ThoughtCodec 思维编解码

解决什么问题

在工程实践中，AI Agent 经常陷入两个极端：要么面对高密度的业务意图只能给出泛泛而谈的回复，要么在经历多轮人工纠错与代码修改后，无法将沉淀下来的经验转化为可复用的系统规则。这导致代码库不断膨胀，提示词变得臃肿，且个人的 AI 工作流难以形成闭环。

ThoughtCodec 思维编解码旨在解决这一痛点。它作为一个自包含的 AI Skill 合集入口，提供结构化的机制，用于实现意图的“解压”与经验的“压缩”。

核心能力与工作流

该技能包含 5 个独立但协同的子 Skill，覆盖从架构设计到规则沉淀的完整链路。其核心逻辑是区分计算与表现，并建立严格的反馈门禁。

• 架构级脚手架生成 (architecture-scaffolding)：将模糊的业务想法解压为明确的模块边界、领域模型、API 契约和文件树，确保在编写生产代码前理清系统架构。
• SOP 实例化 (sop-instantiation)：将宏观目标拆解为带负责人、交付物和检查点的标准作业程序（SOP），并包含风险控制与复盘机制。
• 规则与提示词迭代 (rule-prompt-optimizer)：从审阅反馈、纠错日志中提取最小可复用指令，并按 L1 到 L4 的层级进行归档，避免直接覆盖核心规则。
• 代码抽象与封装 (code-abstraction-encapsulation)：识别重复或混乱的脚本，通过测试保护既有行为，提取纯数据返回的核心逻辑，剥离副作用。
• 个人方法论引擎 (personal-methodology-engine)：构建包含任务输入、解压、执行、结果采集、压缩门和回归检查的长期闭环系统。

适用边界与注意点

在使用 ThoughtCodec 时，请务必遵守以下工程约束：

• 禁止编造需求：在业务逻辑不明确时，应输出假设与开放问题，而非虚构实体或规则。
• 区分逻辑与渲染：严禁将 UI 布局、图表渲染或日志打印逻辑混入核心计算逻辑中。
• 渐进式规则更新：不要因为一次偶然的纠错就将局部偏好升级为全局规则（L3 或 L4），所有规则变更需经过回归检查。
• 验证优先：在没有测试保护的情况下，禁止重构现有的稳定代码或改变关键工作流的行为。