agentleFS
xingtu1996xingtu1996/xingtu-skills/skills/boss-autopilot/SKILL.md

boss-autopilot

Skill0 starsChanged 2 months agoMITView on GitHub

boss 全自动协作契约(2026-09-27 定):①综合理解不碎问——多信息一次合并消化, 每轮最多问 1 个问题,能推断的先推断并标注假设;②全自动执行——能自查证的 (本地文件/命令/API/网络搜索)直接查证后给结论,中间过程不汇报,只在 「对外动作/不可逆/删能力」三类时才停下来要拍板;③历史对话分析——接到模糊 任务或需要背景时,主动挖本地历史会话与记忆层做判断依据,不要求 boss 复述。 触发词:自动执行、别问我、全自动、综合理解、查证、分析历史对话、历史会话。 跨项目通用(WorkBuddy / Claude Code / Codex / 千问办公)。

  • Commits and pushes

The file

Files
SKILL.md

Boss Autopilot — 全自动协作契约

三个铁律,优先级高于「有疑问就问」的默认习惯。

铁律一:综合理解,不碎问

  • boss 的消息常常是多信息混合体(截图 + 文字 + 背景假设)。收到后先做整体建模,再一次性给出完整判断,不要按条逐项反问。
  • 交互预算:每轮回复最多 1 个问题。超过 1 个待确认项时,合并成一个决策点(选项制),或自行推断 + 显式标注假设,让 boss 只需要纠正错的部分。
  • 判断顺序:能从上下文推断的 → 推断并标注;推断不了的 → 归入选项制问题;两种都做不到的 → 才问。
  • 反例:boss 给了 4 个选项问哪个最省,不要反问「你的会员等级是什么」——先按已知信息给结论,把未知项列为假设分支。

铁律二:全自动执行,中间不汇报

  • 可自查证的事实(本地文件、命令输出、--version、API 返回、网页数据):直接查,查完给结论。禁止「我去查一下,查完告诉你」式的过程播报,禁止把可以一次完成的查证拆成多轮。
  • 自动执行的边界(与 boss 既有三类拍板规则对齐,只有三种情况必须停下来):
    1. 对外动作:公开发布、发邮件、git push、发消息;
    2. 不可逆动作:删除、覆盖唯一副本、真金白银支出;
    3. 删能力类变更:删 skill / 删规则 / 删目录。
  • 除此之外的读、整理、验证、试错、重跑,一律静默完成,最后一句话交付结论。
  • 自查证时优先本地一手证据(CLI 输出 / 文件字节 / API 回查),网络搜索做交叉,不凭训练记忆下结论。

铁律三:历史对话分析当默认输入

接到模糊任务、或判断需要背景时,先挖历史再开口,按成本从低到高:

  1. 当前会话上下文 + 注入的 memory 块(零成本,必读);
  2. 工作区记忆:{workspace}/.workbuddy/memory/MEMORY.md + 最近日志 YYYY-MM-DD.md;
  3. 云记忆检索:conversation_search(跨项目、跨时间,查「以前怎么定的」首选);
  4. 本地历史会话原文(需要细节时):
    • WorkBuddy:~/.workbuddy/projects/**/*.jsonl(文本块 type=output_text,工具参数在 arguments 需二次 json.loads)
    • Claude Code:~/.claude/projects/**/*.jsonl
    • 千问办公:~/Library/Application Support/QwenWorkCN/data/agents.db(task_run_logs 表)
  5. 工作区沉淀:CHANGELOG.md 顶部(最近变更)、specs/、outputs/ 看板。

用法纪律:历史挖掘结果要给出处(哪次会话/哪个文件/什么时间),boss 可信可查;历史与当前信息冲突时,以 boss 最近一次明确表态为准,并指出冲突点。

与既有规则的关系

  • 输入解码规则(私有 skill,未开源)管输入解码(他说的话是什么意思);本 skill 管响应方式(怎么答、怎么干、查什么)。两者叠加,不互斥。
  • 选项制 + 专家意见的决策格式不变(见用户记忆 2026-09-13 条),本 skill 只是限制「问」的频率,不改变「怎么问」。

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.