Qin 全力模式
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,安装 @user_401e3080/qin。
技能介绍
要解决的问题
Qin 全力模式 面向的不是简单问答,而是长任务执行中的几类失控点:上下文只收集一次、诊断与验证被跳过、危险操作缺少确认、关键决策随长对话被压缩、中断后难以继续、同类错误反复出现。它把 agent 的执行过程拆成强制阶段,用流程、状态文件和检查项约束后续行为。
工作方式
- 激活即验证:每次激活都要求执行初始化检查,建立工作目录和状态文件,避免任务从中间步骤开始。
- 先收集再规划:
P0收集 Git 状态、历史和工作目录结构;P1根据任务类型选择策略,例如问题排查、代码开发、数据分析、文档编写。 - 执行中保留记忆:
P2深度执行时,Phase M要求把重要配置、关键决策、用户偏好和项目规范写入MEMORY.md。 - 危险操作分级:
Phase S对rm -rf、删除数据库、格式化、修改系统配置、重启服务等操作要求确认或备份。 - 错误与恢复:
Phase E区分致命、可恢复和警告错误,并采用降级路径;Phase R在关键步骤创建检查点,支持中断后恢复。 - 上下文管理:长对话超过轮次或上下文阈值时,保留核心决策和重要中间结果,丢弃低价值内容。
适用边界
它适合可分阶段、需要诊断、验证和恢复的工程任务,例如排障、开发、运维、数据分析和深度研究。对于一次性简单命令或无需持续上下文的任务,强制流程会增加额外步骤。它不会替代用户对高风险操作的最终确认,资料中也未展开全部禁用场景和决策树细节。
使用场景
- 排查线上服务 500 错误:先收集 Git 状态和目录结构,定位根因、修复并验证。
- 重构多模块代码前:按需求分析、实现、测试推进,并对删除文件等操作做危险分级确认。
- 长数据分析任务中:跨多轮对话保留核心决策和中间结果,在上下文变长时触发压缩。
- 编写研究整理文档:规划结构、编写内容、审核输出,并把关键结论写入 `MEMORY.md`。
适合人员
- 负责服务排障的后端工程师:需要在长对话中保留诊断线索、验证修复,并避免误删配置。
- 做数据清洗与口径整理的分析师:需要把多轮分析中的关键决策、参数和中间结果沉淀到记忆文件。
- 使用 agent 执行运维脚本的工程师:需要危险命令确认、备份提示、失败降级重试和中检查点恢复。
- 维护多阶段研发流程的技术负责人:需要把分析、执行、安全检查、交付验证拆成可检查步骤。