人机协作乔哈里窗

协作失败往往不是算力不够，而是信息不对称

做过几轮人机协作的工程师大概都有这种体验：AI 给出的方案逻辑严密、结构完整，但推进到一半才发现——你以为的"常识"它不知道，它默认的前提和你的实际约束完全对不上。问题的根源很少出在模型能力上，更多在于协作开始时双方对"已知"的理解根本没对齐。

乔哈里窗（Johari Window）是心理咨询领域经典的沟通模型，通过"我是否知道 × 他人是否知道"两个维度把信息划进四个象限。这个技能做的事情很直接：把模型里的"他人"替换成"AI"，让这套框架在人机协作前跑一遍。

核心逻辑：四象限与三个杠杆

• 开放区（我知道 / AI 知道）：双方信息已对齐的舒适圈，是协作的底座，先守住。
• 盲区（我不知道 / AI 知道）：我忽略的约束、遗漏的风险，策略是让 AI 补充并主动求反馈，这是见效最快的杠杆。
• 隐藏区（我知道 / AI 不知道）：我的前提假设、顾虑、不成熟的草稿，策略是主动披露——这一栏最容易被跳过，却是 AI 能否补准的关键。
• 未知区（我不知道 / AI 也不知道）：双方都没想清楚的探索方向，策略是共同探索，约定"探索→反馈→再探索"的小循环。

唯一目标是扩大开放区。技能在激活后会按四步逐栏引导，每栏先抛出核心问题（例如："这次协作做成什么样算成功？关键背景要不要先对齐？"），等用户回答后再记要点，而不是一次性把四栏全问完。收尾时回显四栏要点，并明确本轮要把哪个象限往开放区推一步。

适用边界与注意点

这个技能有几个明确的铁律：

• 不代决策：只做协作前的信息盘点，不替用户做任务、不自动执行动作，默认走审核档。
• 不误触发：纯聊天、知识问答、写代码场景不会激活，只有"协作前自检 / 乔哈里窗"语义或用户显式提到四象限才介入。
• 渐进披露：完整引导逻辑都在 SKILL.md 里，references/johari-checklist.md 是可选的增强清单，缺了也能正常跑。

习惯养成上，建议连续使用 7 天形成节奏，协作后的 30 秒三问复盘（暴露了哪个盲区、披露了什么、共同探索出了什么）会让改变被看见，而不是靠一次"省事"的幻觉。