Game Theory Debatev1.0.0

当用户面临跳槽、转行或接受offer等职业十字路口时，技能自动启动多策略博弈分析，从激进派（追求高薪成长）、保守派（稳定性优先）、经济学家（长期成本收益）等视角出牌，生成payoff矩阵与Nash均衡推荐。帮助用户量化评估每个选项的收益期望、失败概率与执行难度，最终输出带置信度的推荐方案和风险提示。

创业团队在多个产品方向或功能优先级之间摇摆时，使用该技能模拟不同利益相关方（工程师可行性、用户代言人价值、投资人增长诉求）的博弈过程。通过零和/非零和博弈判断，淘汰劣势策略，识别帕累托最优路径，输出带风险标注的路线图建议。事后还可复盘实际结果，更新策略库。

个人投资者在股票、基金、存款、房产等多个理财方案中犹豫不决时，技能将每个方案映射为payoff矩阵中的策略，评估收益期望、风险概率、信息完备性与执行难度。经济学家策略看重投入产出比，保守派强调确定性，激进派愿意承担波动，最终给出综合评分和次优备选，降低决策焦虑。

企业在多个供应商、软件平台或外包团队之间需要做出采购决策时，技能自动启动博弈分析，从成本、交付风险、长期合作可能性等维度建立payoff矩阵。识别focal point与Nash均衡，推荐综合性价比最高的方案，并提示如果失败可能的失误原因，支持后续合同效果复盘。

学生或家长在多个学校、专业或留学国家之间纠结时，技能以博弈论框架分析每个选项的收益期望（就业前景、学术资源）、失败概率（申请风险、适应难度）和执行难度（费用、语言门槛）。用户代言人视角关注长期利益，工程师视角评估可行性，输出结构化推荐和风险提示，辅助家庭决策。

将Game Theory Debate封装为面向个人或小团队的在线决策工具，用户按月或按年订阅，在Web/App中输入决策问题，自动生成多策略博弈分析和payoff矩阵。可附加历史决策归档、结果复盘和策略库更新功能，形成长期决策档案。

面向创业公司、投资机构和中大型企业提供基于该技能框架的决策工作坊、内部培训或轻咨询。将博弈论决策引擎嵌入企业OKR或战略会议流程，帮团队在采购、产品、投资等场景中系统化使用多策略分析。

将Game Theory Debate作为OpenClaw生态中的付费技能包上架技能市场，用户购买后可在自己的AI助手内自动触发决策分析。与memory-never-forget、self-improving-agent等技能联动，形成决策-归档-学习闭环，按下载量或调用量获取分成。