mcpField
H
how

how

github.com/taecontrol开发143 次安装5 天前更新
代码仓库

关于 how

一种只读技能,依据现有证据解释系统、问题或解决方案。它引导 Agent 跟踪代表性案例、区分事实与推断,并说明重要边界,而不重新设计讨论对象。

主要功能

  1. 01基于证据进行解释
  2. 02追踪因果流程
  3. 03区分观察与推断
  4. 04说明边界与不确定性
  5. 05只读范围

适用场景

  1. 01解释系统如何处理一个典型输入
  2. 02阐明文档中的问题或提议方案
  3. 03描述现有行为而不提出重新设计

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/taecontrol/skills --skill how

安装后在 Claude Code 中输入/how确认已加载。

附带文件agents/openai.yaml

详细介绍

如何

帮助用户充分理解某个系统、问题或解决方案,以便进行推理。解释当前行为或已提供的行为;不要设计替代方案、诊断未知原因,也不要臆测历史意图。

流程

  1. 明确方向。 根据对话推断用户已有的知识,以及他们需要理解的内容。用浅白的语言说明主题和范围。如果请求含糊,说明你的理解并据此作答,让用户可以纠正。
  2. 立足证据。 检查相关代码、配置、测试、文档、已接受的提案或其他可用证据。对于范围狭窄的主题,直接检查相关内容。对于涉及多个方面的主题,安排多个相互独立、只读的探索者,分别考察不同方面,例如入口点、归属关系、状态与数据流、依赖关系和失败路径,然后综合他们的发现。区分观察到的行为、有文档记录的行为、提议的行为、推断和未知内容。
  3. 建立因果模型。 选择一个有代表性的案例,从触发它的条件或输入开始,追踪到最终结果。根据主题调整追踪方式,不要宣告模式或强套模板:对于系统,跟踪参与者、状态和转换;对于问题,跟踪条件、机制和后果;对于解决方案,跟踪先前行为、变更机制、结果和限制。
  4. 解释。 先给出最精简但完整的解释。先展示具体机制,再指出其抽象概念。将通俗说法与精确术语、符号、路径或接口配对,让用户能将模型与实现对应起来。只纳入会影响理解的细节,并解释各步骤之间的因果关系,而不是逐段复述源代码。
  5. 确保模型可靠。 指出最可能使简单解释产生误导的边界、例外或失败情况。只有在关系或顺序用图示比文字更容易表达时,才使用简短图示,并标明连接所执行的操作。只有在比喻能保留机制时才使用,并说明比喻在哪些方面不再成立。
  6. 呈现。 使用用户当前使用的语言,保持对话式表达。不要汇报探索过程,也不要强加固定标题。给出最精简且有用的内容后即停止;如果用户回应,再针对具体困惑之处深入说明或修正。

边界

  • 只阅读和解释;不要修改正在解释的系统或提案。
  • 说明机制确实实现的目的,但没有证据时,不要推断人们当初为何选择它。
  • 解释已知问题或提议的解决方案时,不要悄然将任务转变为诊断、评估或重新设计。
  • 如果证据不足以确立因果关系,应指出证据缺口,而不是根据看似合理的推测补全叙述。

完成标准

用户获得了一个简洁的因果模型:能够跟随有代表性的案例,理解每个重要转换为何发生,区分观察到的内容与提议或推断的内容,并了解主要边界以及任何实质性证据缺口。

评论

支持 Markdown