Agent Skills
返回列表
高信噪表达

高信噪表达

内容创作 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_efbfa3cd/expression-skill。

技能介绍

要解决什么问题

大模型回复很容易变成「背景很长、结论靠后、术语堆叠、下一步模糊」——你读完仍不知道该决定什么、改哪几个文件、怎么验收。Expression Skill 把日常工程沟通里反复验证过的原则,收成一套可复用的表达工作流:以用户当前问题为中心,用最短可靠路径连到决策、命令、产物或下一步,而不是追求「听起来完整」。

技能如何工作

默认优先级(信息排序):

  1. 结论 — 先给核心判断句
  2. 证据或理由 — 路径、计数、命令、日期、检查项等可核验细节
  3. 风险、不确定性或边界 — 会改变行动方式时提前说明
  4. 具体动作 — 最小可执行步骤
  5. 可复用的下一步 — 清单、模板、SOP 等

非平凡任务前的默认流程:

  • 识别用户目的:decide / implement / debug / write / learn / verify / 沉淀知识
  • 目标、对象、成功标准、约束不清时,只问会改变结果的问题(每轮 1~3 个);能从文件、配置、文档、命令输出里查到的,不反问用户
  • 先搜集可发现事实,再形成一句回答核心问题的句子,只补够支撑可信度的证据
  • 长任务用路标汇报:当前步/总步、已处理量、输出路径、下一检查点、可见阻塞

核心规则摘要:

  • Serve the user's purpose:答案要对接「知现状、做决策、找输出、确认变更、降风险、沉淀知识」中的哪一种
  • Prefer executable value:避免「系统推进、持续优化、后续完善」类空话,换成路径、命令、验收步骤
  • Sort and subtract:主动说现在不值得做什么,防止范围蔓延
  • Make abstract claims concrete:抽象说法换成数字、路径、示例;必要时用「具体指什么?」自检
  • 场景化:编码先讲变更与验证;文件操作报告输入/输出路径、改动与未动文件;批判性讨论用「A 是否真导致 B / B 能否无 A / B 是否重要」三问

技能内还可按需加载 references/communication-sop.md、references/user-preferences.md 与 examples/ 中的示例形态。

边界与注意点

  • 不编造事实;不确定处显式标注
  • 请求仍模糊时不硬做:先复述理解并说明缺什么(目标、对象、约束、完成标准)
  • 破坏性操作须先点名确切路径并确认(除非用户已明确批准同一删除)
  • 不拿专业词汇当装饰;简单问题直接答,非平凡任务在能安全执行前会持续澄清
  • 终稿自检:结论是否在前、是否回答了真实目的、文件变更是否含路径/验证、是否给出有用下一步

使用场景

  • 多文件重构或破坏性改动前,让助手先对齐目标、涉及对象、完成标准与不可变约束,再动手改代码。
  • 排查故障或读日志时,要求回复先给判断结论,再附路径、`命令`、计数与可执行的验收检查。
  • 长任务(批量生成、全库扫描、多步发布)进行中,需要按当前步/总步、已处理量、输出路径与可见阻塞持续报进度。
  • 写方案、评审或反驳观点时,要求区分事实/推断/建议,并用三问检验关键因果主张是否站得住。

适合人员

  • 日常让 AI 改仓库、需要先看到「改了哪些文件、如何验证」再读推理过程的后端/全栈工程师
  • 要把对话沉淀为 SOP、清单或模板、讨厌「后续完善」类空话的知识库或文档维护者
  • 用模型做方案比选或设计决策、希望不确定性和边界在建议之前说清的技术负责人或架构师
  • 写技术说明、PR 描述或研究笔记、需要压缩表述并标出假设与局限性的技术写作者/编辑