context-to-capability-framework

上下文到能力框架技能

适用场景

使用此技能描述或应用可重复的工作模型，适用于：

• 自动化计划
• AI Agent 项目
• 开发者效率系统
• 内部工具
• 运营工作流
• 入职培训系统
• 技术写作
• 问题解决案例研究
• 跨领域快速上手经历

核心原则

目标不仅仅是解决一项任务。

目标是将混乱的上下文转化为可复用的能力：

messy request → clarified problem → reusable system → adopted outcome

框架

1. 解读请求背后的真实需求

人们通常会描述自己最先想到的解决方案。不要太快将表面请求当作真正的问题。

使用：

• 积极倾听
• 复述对方的话
• 识别情绪或挫折感
• 用自己的话重述请求
• 留意业务风险、截止日期、担忧、手动操作的痛点或隐藏限制
• 直接了解手动操作
• 用运营数据验证实际的摩擦点在哪里

目标：

avoid solving the stated task while missing the real need

2. 为问题构建上下文

从以下内容中整理相关上下文：

• 对话
• 文档
• 工单
• 数据
• 代码
• 之前的尝试
• 限制条件
• 手动工作流示例

然后将其转化为便于人类和 AI 工具推理的形式。

可能的输出：

• 结构化简报
• Markdown 上下文包
• 图表
• 工单分析
• 代码库地图
• 数据仪表板
• 问题陈述
• 决策备忘录

3. 找出已有的有效方案

动手构建之前，先查找已有的部分解决方案。

寻找：

• 最了解该问题的人
• 现有的内部工具
• 产品
• 方法
• 专家
• 书籍
• 框架
• GitHub 仓库
• 论坛帖子
• 文档
• 先前的尝试

原则：

Most problems are not new. Someone has likely spent more time solving a version of it than you have.

4. 组合解决方案

这是为解决当前个案。

组合适当的：

• 现有工具
• 确定性代码
• API
• AI Agent
• CLI
• 仪表板
• 图表
• 文档
• SOP
• 人类工作流调整

不要强行将所有事情都交给 AI 或代码。根据预期结果选择所需的机制。

5. 巩固经验

这与组合解决方案不同。

• 组合 = 解决当前个案。
• 巩固 = 让下一个类似个案解决得更快。

找到解决复杂问题的路径后，将其记录下来，转化为可复用的能力。

适合巩固经验的产物：

• Agent 技能
• 脚本
• 设置自动化
• 调试流程
• 可复用的提示词／上下文包
• Markdown 操作手册
• 小型内部工具
• 检查清单
• 测试框架

示例：

Fixing one broken pipeline solves the current issue.
Creating an agent skill for debugging that pipeline class makes the next similar issue faster.

6. 让解决方案真正落地

解决方案在技术上可用时，并不意味着工作已经完成。

只有当人们理解它、信任它、使用它，并能看到成效时，解决方案才算真正落地。

使用：

• 建立信心的演示
• 图表
• 流程图
• 入职培训
• 文档
• 工作坊
• KPI
• 仪表板
• 讲故事
• 金字塔原理结构
• 以问题为先的沟通方式

不要一开始就介绍技术。先从听众已经关心的问题切入。

框架简述

Decode the request behind the request → context-engineer the problem → find what already works → compose the solution → harden the learning → make it land.

应用提示词

将此框架应用于新项目时，请提出以下问题：

1. What surface request did the user/stakeholder give?
2. What deeper risk, deadline, bottleneck, or desire might be behind it?
3. What context exists: conversations, docs, tickets, data, code, previous attempts?
4. Who or what may already know part of the answer?
5. What mix of code, AI, tools, docs, dashboards, and human workflow is needed?
6. What learning should be hardened so the next similar case is faster?
7. How will the solution land: demo, onboarding, dashboard, KPI story, or leadership narrative?

质量标准

优秀的输出应清晰地区分：

• 解决当前问题
• 巩固经验以应对未来的问题
• 让解决方案得到采纳并展现成效