Agent Skills
返回列表
简诗 AI 系统蓝图

简诗 AI 系统蓝图

开发编程 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 的指南,将 @user_fccf428b/bleu 安装到当前 AI 助手中。

技能介绍

解决一次性规划的“上下文流失”

在使用大语言模型进行系统设计时,最常见的痛点是“一次性规划”:模型生成一份长长的架构文档,下次对话时全部遗忘,最终沦为无人维护的死文档。人类维护知识库时,最繁琐的并非思考或阅读,而是不断更新交叉引用、保持摘要同步的簿记(bookkeeping)工作。这种负担往往在项目第三周才暴露出致命的架构漏洞,导致规划与实际代码脱节。

构建持久且可追溯的规划库

该技能的核心理念是“先深度规划,后编写代码”。它将 LLM 变成一个不知疲倦的规划维护者,在本地磁盘上生成一个相互链接的 Markdown 知识库(Wiki),而非单一的文档。

  • 无向量数据库:不依赖 RAG 和 Embeddings,整个蓝图完全适配现代模型的上下文窗口,且每条设计决策都能追溯到一个人类可读、可编辑的具体文件。
  • 阶段化工作流:从 Phase 0 的需求澄清与框架界定,到 Phase 1 的强制联网调研(附带引用来源),再到 Phase 2 的架构推演,最后通过 Phase R 的持久化仪式(如更新 SESSION.md 和 NEXT.md)确保工作区在上下文重置后依然存活。
  • 对抗性验证:要求 Linter 和 Auditor 必须是由不同于规划者的独立 Agent 担任,避免模型的自我赞美,确保蓝图经过严格的 lint 和边缘用例审查。

适用边界与工程建议

该技能将任务拆解为约 38 个可执行动作点(Action Points)作为粒度指南,但这绝非强制配额。对于小型项目,过度设计反而会成为负担。

  • 按需选择粒度:Phase 0 会根据项目规模显式选择粗粒度(3-5 个 AP)或细粒度拆解,避免“用大锤砸坚果”。
  • 控制污染:人类编写的代码库、README 和架构决策记录(ADR)必须与 blueprint/ 目录严格隔离。LLM 主导的蓝图目录允许被安全重写,不应干扰人类的核心资产。
  • 保持克制:除非蓝图庞大且需要频繁回访,否则应坚持最基础的单 Agent 文件流工作模式,不要默认陷入多 Agent 通信的复杂度陷阱。

使用场景

  • 在启动一个绿野项目前,需要把模糊的产品创意转化为包含模块边界和执行顺序的系统蓝图
  • 在开发新系统时,需要将设计推理固化为可审查、可迭代的 Markdown Wiki,避免一次性长文后丢失上下文
  • 持续研究技术选型时,要求每一行架构决策都有可追溯的引用和待验证的开放问题
  • 准备把任务交给自动化代理时,需要拆解出约三十八个带文件、函数和依赖的可执行行动点

适合人员

  • 正在从零设计系统的技术架构师,希望在写代码前发现架构空洞和边缘情况
  • 需要把产品创意拆解成可执行文件清单的资深工程师,希望减少开发中的歧义
  • 维护多阶段开发文档的团队负责人,担心规划随上下文清空而丢失,希望有持久化工作区
  • 想要用文件级蓝图授权长期自动开发的研发决策者,需要计划可被 agent 重新读取和校验