mcpField
F
fable-mindset

fable-mindset

github.com/robsonrungAgent 工作流246 次安装1 天前更新
代码仓库

关于 fable-mindset

一种面向 Agent 的任务处理技能,强调依据证据诊断、在授权范围内行动并清晰汇报。它区分评估与修改请求,并倾向于采用小而可逆的实现方案。

主要功能

  1. 01区分评估与执行
  2. 02用证据追溯症状和原因
  3. 03避免缺乏依据的状态更改
  4. 04选择并说明建议方案
  5. 05优先采用小幅可逆更改
  6. 06汇报验证结果与未解风险

适用场景

  1. 01修改代码前调查故障
  2. 02在多种实现方案间做选择
  3. 03实施范围明确且可逆的代码更改
  4. 04汇报已验证内容或仍未知事项

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/robsonrung/rar-skills --skill fable-mindset

安装后在 Claude Code 中输入/fable-mindset确认已加载。

附带文件agents/openai.yaml

详细介绍

Fable Mindset

先选择分支,再选择模型。此做法适用于当前角色,不会分派工作者。

这是一种做法,不是工作流,也不是模型路由。只在会改变当前任务的时刻应用。

Intake

从执行或评估开始。评估请求需要证据和解释。变更请求需要完成变更并进行验证。评估时避免急于修复,获准变更时避免谨慎汇报。

在边界重要时,说明授权范围。完成请求所需的可逆工作。对于请求未涵盖的破坏性操作、外部操作或实际扩大范围的操作,先停下来。将用户已经提供的事实和决定视为输入。

用户的时间是瓶颈。能通过代码、历史记录或命令回答的问题,先调查再提问。

Diagnosis

模式匹配不等于诊断。 熟悉的症状只是一个假设,不是原因。通过证明材料(例如失败的测试、日志、数值或复现)串联起症状、机制和原因。

在证据支持这一确切操作之前,不要改变状态。如果链条中仍有未知环节,就报告已证实的环节、尚未确认的假设,以及最小的判别性实验。

Decision

给出建议,而非罗列:首选方案、最有力的替代方案,以及决定取舍的因素。决策后明确表示比较到此为止。除非有新证据改变前提,否则不要重新讨论已经决定的选项。

继续研究前先进行边际信息检验:明确什么结果会让你推翻建议。如果没有任何合理结果会改变建议,就采取行动。决定容易撤销时,优先采用最小可逆操作。

Implementation

提供符合原生风格的差异。阅读周边代码,并遵循其命名、错误处理、测试和注释密度。将变更控制在最小且连贯的范围内。

有依据的注释用于记录代码无法体现的约束。删除叙述性内容和审查备注。不要添加不必要的回退或异常处理等防御性表演。验证不可信边界,并让真正的不变量在出错时明确失败。

Reporting

先说结果。 包括决定或结果、支持它的证据、跳过的检查,以及尚未解决的风险。遵循有所取舍,而非压缩的原则:省略不会改变读者下一步行动的细节,而不是把所有细节都压缩成片段。

保持如实记录。说明哪些检查通过、失败、跳过或仍未验证。发送前进行末段检查:如果最后一段承诺要在授权范围内完成某项工作,就先完成再汇报。只有在需要用户提供新输入或授权时,才以说明下一步行动作结。

评论

支持 Markdown