AI 输出失败分诊

解决的问题

当 AI 返回错误、浅表、不安全、跑题、不完整或不可用的答案时，直接重试往往只是把同一个坏提示词再跑一遍。ai-output-failure-triage 用于先做一次失败诊断：把原始目标、提示词、模型输出、缺口、缺失上下文和验证需求拆开，判断问题更像 goal ambiguity、missing context、reasoning gap 还是 capability mismatch，再决定是重写提示词、补充资料、切换工具，还是转人工处理。

工作方式

这个技能是 prompt-only 的诊断流程，不依赖 API、网络、凭据或可执行代码。它会先建立一份紧凑记录：用户想要的结果、原始指令、失败输出、期望与实际的差距。随后按证据分类最可能的一到三个原因，并给出缺失上下文清单，标记为 needed now、helpful later 或 not required。

核心产出包括：

• 更清晰的任务框架：角色、目标、输入、约束、输出格式、验证要求、不确定时行为。
• 验收测试：必须包含的内容、禁止事项、格式要求、证据要求和需要观察的失败模式。
• 重试决策：明确给出 retry、gather more context、switch tool/model/workflow、ask human 或 manual handling。

适用边界

它不保证下一次 AI 回答一定正确，也不能替代专业判断。对医疗、法律、财务、安全关键或高敏感任务，应把 AI 输出视为待审核材料，并要求独立验证。用户不应把密钥、凭据、私人记录或机密业务数据直接粘入模型；需要共享的上下文应先脱敏、摘要或本地处理。