锤炼设计：结构化的计划拷问
通过逐个问题、基于决策树的访谈，严苛审视你的计划，直到达成共识和可辩护的设计。
该技能仅为对话式面试技能，不执行任何外部操作，无权限请求、数据泄露或破坏性行为，风险较低。但缺少明确的确认机制（如要求用户在关键决策前明确同意）和数据流披露，且发布者身份未知。因此扣除部分分数。
指令清晰，符合常见面试流程，但缺乏测试覆盖和异常处理说明（如用户无响应或矛盾回答时的行为未定义）。静态审查无法执行验证，因此给予中等偏低分数。
使用场景明确（压力测试计划/设计），触发词清晰（'grill me'），但缺少非适用场景的边界说明和环境适配（如中文支持）信息，且依赖AI模型，无环境要求说明。
文档结构清晰，但缺少版本号、变更日志、维护责任说明，且依赖系统（如request_user_input工具）未提及必备配置，示例和FAQ缺失。
核心目标明确，但未提供实际输出示例或比较优势证据，静态审查无法验证结果质量，因此分数较低。
无测试或执行证据，仅有AI指令文件，无法独立验证，因此分数低。
- 该技能纯粹依赖AI模型的对话能力，无法在无网络或AI不可用的情况下工作。
- 没有明确的用户确认要求，可能在某些场景中导致未经用户明确同意的决策。
- 缺少对异常输入（如用户拒绝回答或提供矛盾信息）的处理指导。
- 发布者身份未经验证，使用前注意核实。
这个 Skill 能做什么，适合哪些场景？
该技能将用户置于一场结构化的设计访谈中，每次只问一个问题，利用用户的回答引导一个隐含的决策树，涵盖目标、约束、备选方案、API、数据模型、安全性、可观测性等。它挑战模糊或矛盾的假设，并在需要时检查代码库，而不是要求用户提供可本地获取的信息。当主要分支都解决后，技能会总结商定的设计、剩余风险、假设、被拒绝的备选方案和后续步骤。该技能是为编码代理设计的，但可用于任何技术规划场景。
通过提示用户“拷问我”，该技能发起一系列提问：一次一个问题，等待每个回答。它维护一个隐含的决策树，追踪已解决的决定、未解决的问题、假设、依赖、风险和已拒绝的备选方案。对于每个问题，它提供清晰的答案选项（如适用）以及推荐答案和推荐理由。它使用开放式问题以避免过早限制设计空间，挑战模糊或不一致的假设，并在出现矛盾时进行追问。如果问题需要仓库事实，技能会改为检查代码库。它使用用户输入工具（如 request_user_input）提出简短问题，或呈现编号列表。最后，它总结商定的设计、剩余风险、假设、被拒绝的备选方案和后续步骤。
- 在编写新功能或系统之前，要由人工智能严格审查架构计划的产品经理或工程师。
- 希望对其设计假设进行压力测试，以在编码前发现漏洞的开发者。
- 希望探索决策空间并理解权衡，而不会被预先限制在固定选项中的技术负责人。
- 需要在构建前明确需求、非目标和操作所有权（如成功标准）的团队。
- 希望比较多种方法并明确记录被拒绝备选方案和替代方案的工程师。
这个 Skill 有哪些优点和局限？
- 通过明确追踪决策、假设和风险，提供结构化的思维伴侣。
- 每次一个问题可防止用户过载，并允许深思熟虑的回答。
- 在适当的时候使用清晰、可操作的问题，包含推荐选项，提升可用性。
- 通过指示代理检查仓库而不是询问用户，鼓励自给自足。
- 旨在达到一个可辩护的设计和清晰的总结，适用于规划文档。
- 没有公开的测试套件或示例，因此实际行为可能因代理实现而异。
- 该技能依赖于代理恰当地遵循指令；不同代理的遵循程度可能不同。
- 对于非常简单的计划，它可能显得过于繁琐；它最适合复杂的设计。
- 没有提供离线或替代模式的规定——严格是交互式访谈。
如何安装这个 Skill？
该技能是 T3 Code 仓库中捆绑的技能集合的一部分，仓库位于 https://github.com/pingdotgg/t3code。要安装整个集合，请克隆仓库并导航到包含目标技能的子目录。没有单独的独立安装说明；请参考仓库的 README 了解 T3 Code 工具的安装，但技能本身可以通过将 SKILL.md 文件夹复制到代理的 skills 目录中来使用。
如何使用这个 Skill？
激活后，简单地说“拷问我”或“帮我压力测试这个计划”，然后描述你的计划或设计。技能将开始提问。例如，你可以说：“拷问我：我们计划将单片应用迁移到微服务。以下是我们目前的方案...”然后技能会询问相关细节，每次一个问题。或者，如果当前任务涉及拟议的设计，你可以说“拷问我”作为后续指令。