Minto Pyramid Skill

这是什么？适合谁？

Minto Pyramid Skill（millwright-labs/minto-pyramid-skill）是一个 Agent Skill，让你的 coding agent 像顾问那样写作：先给答案，再说理由，最后给证据。一个文件，零依赖，Claude Code、Claude Desktop 或任何读 Agent Skills 的环境都能用。

它解决什么：模型默认的写作顺序是叙事式的——背景、发现、结论——因为大多数散文都是这个顺序。但这把读者最需要的那一行埋在了第四段。这个 skill 把顺序倒过来，在中间层强制执行 Minto 的分组规则，并在收紧时禁止模型编造事实。

关键设计——先问再改：它加载到你分享的草稿时，不直接交回重构版，而是先说一句它注意到什么然后等待：

“This looks like a pyramid case — your recommendation lands in paragraph four. Want me to restructure it, conclusion first?”

说 yes 它才动手；不说，草稿还是你的。因为读者是谁、什么话政治敏感、哪些在电话里已敲定——Agent 不知道。

适合人群：需要写决策文档/建议书的人；希望 AI 输出「结论先行」的商务写作；被「埋了 lede」折磨的读者。

准备工作

1. 安装：git clone https://github.com/millwright-labs/minto-pyramid-skill ~/.claude/skills/minto-pyramid。
2. 成本：MIT 开源，免费。
3. 模型注意：克制行为（先问不改、拒绝不该碰的文档）在 Opus/Sonnet/GPT-5/Gemini 验证过；Haiku 不适用。
4. 时间预算：安装 1 分钟；用完即走。

快速上手（3 步）

第一步：安装

git clone https://github.com/millwright-labs/minto-pyramid-skill ~/.claude/skills/minto-pyramid
# Windows PowerShell:
git clone https://github.com/millwright-labs/minto-pyramid-skill "$env:USERPROFILE\.claude\skills\minto-pyramid"

重启会话即生效。

第二步：对草稿使用

Use the minto-pyramid skill on this draft.

它会先说一句它注意到什么，等你确认才重构（结论先行）。

第三步：或点名操作

五个内置操作：restructure（重构）、buried-lede test（埋题测试）、reason audit（理由审计）、so-what pass（所以呢）、email version（邮件版）。

成功判定：文档变成「结论先行 → 分组理由 → 证据支撑」，且不编造任何事实。

初级用法

五个操作

• restructure：结论先行重构
• buried-lede test：检测推荐是否埋在第四段
• reason audit：审计理由分组是否符合 MECE
• so-what pass：「所以呢」追问
• email version：压成邮件版

什么文档它会拒绝

事件时间线、runbook、教程、感谢信——任何「时间顺序就是内容」的文档。把金字塔强加给它们只会更糟，它会一句话说明并离开。

高级玩法

事实核查（provenance）

idea 来自 Instagram 帖（@thewizeai，2026-08-16），五个 prompt 是五个操作的种子。但作者做了事实核查：Barbara Minto 1963 年加入 McKinsey、MECE 是她自述创造的、MECE 只测归纳分组不测演绎链……纠正了「恰好三个理由」等流传错误，并在 skill 里写死「invent nothing」。

已知限制

克制行为在 Haiku 上不成立——它会硬套、编数字、甚至匹配到别的 skill。前沿模型才可靠。

小技巧

1. 先问再改是设计：不要惊讶它不直接交回重构版——这是克制的正确行为。
2. 说 yes 才动手：读者是谁、什么政治敏感，只有你知道。
3. 前沿模型上用：Haiku 会编事实、硬套模板，注意检查输出。
4. 时间线类文档别用：它自己会拒绝，不必强求。
5. 点名操作更快：明确要 reason audit 而非笼统「帮我看看」。

常见踩坑

踩坑 1：以为会直接改草稿

• 现象：加载草稿后它只说一句没动手，以为坏了。
• 原因：先问再改是设计——它在等你的确认。
• 解决：说 yes 它才重构；说 nothing，草稿保持原样。

踩坑 2：在 Haiku 上用它

• 现象：把时间线重构成 postmortem、编数字、匹配错 skill。
• 原因：克制行为在 Haiku 上不成立（README 明示）。
• 解决：用 Opus/Sonnet/GPT-5/Gemini 等前沿模型，或用非前沿模型时检查输出。

踩坑 3：硬套「恰好三个理由」

• 现象：输出被塞成三个理由。
• 原因：网络流传「Minto 说恰好三个理由」，这是错的——逻辑决定数量。
• 解决：这个 skill 已纠正该错误；强加三个会制造填充理由。

踩坑 4：给时间线文档强加金字塔

• 现象：想让 runbook/教程也「结论先行」。
• 原因：时间顺序就是内容，金字塔会让它更糟。
• 解决：skill 会一句话拒绝并离开，这是对的；别强求。

踩坑 5：担心它编造事实

• 现象：收紧时担心引入新数字。
• 原因：模型可能「帮忙」补全。
• 解决：skill 在每步写死「invent nothing」；对照组测试里 skill 版曾把事实「锐化」到强于原话，所以这条规则是硬约束。

常见问题 FAQ

Q1: 和「让 AI 结论先行」的普通 prompt 有什么不同？

A: 普通 prompt 只是要求顺序；这个 skill 强制 Minto 的分组规则（每个观点总结其下分组、每组回答父问题、同组同类型同逻辑顺序）、区分 MECE 归纳与演绎，并写死「不编造事实」。对照测试里，skill 版把三周调查叙述当过程而非证据砍掉、把理由按理由分组而非按供应商罗列。

Q2: 效果有多大？

A: 长文档和弱模型收益最大，前沿模型上的短邮件收益最小（它本来就会先给 ask）。作者测试：同一封 400 字杂乱推荐邮件，skill 版把过程砍掉、理由分组、风险单独成节。

Q3: 它会拒绝哪些文档？

A: 事件时间线、runbook、教程、感谢信等「时间顺序就是内容」的文档，一句话说明并离开。

Q4: 免费吗？

A: MIT 开源（Millwright Labs）。一个文件，零依赖。

Q5: 为什么它「先问再改」？

A: 读者是谁、什么政治敏感、哪些在电话里已敲定，只有写的人知道。Agent 不知道，所以它先声明「这是金字塔案例，要重构吗」再等确认。

进阶学习建议

掌握基础后，建议深入：

1. 读懂 MECE 边界：MECE 测归纳分组，不测演绎链（前提联合推出结论）。大多数短摘要把两者混为一谈，理解这个才能用好 reason audit。
2. read evals/RESULTS.md：看 Haiku 失败案例和对照组测试细节，理解为什么「克制」需要前沿模型支撑。
3. 把五操作串成工作流：restructure → reason audit → so-what pass → email version，作为决策文档的固定打磨管线。

参考链接

• 官方仓库
• Barbara Minto（Wikipedia）

最后更新：2026-08-27 · 作者：MagicNetWorld · 基于公开资料整理，关键数据经 GitHub API 独立实测核验，AI 辅助生成