批量拷问
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 将 @kunlungrowth/batch-grill-me 安装到你的 AI 助手中。
技能介绍
设计决策散落在对话里
工程师在做方案设计时,常陷入这样的困境:需求讨论到一半,发现某个基础决策还没定论,但后续讨论早已基于某个假设展开。团队里没人专门负责“把决策串起来”,于是文档越改越乱,关键假设被沉默地埋进代码里。
用设计树和轮次收敛
批量拷问把这个过程结构化。它维护一棵设计树——每个决策是一个节点,节点之间用依赖关系连接。每轮只问前沿问题:那些前提已定、现在就该问的决策。每个问题都附推荐答案,减少用户的思考负担。
工作流很直接:
- 第一轮列出所有没有前置依赖的问题
- 用户作答后,已定决策把前沿向外推,解锁依赖它们的问题
- 某个问题的答案是另一问题的前置,那它自动排到后续轮次
- 当所有决策的支路都走过,设计树里没有沉默假设时,会话结束
事实归我查,决策归你定
这里有两个边界要说清楚:
- 找事实是技能的事:如果某个前沿问题需要文件系统或工具来确认,技能会派子agent去查,而不是问你“文件里是不是这样写的”。
- 决策是你的事:每一条决策都会问到,并且等你给出明确答案。技能不会自作主张替你拍板,也不会把决策藏在推荐答案里蒙混过关。
适用场景:你需要就某个设计或计划被系统拷问,快速收敛到共识。
不适用场景:这个技能只访谈不定实现,如果你需要的是直接生成代码或文档,它不是合适的选择。
输出是一个DesignTree工件,包含节点列表、依赖关系和轮次记录,可以交给to-spec合成规格,或继续用batch-grill-me续轮。
使用场景
- 梳理新功能时,需要把模糊需求转成明确的决策清单并确定依赖顺序
- 编写技术方案前,要把散落的设计选择整理成有结构的设计树,避免遗漏关键前提
- 评审一个计划,但发现多个基础决策还没定论,需要一个系统化方式逐轮敲定
适合人员
- 产品经理,需要在短时间内把零散的需求讨论转成结构化的设计决策清单,避免遗漏关键前提
- 后端工程师,在写技术设计文档前想把架构选择逐个敲定,而不是散落在聊天记录里
- 技术负责人,在评审架构方案时需要一个系统化方式推动团队逐条确认决策,而不是拍脑袋过
- 项目负责人,需要把讨论过的决策结构化沉淀下来,方便后续追溯和交接