开发与工程 high-agencypipdebugginggovernancepressure-escalation

PUA/PIP 高能动性治理技能(Trae 版)

当任务反复失败、模型想放弃或声称完成时,用工程化压力与证据闭环迫使 AI 穷尽方案。

FollowSkills 评估 · FSRS-2.0
不推荐
49/ 100 五分制 2.5 / 5
1 2 3 4 5 6
1信任安全12 / 25 · 2.4/5

技能文档明确划分了行动权、自我评价权、评分权和环境修改权,并要求在删除文件、修改权限、修改测试/CI/部署配置前需询问用户。同时要求基于证据而非自我评价宣布完成。这表明有对用户确认和权限隔离的意识。但文档未明确限制技能对敏感数据访问的具体范围,也缺乏对数据流透明度的详细说明,且未提及回滚机制。因此扣分因权限隔离和确认机制不完整。

2可靠稳定7 / 20 · 1.8/5

技能是纯指令文档,无附带测试或执行脚本,无法静态验证其指令是否可执行。文档内部逻辑一致,提供了清晰的步骤和模板,但缺乏对异常输入的错误处理说明和失败反馈机制。由于静态审查无法执行,且未提供第三方执行证据,可靠性的最高分限定为10,此处基于文档逻辑一致性给予7分。

3适用触发12 / 15 · 4.0/5

技能明确说明了使用场景(明确要求PUA/PIP、重复失败、用户沮丧等)和非适用场景(正常首次任务),并提供了触发条件。环境适用性方面,其目标用户包括中文用户,但README主要使用英文和日文,可能影响中文用户的识别和触发。且核心功能不依赖特定海外服务,但为中文用户考虑,文档语言适配不足。因此扣分。

4规范维护10 / 15 · 3.3/5

技能文档结构清晰,有明确的分级标题、职责表格和模板,但缺少安装说明(安装只在README中)、版本号、更新日志和已知限制。许可协议为MIT,但无明确的维护责任和更新路径。因此扣分。

5有效结果5 / 15 · 1.7/5

技能提供了清晰的流程和模板,旨在提高调试效率和主动性。但缺乏验证性证据,无法确认其在实际任务中的有效性。文档声称有基准数据,但未提供可访问的测试报告。因此基于静态审查,无法验证其效果,给予较低分数。

6证据核验3 / 10 · 1.5/5

技能文档中提到了基准数据和测试,但未提供可验证的测试脚本或CI工作流(虽有release.yml但仅用于发布)。仓库中有测试文件,但针对landing的upload功能,并非针对此技能。因此缺乏直接证据来验证技能声称的功能。

证据充分度: 评估于 2026年8月7日 审查版本 3fd4e5a1cb7a
使用前请注意
  • 技能为纯指令文档,无测试或执行脚本,无法验证其实际效果和可靠性。
  • 文档主要使用英文和日文,中文用户可能难以识别和触发,建议补充中文文档。
  • 尽管要求用户确认敏感操作,但对敏感数据访问的范围和回滚机制未明确,需在使用时谨慎。
  • 基准测试数据未提供可访问的报告,声称的效果无法独立验证。
评估证据 [1][2][3][4]
查看完整评分方法 →

这个 Skill 能做什么,适合哪些场景?

这是一个为 Trae 设计的纯 SKILL.md 契约技能,用于在多次失败、被动放弃或未经验证的完成场景下,以机械化的操作流程施加高能动性治理。它通过分离行动权、自我评价权、评分权和环境修改权,强制 AI 在修改前诊断、用可验证证据证明完成,并通过文化叙事(如阿里、华为、马斯克方法论)施加压力。该技能仅在显式请求、连续失败或用户沮丧时触发,不用于常规的首次任务。README 表明该仓库捆绑了 45 个技能,本文件仅描述 .trae/skills/pua-en/SKILL.md。

该技能在匹配到触发条件时,要求 AI 先写一行 [PUA-DIAGNOSIS] 诊断(问题、证据、下一步),然后遵循事实上的 100% 证据闭环流程:提出 2-3 个互斥假设、选择最小可验证动作、运行相关检查(单元测试、构建、curl 等)、两次失败后更换路径、交付前提供证据和剩余风险。它使用一个交付模板(状态、根因、变更、证据、自我审查)来结构化输出。它还要求在任何产品判断、敏感数据访问、部署、删除或测试/CI 修改前停止并等待用户确认。

  1. 显式要求 PUA/PIP 或 try-harder 模式时,用户命令 AI 进入该模式
  2. 同一任务连续失败两次以上,AI 仍在同一路径上反复调整
  3. AI 即将放弃、无证据地归咎环境,或要求用户手动完成
  4. AI 声称完成但没有构建、测试、curl 或手动证据
  5. 用户表达沮丧('还是不行'、'再试试'、'别放弃')时自动触发

这个 Skill 有哪些优点和局限?

优点
  • 提供结构化的证据闭环,减少虚假的'已完成'声明
  • 分离职责,防止 AI 通过修改测试或环境自我评分
  • 文化叙事(如马斯克算法、华为 RCA)提供多种问题解决方法
  • 明确触发条件,避免干扰正常任务
  • 纯 SKILL.md,无额外依赖,易于跨平台移植
局限
  • 仅适用于 Trae,未适配其它平台(README 列出的其它平台为独立文件)
  • 缺少自动化测试或基准数据;README 中的基准数据是针对 Claude Code 的,不适用于此 Trae 版本
  • 文化叙事可能被误解为幽默或分散注意力,而非真正的压力
  • README 声称提高效率,但未提供本技能的具体测量

如何安装这个 Skill?

该技能位于仓库的 .trae/skills/pua-en/SKILL.md。对于 Trae,README 建议使用 Vercel Skills CLI 安装:npx skills add tanweai/pua --skill pua-en。作为替代,可以将 SKILL.md 复制到 Trae 的 skills 目录(未记录确切路径)。

如何使用这个 Skill?

安装后,技能会根据描述自动匹配触发条件。要手动触发,可以在对话中输入 /pua(README 提到 Trae 支持,但未给出具体命令)。技能本身是纯指令,没有钩子或命令。

常见问题

该技能会用于我的首次任务吗?
不会,描述明确排除正常首次尝试任务,仅在显式请求、连续失败、沮丧或未验证完成时触发。
它是否需要任何 API 密钥或网络访问?
不需要,它是纯指令,仅需要 shell 和文件系统权限用于执行命令和读取文件。
它能否修改我的代码?
它可以编辑产品代码,但禁止修改测试、CI、评分器或验证资源。环境更改(如删除文件、修改权限)前必须征得同意。
如果 AI 不遵守怎么办?
该技能没有强制机制——它依赖模型的遵循。README 中的 Claude Code 版本使用钩子强制,但此 Trae 版本是纯粹的指令。

同仓库的其他 Skills

均来自 tanweai/pua

相关 Skills