把 TRIZ 方法封装成 Agent 解题技能

遇到「成本要降，质量不能掉」的问题，AI 很容易给出一串正确建议，却没说清先做什么、失败了怎么办。作者把发明方法 TRIZ 做成 Agent Skill，希望让 AI 先识别冲突，再交付可验收的行动方案。

盲评结果里，最有意思的并不是 AI 想出了更聪明的点子。没有 Skill 时，它往往也能找到相同方向；真正拉开差距的，是目标、期限、风险信号和执行责任。不过，这组实验也有明确局限，不能直接当成生产效果证明。

TRIZ 怎么把建议变成计划

TRIZ 源于 Genrich Altshuller 从 1940 年代开始对数千项发明的研究。他发现，很多难题都长得相似：改善一个指标，会损害另一个指标，例如更轻却更脆、更快却更容易出错。

这类问题被称为「矛盾」。TRIZ 将其整理成 39 个工程参数、40 条发明原理，以及一张 39×39 的矛盾矩阵。选出想改善和会恶化的参数，就能查到可尝试的解题方向，例如分割、预先行动、参数变化。

作者把这套方法装进包含 SKILL.md 的目录，配上 JSON、CSV 数据和只依赖 Python 标准库的查询脚本。不能执行脚本的 Agent，也可以直接读文件。

Skill 要求走完六步：复述问题、理想结果和已有资源；表达矛盾并映射参数；查询矩阵和原理；把原理转成行动；承诺前做两次苏格拉底式追问；最后在聊天中给短计划，并把完整计划存入 triz-plans/。

它约束的是解题过程，尤其是建议之后的执行细节。

每份计划必须写出三个字段：Resources 列出使用的资源及新增成本；Watch for 写明主要风险、可测信号和应对动作；Done when 给出指标、目标和日期。

推理账单案例：按条件拆开成本与质量

原文的问题是：推理费用每月 $42k，财务要求减半；换小模型后，错误率从 3% 涨到 9%。

启用 Skill 后，Agent 先问哪些条件不能变，得到两个约束：错误率不超过 3%，不能引入新供应商。随后，它把服务成本映射到参数 23「物质损失」，把回答质量映射到参数 27「可靠性」。

矩阵给出 #35「参数变化」和 #11「预先缓冲」。结合「按条件分离」，方案不再要求所有请求使用同一个模型，而是根据请求类型选择模型。

他们团队已有的带标签评测集显示，70% 的对话属于订单状态、退货、重置密码等类型，大小模型得分相同。Agent 因此建议将这些类型路由到小模型，账单估算降至约 $15k。若小模型回答没有引用帮助中心文章，或者用户反馈答错，就交给大模型重跑；原文称这会增加约 5% 的费用，但没有展开计算口径。

计划还规定：小模型路由的错误率若连续一周超过 4%，就把对应工单标签切回大模型。验收要求是在 8 周内，实现月账单不超过 $21k、整体错误率不超过 3%，并连续保持 4 周。

这里的 4% 是局部路由的回退阈值，3% 是整体质量目标，两者不能混用。$15k 也是方案估算，原文没有给出上线后的账单和错误率记录。

盲评赢在哪里，又付出了什么

作者准备了 13 个案例，覆盖软件、商业、工程和个人问题，其中 3 个采用无人参与的自主模式。每个案例在有无 Skill 两组中各跑 3 次，共 78 段对话。

每次运行由一个新的 Agent 扮演助手和案例中的用户，模拟用户只回答被问到的内容。基线组看不到仓库。另一个 Agent 将成对结果按随机 A/B 顺序评分，检查案例要求，并选择自己愿意执行的计划。

作者发现，两组经常能找到相同的主要解法。基线更容易漏掉带日期的目标、失败信号，以及后续步骤的负责人。代价则是互动增加：Skill 在承诺方案前会追问，通常需要用户多回复约 5 次。

第一轮每组只跑一次时，Skill 在两个自主工程案例中都输了。它虽然满足检查项，但工程细节不如基线，例如 CI 时间具体耗在哪里、哪些测试最慢。作者认为，自主输出的 400 词上限截掉了这些内容，于是取消限制，并补上指标拆解、按成本从低到高排列措施、切换前先验证。

调整后的三次重复评测中，Skill 赢下全部 9 次自主模式比较。原文没有给出全部案例的总体胜率，而且修改同时涉及输出长度和流程，无法单独归因于 TRIZ。

我的判断

我认同它把「何时算完成」和「出了问题怎么办」写进方案。对于 AI 编程，这比多列几种优化技巧更接近可执行工作。

但推理账单案例中的分流和回退，也是常见工程方案。作者自己的评测已经说明，基线往往能想到同一个解法。没有与普通结构化计划模板进行对照，就无法判断矛盾矩阵比「明确约束、拆指标、设回退条件」额外贡献了多少。

实验用户是模拟的，助手、用户和评分者来自同一模型家族；部分评分项又恰好是 Skill 强制填写的字段。随机盲评能减轻顺序影响，不能消除这些偏差。

矩阵也有数据问题：作者交叉核对了三个公开版本，1,521 个单元格中有 1,492 个一致，29 个存在争议，Agent 会同时展示两种值，但尚未对照 1997 年的书籍核验。

更合理的定位，是把它当成计划生成脚手架，而不是经过生产验证的创新引擎。

能拿来做什么

• 遇到 AI 编程中的成本与质量冲突，先让 Agent 写出「改善 X 会损害 Y」，再列出不能变化的条件；如果连冲突都描述不清，先补问题信息。
• 评估模型分流方案时，先用已有标签评测集确认哪些请求适合小模型，再写清局部回退阈值和整体验收指标，避免把估算收益当成上线结果。
• 让 Agent 分析 CI 耗时时，要求它拆解时间消耗、按成本排列措施，并在切换前验证；不要只检查计划是否填满模板。
• 想试用完整流程，可以在 Claude Code 中执行下面两条命令。第一行添加市场，第二行才安装插件；其他 Agent 可用 npx skills add magery-ai/triz-skill --skill triz，Cursor、Copilot 等也可采用复制 AGENTS.md 的方式。Claude.ai 则需下载最新 release 的 zip，在 Settings > Capabilities > Skills 上传。仓库采用 MIT 许可。

/plugin marketplace add magery-ai/triz-skill
/plugin install triz@triz-skill