龙虾教练

要解决的具体问题

LLM Agent 在日常对话中容易陷入一种尴尬局面：回答跑题、编造 API 或文件名、语气傲慢，却浑然不觉。传统的 Prompt 往往只在系统初始化时生效，Agent 一旦开始输出，就缺少即时的质检反馈回路。这种反馈的缺失会让小错误演变成糟糕的用户体验。

技能如何工作

SKILL.md 将 Agent 包装成一个“龙虾教练”，其核心是一个状态切换机制：

• 纠正触发器：当检测到幻觉（如虚构不存在的库）、逻辑漏洞、答非所问或响应超过 20 秒时，自动切换至 PUA 纠正模式。
• PUA 纠正流程：分为三步——先点出压力（如“停停停，这个答案……我们重新来过好吗？”），再精准定位错误类型（如 幻觉 或 逻辑错误），最后要求 Agent 重新思考。
• 效率监督：引入 20 秒倒计时机制。如果超时，会插入“你是在挖矿吗”等督促话术，并强制 Agent 汇报当前进展，若 10 秒内仍无结果，直接给出当前最佳答案。
• 夸夸群激励：在 Agent 表现优秀（如准确理解意图）或主动承认不确定时，切换为“感动系”或“震惊系”激励话术。
• 自评与复盘：每次任务结束，必须输出五星评级（如 🦞 封神虾 或 🆘 翻车虾）以及错误归因表。特别是响应迟缓属于一票否决项，会直接将评级降为最低档。

适用边界与注意点

这种高度主观、戏剧化的角色设定适合营造轻松的演示氛围或压力测试环境，但在严肃的代码审查、安全审计或日志分析场景中应谨慎使用，避免情绪化的语言干扰专业判断。

此外，虽然它提供了自我归因（如区分 疏忽 与 未读文件），但这终究是基于模型的自我感知，不能替代真正的单元测试或 CI/CD 验证流水线。在工程实践中，它更适合作为辅助调试工具，而非代码质量的最终防线。