面对架构迁移、供应商选择或事故复盘这类问题，直接问“A 和 B 哪个更好”，模型缺少目标、约束、证据和失败边界，只能补全假设。更长的回答并不自动更可靠。本文聚焦一个可复现的做法：先把决策材料整理为结构化输入，再用 Adaptive Thinking 生成条件式建议，并通过反方论证、停止条件与人工复核检查结果；最终交付物是一份能追溯依据、未知项和适用前提的决策记录。如果材料不足，输出应停留在未知项与验证计划，而不是补全决策所需事实。
最容易失败的提问通常只有一句：
它没有提供形成判断所需的条件。Adaptive Thinking 只能处理已经给出的信息，不能补回缺失事实。
但有一个前提：
text
思考模式只能提高分析质量。
它不能补回你没有提供的事实。
1. 先确认适用边界
Adaptive Thinking 的具体支持模型、请求字段和可用入口可能变化。开始前应在 Claude Platform 的 Adaptive Thinking 文档 核对当前说明，而不是把旧配置复制到新模型。
本文只讨论如何组织决策任务，不提供固定模型名或 API 参数。高风险场景中的输出是分析材料，不是授权结果。
2. 哪些任务适合这种分析方式
适合：
text
架构选型。
供应商评估。
迁移方案。
事故根因分析。
合同条款风险梳理。
复杂代码调试。
多约束排期。
投资或预算方案的反方论证。
不太值得：
text
改标题。
提取姓名。
翻译一句话。
把 JSON 改成表格。
按固定模板分类。
不需要多约束推理的抽取、分类和格式转换，可以继续使用普通提示。先按任务分层：
text
格式转换和分类：按固定规则执行。
常规写作和总结：明确资料范围与输出格式。
多约束决策：补齐证据和失败边界后再使用 Adaptive Thinking。
3. 先把问题写完整
一个可分析的决策请求至少包含五部分：
text
1. 目标：你最终想得到什么。
2. 选项：真正可执行的候选方案。
3. 约束：预算、时间、人员、合规和技术限制。
4. 证据：已有数据，以及数据的不确定性。
5. 失败边界：什么结果绝对不能接受。
比如不要只问：
应该改成：
text
我们要为一个已经完成开发的新功能选择发布方式。
方案 A：在同一个发布窗口向所有用户开放。
方案 B：先向可控范围开放，验证后再逐步扩大。
约束：
- 对外公告时间已经确定。
- 核心路径有自动化测试，旧版数据导入仍缺少完整覆盖。
- 数据结构变更必须保持向后兼容并能够回滚。
- 支持人员需要在开放前拿到故障识别与处置步骤。
- 当前证据只覆盖预发布环境，尚未完成真实流量下的观察。
请分析二阶影响、失败方式、缺失信息和回退方案，最后给出推荐。
模型终于拿到了真正影响决策的变量。
4. 模板一：两个方案怎么选
text
我要在两个方案之间做选择，请先分析再给结论。
方案 A：
[具体描述]
方案 B：
[具体描述]
我的目标：
[成功标准]
约束：
[预算、时间、人员、合规、依赖]
不可接受的结果：
[失败边界]
请依次输出：
1. 两个方案的一阶、二阶和三阶影响。
2. 我可能高估与低估的因素。
3. 哪些缺失信息会改变结论。
4. 各自现实的失败方式。
5. 下行保护和可逆性比较。
6. 明确推荐，以及推荐成立的前提。
不要为了显得平衡而回避结论。
这里最重要的字段是“推荐成立的前提”。
因为真实世界的结论通常不是永远正确，而是在一组假设下成立。
5. 模板二：反方论证
人最容易在已经喜欢一个方案时，只收集支持证据。
这时可以让 Claude 集中检查反对证据：
text
我已经倾向于一个决定。在正式批准前，请构建充分的反方论证。
决定：
[准备做什么]
我的理由：
[为什么认为可行]
已经考虑过的反对意见：
[列出]
请只做反方分析：
1. 找出我依赖但没有验证的假设。
2. 描述现实的失败路径。
3. 指出我最可能低估的成本、组织阻力和时间。
4. 哪些新证据出现时应该立即停止项目。
5. 设计一个最小成本的验证实验。
区分事实、推断和未知项。不要编造数据。
最后一句很重要。
高强度思考仍然可能基于错误事实推导出漂亮结论。
6. 模板三：项目预演失败
在项目开始前，假设它已经失败：
text
假设项目上线后已经失败。
项目目标：
[目标]
当前计划：
[里程碑、人员、预算和依赖]
请做一次 premortem：
1. 按可能性列出主要失败原因。
2. 为每个原因给出最早可观察信号。
3. 指定监控指标、责任人和检查频率。
4. 给出预防动作和触发后的止损动作。
5. 选出上线前必须优先解决的事项。
不要把“沟通不足”“执行不到位”当成最终原因，继续追问可观察的具体机制。
这比项目结束后写复盘便宜得多。
7. 模板四：困难对话演练
Claude 还可以用来模拟客户、老板或合作方的真实反应。
text
我要练习一场困难对话。
对方身份：
[客户、负责人、合伙人等]
我要表达的内容：
[核心诉求]
为什么困难：
[担心的冲突]
对方通常在意：
[成本、风险、面子、时间等]
请扮演对方。
如果我的表达含糊、回避责任或缺少证据，请追问和反驳。
每轮结束后，简要指出我的表达哪里有效、哪里需要调整，然后继续角色扮演。
最终给出一次完整复盘。
不要替我承诺价格、交付时间或法律责任。
这类练习适合准备，不适合让模型代替你做最终承诺。
8. 三个常见误区
误区一：看见更多“思考文字”就等于更可靠
可靠性来自事实、约束、验证和反证，不来自文字长度。
不要把可见思考内容当成完整内部推理的审计记录。
误区二：把所有任务都当成复杂决策
分类、抽取、改写等稳定任务通常只需要清楚的规则、样例和验收格式。
误区三：让模型替代责任人
Claude 可以提出建议、指出风险和生成备选方案。
它不能替代财务、法务、安全、医疗或管理责任人做最终批准。
9. 验收清单
text
[ ] 问题包含目标、选项、约束、证据和失败边界
[ ] 模型被要求区分事实、推断和未知项
[ ] 已要求输出反方论证与停止条件
[ ] 结论写明成立前提
[ ] 高风险决策保留人工审批
[ ] 模型和字段已按当前官方文档验证
10. 结论与限制
Adaptive Thinking 不是一个“让答案更聪明”的魔法开关。
它最适合处理这类任务：
text
变量多。
约束多。
失败代价高。
需要反方论证。
不能只靠模式匹配秒答。
先把问题写完整，再让模型动态投入推理。
有效的流程不是让 Claude 替责任人决定，而是暴露未验证假设、反方证据、失败路径和停止条件。结论必须带成立前提，原始材料与人工审批记录也应保留。
本文模板适合方案比较、项目预演和沟通准备，不适合作为财务、法务、安全或医疗批准。Adaptive Thinking 的可用模型与参数属于可变事实，实际调用前必须重新核对官方文档，并用不含敏感信息的样例验证输出结构。
