追问我

核心问题：设计决策中的‘表面共识’与‘隐性依赖’

在工程团队的设计讨论中，一个常见的陷阱是快速达成“表面共识”：大家点头同意一个高层方案，但在具体实现时，各种未预见的细节问题、技术权衡和依赖关系才会暴露出来。这导致设计文档成为摆设，实现阶段充满意外的返工。另一个问题是“决策孤岛”：每个技术选型（如数据库、通信协议）被孤立地决定，它们之间的复杂影响和前置依赖未被系统性地梳理。

“追问我”（Grill Me）技能正是为解决这一困境而设计。它模拟了一个严苛但结构化的技术面试官，通过无情的、系统性的追问，强迫团队将模糊的直觉转化为清晰的、已验证的决策，确保所有分支和依赖在动手前都被充分探讨。

技能如何工作：四阶段结构化追问

该技能的核心是一个由 AskUserQuestion 工具驱动的四阶段面试流程，结合 TaskCreate/TaskUpdate 实时维护决策树状态。其工作流如下：

1. 深度预热（阶段0）：在提问前，技能会并行执行深度探索。它首先调用 mcp__cloud_brain__cb_retrieve_memories 和 mcp__note__search_wiki 搜索历史决策与知识库，同时用代码扫描工具探索现有实现。只有发现只有意图、权衡、未实现部分需要讨论时，才会向用户提问。

1. 结构化追问（阶段1-4）：流程从目标对齐（确认做什么、不做什么）到架构决策（技术选型、模块划分），再到边界与风险（错误处理、并发），最后是实现细节（算法、API设计）。在关键的架构决策阶段，技能必须生成 Mermaid 图来可视化讨论的关系。

1. 深度优先与分歧优先：追问策略是“深度优先”，沿最关键分支深挖到底；同时也是“依赖优先”，先解决其他决策所依赖的前置问题。当用户提出新想法或疑虑时，会“分歧优先”展开讨论。

1. 智能终止与记忆持久化：当所有决策任务完成、用户明确终止或连续选择推荐选项无分歧时，追问停止。技能会输出决策摘要，并使用 mcp__cloud_brain__cb_write_memory 将关键决策（如选型理由、遗留风险）持久化为项目记忆，供后续讨论直接引用。

适用边界与注意点

• 定位：这是一个深度方案设计与对齐工具，适用于从零设计或重大重构的场景。它不替代所有轻量级的设计评审，其价值体现在对复杂、多依赖方案的彻底厘清上。
• 交互前提：依赖用户对 AskUserQuestion 工具交互界面的配合。推荐选项（标记为 (Recommended)）提供了明确的引导，但用户需主动参与选择。
• 可视化约束：生成的 Mermaid 图仅限 graph 基础语法，以保持简洁。若需更复杂的架构图，可能需手动调整或使用其他工具。
• 记忆系统：其“记忆”功能依赖 mcp__cloud_brain 后端。在无该服务环境下，决策树状态和摘要仍会保留，但跨会话的决策连续性将缺失。