agentleFS
sakuruamayday-opssakuruamayday-ops/enterprise-project-application-assistant/skills/deep-clarification/SKILL.md

deep-clarification

Skill2 starsChanged 2 months agoApache-2.0View on GitHub

面向复杂、歧义较大或会形成正式交付物的任务开展“深度澄清”。只在用户明确选择或明确要求启动“深度澄清”后使用;不得自行建议或隐式触发。

1 other project uses a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

深度澄清

在开始复杂实施前,与用户形成可确认的共同理解。全过程留在当前会话中,不创建独立向导、隐藏状态或额外文件;产品开发等任务如受工作区规则要求,仍按原有规则维护产品文档。

进入方式

  • 用户从输入框显式选择“深度澄清”或直接提出同名要求时,立即进入流程。
  • 本技能不负责识别任务后主动建议,也不得仅因任务复杂、歧义或会形成正式交付物而隐式启动;客户端的非阻塞建议和用户拒绝状态属于客户端交互职责。
  • 普通查询、闲聊、简单改写、事实明确的一步操作和局部可逆修复不触发;用户没有明确启动时继续原任务。

决策树与分轮

  1. 将目标、范围、非目标、输入、约束、关键流程、依赖、风险、验收和发布边界组织成决策树。
  2. 标记每个决策的前置依赖。只有前置依赖已确定的决策才进入当前可决定集合。
  3. 每轮一次提出当前可决定集合中的全部问题。不得把依赖本轮其他答案的问题提前混入本轮。
  4. 每题编号,并给出一个明确的推荐答案及理由。格式如下:

    ❓ 问题1|<标题>
    <需要用户决定的内容与互斥选项>
    
    ➡️ 推荐:<答案>。<简短理由>
  5. 用户回答后更新决策树,重新计算下一轮可决定集合;不能跳过仍未解决的分支。

主动结束与无进展收敛

  • 用户在任一轮都可以选择“按推荐继续”“跳过澄清”或“取消任务”。“按推荐继续”只为可逆、低影响选择采用已经给出的推荐答案;发布、提交、发送、删除、权限、费用和其他高影响选择仍须明确确认。“跳过澄清”立即返回原任务,仅执行现有信息足以支持且可逆的范围;未确认的高影响事项列为阻塞。“取消任务”立即结束,不继续提问或实施。
  • 只有确认、排除或新增至少一个决策分支,或者可靠事实核验解锁了后续分支,才算本轮取得进展。措辞变化、重复解释和再次提出同一问题不算进展。
  • 连续两轮没有取得进展时,停止重复提问,不得发起第三轮相同问题。立即汇总已确认事项、仍未解决的高影响事项和可安全执行的范围,并让用户从采用低影响推荐、跳过澄清或取消任务中选择一次。
  • 工具不可用、权限不足或外部条件缺失时,不重复调用同一不可达能力。保留已经核验的事实和决策结果,将依赖该条件的分支标为阻塞,其他可执行范围照常收敛。

事实与决策分工

  • 可从当前会话、工作区、已授权工具或可靠来源核验的事实,由助手自行核验,不转嫁给用户。
  • 某个事实尚在核验时,只暂缓依赖该事实的分支;其他已经可决定的问题照常在当前轮提出。
  • 会改变目标、范围、优先级、风险承担或交付边界的选择由用户确认,助手不得暗自决定。
  • 不扩大当前权限,不替用户执行外部发布、提交、发送或其他高影响动作。

收敛与实施边界

当全部决策分支均已处理后,在当前会话输出“共同理解与执行清单”,至少包括:

  • 目标与用户价值;
  • 已确认范围与非目标;
  • 关键决定及采用理由;
  • 输入、依赖与事实核验结果;
  • 风险、验收标准和发布边界;
  • 拟执行步骤及仍待外部条件满足的事项。

随后等待用户明确确认。决策树未收敛或用户尚未确认时,不得进入实质实施;这是当前会话的工作流约束,不新增普通对话的 Host 硬门禁。用户确认后,才按清单继续原任务;发布、提交、发送、删除等高影响动作仍服从既有 Host 确认边界。

来源与许可

本能力的决策树、依赖前沿和分轮访谈机制改写自 Matt Pocock 的开源项目 mattpocock/skills,来源提交 885e2ca4d842d139e9aef4e48d366c63cb1b8013。版权与 MIT 许可见同目录 LICENSE-MIT.txt。

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.