让 AI 先想清楚再回答：CrossFrame Skill Suite 入门

很多 AI 回答复杂问题时，看起来很快，也很完整，但问题常常出在“太快”。

它会跳过事实边界，直接套上熟悉概念；会把关系问题说成人格问题，把组织问题说成态度问题，把公共议题说成站队问题。语言很顺，判断却没有真正落地。

CrossFrame Skill Suite 想解决的正是这个问题：让 AI 在回答复杂问题之前，先把问题拆清楚，再用普通人能读懂的话说出来。

它不是什么

CrossFrame 不是一组万能提示词，也不是把一整套理论塞进上下文的材料包。

更准确地说，它是一组中文 skills，用来约束 AI 的分析顺序：先看事实，再判断尺度；先列机制候选，再决定能不能下强判断；先形成结构洞察底稿，再把判断写成文章。

从哪里进入

日常使用时，推荐默认从 crossframe-suite 进入。

它像一个总调度入口，负责判断这次任务应该走哪条链路，而不是把所有 skill 一次性全部触发。

例如，一个问题只是要结构诊断，就进入 crossframe；如果最后要写成文章，就接上 crossframe-essay；如果是公共议题，就先补证据边界；如果是组织修复，就先做组织场景的专项判断。

四步工作方式

CrossFrame 的核心工作方式，可以概括为四步。

1. 分清事实边界：哪些是用户明确提供的事实，哪些只是猜测，哪些还需要查源，不能混在一起说。
2. 判断尺度窗口：一个问题到底发生在个人、关系、团队、组织、制度，还是公共舆论层面。
3. 提出机制候选：不要一上来就给唯一答案，而是至少保留几种可能机制，避免证据不足时过早封口。
4. 确定判断档位：现在只能轻量观察，还是可以给开放断言？能不能做强判断？是否只适合提出低风险的下一步行动？

很多误判都来自尺度错位：把制度性成本压回个人，把组织责任说成个人情绪，把结构问题包装成性格缺陷。

判断档位决定了回答的分寸。它会提醒 AI：现在看到的证据，到底支持什么级别的结论。

适合什么问题

这套方法特别适合那些“说不清但反复发生”的问题。

• 一段关系里，总是一个人在解释、道歉、补救。
• 一个团队每次复盘都说得对，下一轮还是一样。
• 一个项目越推进越累，真实反馈越来越少。
• 一个公共争议越讨论越像站队，事实反而越来越远。

这些问题表面上都能被一句话概括，但真正困难的地方，往往在于背后的尺度、责任和机制没有被拆开。

Suite 里有哪些入口

CrossFrame Suite 下面有一组平行 skill，各自负责不同场景。

• crossframe：主诊断入口，处理事实、尺度、责任、机制和判断档位。
• crossframe-essay：把结构判断写成中文批判性洞察文章。
• crossframe-review：审查输出有没有真的推理，防止概念堆砌和证据越界。
• crossframe-public：处理公共议题、平台申诉、制度评论和合规材料。
• crossframe-org：面向团队、项目和组织修复。
• crossframe-teach：把概念讲给普通人。

此外，它还包含辩论、案例库、读书笔记、编辑回信等专项入口。

和普通 prompt 的区别

CrossFrame 和普通 prompt 最大的区别在于：它不只告诉 AI “你要回答得深刻”，而是规定 AI 在深刻之前必须先做哪些检查。

复杂任务不能直接成文，文章前要有底稿；公共事实不能凭印象判断，需要查源；高责任判断不能越过证据档位；概念不能当结论，最后还是要回到人能理解的现实语言。

可以从这里开始

• GitHub 仓库：xi-kari/crossframe-skill
• README：CrossFrame Skill Suite
• Suite 总入口：skills/crossframe-suite/SKILL.md
• 主诊断 skill：skills/crossframe/SKILL.md
• 文章写作 skill：skills/crossframe-essay/SKILL.md

最后要强调的边界

CrossFrame 不是替人做最终审判的机器。它不能把证据不足的问题说成铁案，也不应该把结构诊断变成人格审判。

它真正有价值的地方，是帮助 AI 在复杂问题里保持分寸：知道自己看到了什么，没看到什么；知道判断该停在哪里；也知道怎样把结构性的东西，翻译成普通人真正能读懂的话。