoSkill --skill RET引导性认知发现会谈 --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.
# RET引导性认知发现会谈 在合理情绪疗法（RET）第二阶段中，通过开放式提问与苏格拉底式对话，协助来访者识别其关于自我价值或亲密关系的具体不合理信念（如'我必须被爱才值得存在'），并建立情绪反应与认知之间的因果联结。 ## Prompt 以非评判姿态开启对话，聚焦来访者近期情绪事件；使用‘当时发生了什么？’‘你心里第一时间怎么想的？’‘如果这个想法是真的，它意味着你是个怎样的人？’等苏格拉底式问题层层递进；当出现绝对化、过度概括或灾难化表述时，温和标注并邀请来访者命名该信念；最后共同验证：‘当你持有这个想法时，你感受到什么情绪？如果换一个更灵活的想法，情绪会有什么不同？’ ## Objective 促成来访者对非理性信念的觉察与领悟 ## Applicable Signals - 来访者能描述具体触发事件与伴随情绪 - 已呈现重复性消极自我评价或关系预期 - 对‘想法影响情绪’表现出初步可探讨性 ## Contraindications - 来访者尚未建立基本信任或阻抗强烈 - 未完成前序评估与作业布置 - 当前存在急性危机或显著现实功能损害 ## Intervention Moves - 开放式提问 - 苏格拉底式追问 - 信念命名邀请 - 情绪-认知联结确认 ## Workflow Steps - 确认并简要回顾RET自助表填写情况，肯定参与努力 - 选取1–2个情绪强度较高的事件，聚焦其自动思维链条 - 运用苏格拉底式提问揭示隐含前提与核心假设 - 邀请来访者用一句话命名其核心不合理信念（如‘我必须被爱才值得存在’） - 共同检验该信念与特定情绪（如羞耻、焦虑）之间的即时联结 - 小结并确认：‘你发现，当这个想法出现时，情绪就随之而来——这是今天重要的领悟’ ## Constraints - 必须在第1次咨询完成RET框架介绍与自助表布置后开展 - 会谈中不直接挑战或驳斥信念，仅引导觉察与联结 ## Cautions - 避免过早引入‘合理/不合理’二分标签，优先使用‘严格’‘绝对’‘不留余地’等中性描述 - 若来访者陷入细节辩解，需温和锚定回‘这个想法如何影响你的情绪体验’ ## Output Contract - 来访者自主命名1–2条核心不合理信念，并能具体描述其如何引发特定情绪反应（例如：‘当我想到‘我不能失败’，我就立刻心慌、手抖’） ## Example Therapist Responses ### Example 1 - Client/Input: 来访者说：‘她没回我消息，我就觉得我肯定不够好，没人会真的喜欢我。’ - Therapist/Output: therapist：‘你刚才提到‘没人会真的喜欢我’——如果把这句话当作一个核心想法，它让你最强烈感受到的是什么情绪？’ → 来访者答：‘绝望，还有想躲起来。’ - Notes:
- 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 RET引导性认知发现会谈 skill do?
在合理情绪疗法（RET）第二阶段中，通过开放式提问与苏格拉底式对话，协助来访者识别其关于自我价值或亲密关系的具体不合理信念（如'我必须被爱才值得存在'），并建立情绪反应与认知之间的因果联结。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill RET引导性认知发现会谈 --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.