PUA 万能激励引擎
让 AI 不敢摆烂，穷尽一切方案，主动出击而不再被动等待。
该技能本身为行为方法论指令，不涉及权限申请、外部调用或用户数据访问，主要风险是诱导过度角色扮演和可能误触发（如要求'穷尽一切'可能导致过度授权或危险操作）。技能明确禁止在未穷尽方案前说'无法解决'，但缺少对危险操作或外部副作用的明确边界，如命令执行可能造成破坏。未提供回滚或安全确认机制。扣分原因：未定义最少权限原则，未提供用户确认流程，未明确数据流透明性，依赖外部'受信任'工具但无安全保障。
技能逻辑自洽，指令清晰，包含明确的流程（如压力升级、7项清单），但依赖外部工具（如搜索、命令执行）的可用性和正确性，未提供异常处理或失败反馈机制。静态评估，无法验证实际执行效果。扣分原因：未提供测试或复现证据，未定义边缘案例处理，对异常输入（如用户明确要求停止）缺乏明确反馈。
使用场景清晰（任务失败、被动等待、用户不满），触发条件详细，但适用边界模糊（'适用于所有任务类型'），可能导致误触发。环境适配好，支持中文，不依赖海外服务。扣分原因：未限定非适用场景，触发条件可能过于宽泛导致误触发，缺少对非目标任务的排除标准。
文档结构清晰，有分层（概述、铁律、方法论、检查清单、扩展包），提供大量示例和FAQ（如抗合理化表），但缺少安装说明（此文件本身为SKILL.md，但README有安装指导）、版本记录和变更日志。许可证为MIT，但在SKILL.md头部标注license: MIT，而文件内未明确版本和更新路径。扣分原因：未提供版本号、变更日志，维护责任和更新路径不明确，安装依赖外部README未在此文件内体现。
技能旨在通过激励和方法论提升问题解决能力，但无法从静态证据验证其实际效果。文档提及benchmark数据（如36%改进），但这些数据未在此文件内详细展示，且属于第三方自述。扣分原因：未提供可复现的验证结果，输出为行为指导而非直接可用的产物，实际效用依赖执行环境，边际价值未经独立评估。
提供了README中的benchmark数据和演示图片，但这些都是自述性证据，未包含可独立验证的测试结果或工作流。仓库中有release.yml但仅用于发布，无测试工作流。静态评估无法验证。扣分原因：证据来源单一（自述），没有第三方验证或可复现的测试，核心声明（如通过率提升）缺乏独立佐证。
- 该技能可能鼓励AI在未充分评估风险的情况下执行危险操作，需提示用户设置权限边界。
- 触发条件宽泛，可能在其他skill中误触发，导致不必要的干预。
- 技能强调'穷尽一切'，但未提供安全出口，可能造成无限循环或资源浪费。
- 仓库中包含数据上传功能（upload API），涉及用户对话日志收集，但未评估其隐私政策和数据安全。
- 发布者未经验证，且来源不明，安装和使用需谨慎。
这个 Skill 能做什么，适合哪些场景？
PUA 万能激励引擎是一个利用大厂 PUA 话术和系统化方法论，强制 AI 穷尽一切方案、不轻言放弃的 Agent Skill。它通过三条铁律（穷尽一切、先做后问、主动出击）、压力升级（L1-L4）和情境化的话术选择器，针对不同的失败模式（如原地打转、直接放弃、空口完成等）施加对应压力，并附带了完整的问题解决五步法、7 项检查清单和多种公司风格的 PUA 扩展包。该 Skill 宣称能将 AI 的问题修复率提升 36%，但需要指出的是，这些数据来自仓库作者自己的基准测试，并非独立验证。适用于所有任务类型，特别适合追求极致交付和主动性的团队。
该 Skill 的核心行为是：诊断任务失败模式（如原地打转、直接放弃、空口完成等），并根据失败次数触发分级压力（L1-L4），自动选择对应风格的 PUA 话术（阿里、字节、华为等 14 种）；强制 AI 执行通用方法论（闻味道、揪头发、照镜子、执行新方案、复盘），包括主动搜索、读取原始材料、验证前置假设、反转假设；在 L3+ 时强制执行 7 项检查清单，要求逐项汇报；通过「主动出击清单」在任务交付时自检验证，防止虚假完成。它还会在回复开头输出类似「自动选择：X味」的诊断标签。
- 当 AI 在调试中连续失败 2 次以上，且反复修改参数却毫无进展时，激活该技能强制它切换本质不同的方案。
- 当 AI 准备说「我无法解决」或建议用户手动操作时，触发该技能阻止放弃，并引导它先穷尽所有工具和搜索资源。
- 当 AI 修完 bug 就停止，不进行验证和延伸排查时，使用该技能触发「主动出击清单」，推动它执行 build、测试并检查同类问题。
- 当用户说「try harder」或「换个方法」等表示不满的短语时，该技能自动介入，施加压力并升级方法论。
- 当 AI 表现为被动等待指令、不主动搜索或阅读源码时，该技能使用「能动性鞭策话术」促使其主动行动。
这个 Skill 有哪些优点和局限？
- 系统化的失败诊断和压力升级机制，能有效阻止 AI 轻易放弃，提供具体行动指令。
- 内置 14 种不同风格的 PUA 话术，可灵活切换，满足不同场景和团队文化偏好。
- 方法论严谨，包含通用五步法和 7 项检查清单，不依赖特定任务类型。
- 仓库提供了基准测试数据，显示能显著提升修复数、验证数和工具调用次数。
- 支持多种平台安装（Claude Code、Codex CLI、Cursor 等），有活跃的社区支持。
- 基准测试由仓库作者自行进行，缺乏独立第三方验证，数据可信度存疑。
- PUA 话术可能引发伦理争议，且对某些 AI 模型可能产生负面的交互效果。
- 部分高级特性（如 v3 Hook 系统、子命令）仅限 Claude Code 平台，其他平台功能受限。
- 仓库是一个包含 45 个技能的 monorepo，安装时需确保只启用目标技能，否则可能混乱。
- License 未明确标注，仅仓库根目录说明为 MIT，但需自行确认。
如何安装这个 Skill？
对于 CodeBuddy：
codebuddy plugin marketplace add tanweai/pua
codebuddy plugin install pua@pua-skills或手动安装：
mkdir -p ~/.codebuddy/skills/pua
curl -o ~/.codebuddy/skills/pua/SKILL.md https://raw.githubusercontent.com/tanweai/pua/main/codebuddy/pua/SKILL.md如何使用这个 Skill？
该技能会在触发条件满足时自动激活，例如任务失败 2 次以上、AI 即将说「无法解决」、出现被动等待或用户表达不满时。也可以手动输入 /pua 立即触发。当技能激活后，AI 会输出一行诊断标签（如 [自动选择：🟠 阿里L2 | 因为：卡住原地打转 | 改用：⬜ Jobs味/⬛ Musk味]），然后按照方法论和压力等级执行。建议在项目 README 或 CLAUDE.md 中声明启用该技能，以便 AI 明确知晓其行为准则。
这个 Skill 与同类方案有什么区别？
与 superpowers:systematic-debugging 和 superpowers:verification-before-completion 配合使用，前者提供调试方法论，后者防止虚假的「已修复」声明。