Agent Skills
返回列表
🤖

转为问卷

AI Agent 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 的指引,将规范名为 @kunlungrowth/to-questionnaire 的技能安装到你的 AI 助手中。

技能介绍

解决什么具体问题

在做技术选型或方案决策时,我们经常会遇到一个尴尬的局面:自己缺乏某些关键上下文,必须去请教领域专家或利益相关者。但直接发一句“你觉得这个方案怎么样”往往得不到有效回复,或者对方随便敷衍两句。信息差导致决策卡壳,反复沟通又浪费双方时间。这个技能就是为了解决这种“异步信息收集”的痛点而生的,它将模糊的请教转化为一份结构清晰、直击要害的 Markdown 问卷。

核心工作流与设计

该技能的工作流严格遵循“只拷问发送,不拷问主题”的原则,分为三个关键步骤:

  1. 明确接收方与目标:首先,Agent 会引导你理清“发给谁”和“要拿回什么”。你需要明确接收方的角色、专业度以及你与他们的关系,这决定了问卷的上下文携带量和语气。同时,界定出你无法独自决定、必须依赖对方提供的具体事实或决策点。
  2. 生成结构化问卷:基于上述信息缺口,Agent 会生成一份“发现式问卷”。问题遵循“最重要者优先”的原则,因为异步填写时对方可能只扫一眼。如果问题较多,会使用 ## 主题 进行分组。
  3. 规范化输出与落盘:每个问题只包含单一想法,避免复合提问。只有在容易导致误读或敷衍时,才会追加一行“为何重要”作为提示。问卷末尾固定包含一个 catch-all 问题(“还有别的吗?”)。最终,文档会保存为当前目录下的 to-questionnaire-<slug>.md 并返回路径。

适用边界与注意点

在使用此技能时,需要明确其定位边界:

  • 只做信息收集,不做决策代理:技能不会替你回答问卷,也不会去深究决策主题本身的技术细节。它的唯一目标是把缺失的信息“问”出来。
  • 依赖清晰的输入:如果你自己都不知道该问什么、需要谁的输入,Agent 也无法凭空捏造。你需要提供明确的决策主题和大致的接收方画像。
  • 下游可互操作:问卷填回后,生成的 Questionnaire 工件可以无缝传递给 grill-me、batch-grill-me 等下游技能继续深挖决策,或交由 to-spec 合成最终规格。

使用场景

  • 技术选型前需要向供应商收集关键参数,把决策依据缺口整理成一份问题清单
  • 需求调研阶段需要向领域专家索取专业知识,把独自答不全的问题转成问卷
  • 跨团队协作时需要从相关方获取决策输入,用最少的来回补齐信息缺口
  • 异步沟通中需要把模糊的请教转化为结构化文档,交给对方一次性填写

适合人员

  • 后端工程师,需要在引入消息队列前向供应商确认吞吐与持久化等关键技术指标
  • 产品经理,需要把模糊的客户需求转化为结构化问卷,交给业务方异步填写
  • 架构师,需要在方案评审前向领域专家收集决策依据,避免基于错误假设做判断
  • 技术负责人,需要把跨团队的信息收集任务固化为一份问题文档,减少反复沟通