协作存证
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 @user_3c6cb52e/collab-proof 安装到当前 AI 助手中。
技能介绍
要解决的问题
AI 协作的证据大多只活在一个对话窗口里:改了什么、为什么改、当时在 A 和 B 之间怎么权衡、Claude 是独立发现了 bug 还是只做了转录。上下文一旦被压缩,或者会话结束,这些信息就跟着消失了。collab-proof 的目标是把这些「开发者并没有有意识地记录」的协作痕迹,从 git 历史和对话上下文里捞回来,落成可检索、可回溯的文件。
技能如何工作
整条流水线分三层,纯 prompt 驱动,零依赖。
- Layer 01 — Signal detection:先跑
git log --oneline -10和git diff --stat HEAD~3..HEAD,再按规则把会话判为 HIGH / MEDIUM / LOW。判为 HIGH 的典型情形包括新建文件、修改 4 个以上文件、出现显式的选项对比(vs、instead of)、设计讨论超过 15 轮,以及带根因分析的 bug 修复。这里有一条专门规则:只要对话里同时出现根因解释("the bug was caused by...")、诊断过程("I checked...")和修复理由,即使只改了一个文件也归 HIGH——单文件的高质量诊断,价值高于十个文件却没有讨论的功能改动。 - Layer 02 — WorkIntentClassifier:同时对四个 frame 打分。
Frame A衡量代码改动的复杂度,Frame B捕捉开发者的怀疑信号(回滚、中途提问、同一区域多次返工),Frame C记录决策分叉,Frame D评估 AI 的实际贡献度。另有一条 pruning 规则:当Frame A达到 0.8 且Frame D不低于 0.6 时,即使 B 和 C 都是 0 也不裁剪——快速推进、零不确定性本身就是 feature building 的特征,而不是丢弃理由。 - Layer 03 — Output:HIGH 信号写入
DECISIONS.md、WORKLOG.md和带 token 统计的 session narrative,并生成一个自包含的 HTML 佐证页(固定配色与 class 结构);MEDIUM 只往WORKLOG.md追加一行;LOW 直接回复没有值得记录的内容。
另有 PreCompact 快照机制:上下文即将被压缩时,把当前信号等级与四帧分数写入 session-history/.tmp-*.json,会话结束时合并取各帧最大值,被压缩掉的权衡讨论不会丢。
适用边界与注意点
整套机制的输入是对话文本本身,所以它只对「真的讨论过」的内容有效。如果开发者全程单向下指令、不做对比也不解释,Frame B 和 Frame C 会很低,意图被判为 FLOW_STATE,此时不产出任何记录——这是刻意的诚实原则,不是漏检。
规则里明确要求不捏造:没有真实分叉就不往 DECISIONS.md 写条目,推断出来的推理一律加 inferred: 前缀,Frame D 的打分既要避免高估也要避免无视 AI 的贡献。HTML 输出的结构、配色和 section 顺序都是固定的,不要自行改名或重排。
换句话说,这个技能适合需要给协作过程留下审计轨迹的工程团队;如果只是想安静地写代码,它会正确地保持沉默。
使用场景
- 结对编程时在 A 与 B 两个方案之间反复权衡,需要把分叉讨论和最终取舍留档,而不是只留下一个 commit。
- 修完 bug 并定位到根因,想让会话证据说明修复的推理过程,而不只是看一行 diff。
- 长会话即将被压缩,希望先保存当前四帧分数和关键权衡,会话结束后合并成完整记录。
- 需要量化 AI 在会话中的实际贡献,区分它独立发现了边界情况,还是只转录了你给出的代码。
适合人员
- 需要在代码评审或合规审计中说明 AI 参与程度的工程团队
- 维护长会话、担心上下文压缩丢失关键讨论的技术作者
- 依赖 git 历史和会话记录做知识库沉淀的研发小组
- 需要区分「AI 独立发现」与「照抄指令」两类贡献的技术负责人