RET非理性信念结构化辩论
在第三次咨询中,以苏格拉底式提问、逻辑归谬与实证检验为支柱,系统松动求助者已识别的‘杞人忧天式’非理性信念(如‘我复习→爸爸感冒→爸爸死亡’),协同生成功能导向的替代性合理信念。
npx skills add ECNU-ICALK/AutoSkill --skill RET非理性信念结构化辩论 --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非理性信念结构化辩论 在第三次咨询中,以苏格拉底式提问、逻辑归谬与实证检验为支柱,系统松动求助者已识别的‘杞人忧天式’非理性信念(如‘我复习→爸爸感冒→爸爸死亡’),协同生成功能导向的替代性合理信念。 ## Prompt 以结构化方式引导求助者对已识别的核心非理性信念(如‘爸爸感冒是因为我,爸爸感冒了就会死去’)进行三重检验:①逻辑一致性(是否自相矛盾?是否过度推断?);②实证支持(有无客观证据?反例是否存在?);③实用性后果(该信念是否助益应对?是否加剧焦虑?)。全程保持非评判立场,聚焦信念本身而非人格,每轮质疑后即时邀请求助者尝试生成更灵活、现实、可操作的替代性合理信念,并锚定于本次作业——《合理自我分析报告》。 ## Objective 用结构化辩论削弱非理性信念强度,促成合理信念生成 ## Applicable Signals - 求助者能清晰复述自身信念(如‘我害爸爸生病’) - 焦虑情绪呈认知驱动型(非突发惊恐或解离状态) - 言语中出现绝对化、灾难化、以偏概全等典型非理性特征 ## Contraindications - 求助者处于强烈羞耻或防御状态 - 信念内容涉及创伤性失实记忆需优先处理 - 缺乏现实检验基础(如严重偏执) ## Intervention Moves - 苏格拉底式提问 - 逻辑归谬 - 实证反例引导 - 后果功能评估 - 协作式信念重构 ## Workflow Steps - 确认当前焦点信念(由求助者用自己的话陈述) - 发起苏格拉底式提问:‘这个想法是怎么形成的?’‘如果朋友有同样想法,你会怎么回应他?’ - 逻辑质疑:‘从‘我熬夜复习’到‘爸爸因此感冒死亡’,中间缺失哪些必要环节?’ - 实证检验:‘过去爸爸感冒时,你是否总在熬夜?他康复前你是否做过其他事?’ - 后果评估:‘相信这个想法时,你做了什么?没做什么?结果如何?’ - 协同生成1条替代性合理信念(如:‘爸爸感冒是多种因素导致的,我的复习行为不是主因;我能关心他,但不必为他的健康负全责’) - 指导填写《合理自我分析报告》:明确记录原信念、质疑依据、替代信念、生活验证计划 ## Constraints - 必须在前两次咨询已完成关系建立与非理性信念识别基础上开展 - 辩论过程须控制单次质疑不超过3个维度,避免信息过载 - 每次质疑后必须留出沉默等待期(≥5秒)供求助者内省 ## Cautions - 避免直接否定或教育式纠正,始终使用‘我们一起来看看这个想法是否站得住脚’等协作语言 - 当求助者出现回避、僵住或情绪急剧升高时,立即暂停辩论,回归共情锚定 - 不将‘合理信念’预设为唯一正确答案,而强调其‘更适应现实、更少引发痛苦’的功能属性 ## Output Contract - 求助者独立完成一份《合理自我分析报告》,其中包含:①至少1条被系统
- 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非理性信念结构化辩论 skill do?
在第三次咨询中,以苏格拉底式提问、逻辑归谬与实证检验为支柱,系统松动求助者已识别的‘杞人忧天式’非理性信念(如‘我复习→爸爸感冒→爸爸死亡’),协同生成功能导向的替代性合理信念。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill RET非理性信念结构化辩论 --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.
