agentleFS
TashanGKDTashanGKD/tashan-cursor-skills/skills/modify-theory-system/SKILL.md

modify-theory-system

Skill21 starsChanged 8 months agoMITView on GitHub

指导 AI 正确修改①公理体系或②体系结构(A-C-B三粒子)。当用户提到「修改公理」「修改体系结构」「发现规则漏洞」「增加粒子」「修改规则」时触发。对应 AGENT_RULES.md RULE-13~16 和 08_技术体系修改规范.md。

The file

Files
SKILL.md

技术体系修改技能

警告:修改①②是最高优先级操作,必须严格按7阶段流程执行。任何绕过本流程的修改都是违规的。


最小修改原则(动手前先判断)

按优先级从高到低,只有当前选项无法解决时才考虑下一级:

优先级1:给已有粒子增加状态变量维度(最低冲击)
优先级2:修改已有规则的条件或动作(不增加新规则)
优先级3:增加新规则(仅当存在"规则漏洞"时允许)
         → 规则漏洞:合法初始状态 + 合法事件 → 现有规则无法给出唯一合法结果
优先级4:增加新粒子类型(极端情况,需专项论证)

必须在 ISSUE 文档中写明"为什么当前优先级无法解决"才能选更低优先级。


7 阶段执行流程

阶段 0:触发确认

明确触发来源:

  • 沙盘推演发现实现缺口(场景D)
  • 沙盘推演发现理论缺口(场景E)
  • 开发过程主动发现

阶段 1:建立 ISSUE 文档(动手前必须完成)

在对应仓库的 issues/ 目录创建:ISSUE-YYYYMMDD-NN.md

文档必须包含:

  • 问题描述(现象、复现步骤、根因层定位)
  • 优先级判断过程(逐级排查,说明为什么选当前级别)
  • 方案描述(精确到字段/规则级别)
  • 逻辑自洽性证据(T层目标 + 相关PA层公理逐条核查)

检查清单(全部勾选才能进入阶段2):

  • 问题描述清晰,可被复现
  • 根因定位到具体层(T/PA/G)
  • 方案选择过程完整(按优先级从高到低排查)
  • 逻辑自洽性证据逐条写完
  • 最小修改原则的判断结论已写明

阶段 2:版本复制

# 在修改之前先保留旧版本
cp 三粒子体系结构_v2.1.md 三粒子体系结构_v2.2.md
# 在新版本上修改,旧版本永久保留

版本号规则:

修改类型版本位变化
增加变量维度(向后兼容)PATCH(+0.0.1)
修改规则条件/动作MINOR(+0.1.0)
增加新规则或修改PA层MINOR(+0.1.0)
修改T层目标或增加粒子MAJOR(+1.0.0)

阶段 3:执行修改

严格按 ISSUE 文档中的方案执行。

每改一处,立即在 ISSUE 文档的「修改过程记录」追加(不是改完汇总):

### 修改点 [序号]:[位置简述]
**文件**:xxx_vA.B.D.md
**位置**:第X节
**修改前**:(精确引用)
**修改后**:(新内容)
**原因**:与方案的对应关系

阶段 4:回归沙盘验证

必须验证的范围:

修改类型验证范围
增加粒子变量维度所有涉及该粒子的现有场景
修改G层规则全集扫描(标注"无关"的需说明)
修改PA层公理全量场景(无一例外)
修改T层目标全量场景 + 专项论证

阶段 5:自洽性声明

在 ISSUE 文档中逐条声明:

  • 每条 T 层目标:无影响 / 正向加强 / 修改但仍满足
  • 相关 PA 层公理:逐条核查
  • 其他G层要求:是否有冲突或适配措施

不允许模糊表述("整体上不违反"不可接受,必须逐条引用)。


阶段 6:联动触发

修改类型必须触发
修改了①公理体系场景F → A(通知②) + B(通知③)
修改了②体系结构场景G(通知TF架构合规层)
修改了②且影响Bᵢ场景K(通知④⑤分身系统)

执行联动通知,参见技能 trigger-linkage-rules/SKILL.md。


阶段 7:ISSUE 归档

在 ISSUE 文档末尾填写完成记录:

  • 完成日期
  • 最终版本号
  • 通过的沙盘场景列表
  • 已触发的联动场景编号
  • 遗留事项

然后在 任务日志.md 追加一条日志记录,参见技能 write-task-log/SKILL.md。


相关规范

  • AGENT_RULES.md RULE-13~16
  • 08_技术体系修改规范.md
  • 06_全链路联动规则.md

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.