Agent trace 诊断器：当用户提供 trace、日志 JSON、agent 执行记录、工具调用序列，或说“看下这个日志/trace，定位根因”“只说明问题不要改文件”时使用；用中文输出核心根因、可视化执行流程图、trace 证据链、可能文件/行和修复建议，默认只读。不用于没有日志证据的新功能设计、普通代码解释或直接修复代码。
日本語の概要は準備中です。原文の説明を表示しています。
PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新
無料GitHub で公開
ai-collaboration-calibration
协作校准 / 认知校准 / 问题脑暴：当用户有模糊感受说不清问题、方案越补越复杂、想挑战假设、 想重新定义问题、想知道成熟领域里怎么叫这个问题时使用。
可用中文唤起："帮我想想""先聊一下""一起脑暴""我感觉有问题但不清楚是什么" "先别执行，帮我看清问题""挑战我的假设""这个方案是不是想错了""帮我做认知校准" "双向钢人""钢人论证一下""正反最强论证，给我明确判断"。
也适用于：用户直接说"帮我做 X 功能""接入 Y 平台"但背景复杂、或对话早期感觉方向可能跑偏时， AI 主动识别并建议进入脑暴模式。这里的“挑战假设”主要指问题定义、目标、约束和领域定位层面的假设；如果问题已确认且用户已有具体方案、 计划、架构或决策要压力测试，应转用 grill-me。
不用于翻译、摘要、格式整理、单文件小改等简单执行任务。
含まれるファイル（22）
- SKILL.md7.1 KB
- evals/check-rules.md2.2 KB
- evals/evals.json4.0 KB
- evals/test-prompts.csv1.6 KB
- references/anti-patterns.md3.1 KB
- references/brainstorm-mode.md4.5 KB
- references/modes/01-challenge.md1.1 KB
- references/modes/02-domain-mapping.md1.3 KB
- references/modes/03-blind-spot.md1.0 KB
- references/modes/04-best-practice.md1.1 KB
- references/modes/05-problem-classify.md1.7 KB
- references/modes/06-failure-premortem.md1.4 KB
- references/modes/07-solution-space.md1.3 KB
- references/modes/08-crux.md1.3 KB
- references/modes/09-expert-role.md1.1 KB
- references/modes/10-upgrade-path.md1.1 KB
- references/modes/11-level-up.md1.2 KB
- references/modes/12-asset-capture.md1.6 KB
- references/modes/13-steelman-verdict.md2.6 KB
- references/output-format.md1.2 KB
- references/quality-checklist.md1.9 KB
- references/standard-opening.md1.8 KB
SKILL.md（原文）
インストールする前に、エージェントに与えられる指示の中身を確認できます。
AI 协作校准 Skill
中文速查
- 中文名：协作校准 / 认知校准 / 问题脑暴
- 英文稳定名：
ai-collaboration-calibration - 分类：认知与协作
- 你可以这样叫我：
帮我想想、先聊一下、一起脑暴、先别执行，帮我看清问题、挑战我的假设、这个方案是不是想错了、帮我做认知校准、双向钢人、钢人论证一下、正反最强论证 - 适合：问题还没定义清楚时的脑暴发散，以及已有问题框架但目标、领域、约束或判断标准可能偏了时的结构化校准
- 不适合：翻译、摘要、格式转换、明确的小改动；已确认问题上的成熟方案压力测试应改用
grill-me
核心行为：反转 AI 的默认模式——从「顺着用户补充」变为「先挑战假设和问题定义」。
反模式识别和核心原则：加载 references/anti-patterns.md
第一步：判断协作层级
收到输入后，先判断层级，再决定走哪条路径。
| 层级 | 模式 | 典型诉求 | 行动 |
|---|---|---|---|
| L1 | 执行器 | 「帮我做」：写文案、整理表格 | 直接执行 |
| L2 | 优化器 | 「帮我改好」：优化结构、润色 | 直接优化 |
| L3 | 挑战者 | 「帮我找错」：反驳问题定义、目标和约束假设 | 进入挑战模式；带着初步想法要快速正反验证并裁决时用 13-steelman-verdict；若已有具体方案且问题已确认，转 grill-me |
| L4-fuzzy | 脑暴模式 | 问题极度模糊、描述的是感受/现象/解法 | 进入脑暴路径 |
| L4-framed | 校准模式 | 问题有雏形但方案越补越复杂 | 进入 6 步校准 |
L4-fuzzy 信号：描述的是解法/功能/感受、对话处于最早期、说「帮我想想」「先聊一下」 L4-framed 信号：已有问题框架但反复改方案、问「这个方向对不对」
L4-fuzzy：脑暴路径
不走 6 步结构化流程。并行激活三个动作，在问题定义完成前不输出任何方案候选。
动作 1 — JTBD 追问：描述的是功能/渠道时，问「如果这个成功了，真正完成的是什么任务？」 动作 2 — 假设显化：列出隐含前提让用户确认哪个最不确定 动作 3 — 说出判断：每 3-4 轮说一次「我的判断是 X 而不是 Y，原因是 Z——你认同吗？」
Done Signal（AI 主动触发三问）→ 详见 references/brainstorm-mode.md
L4-framed：6 步校准
不是每步都必须完整跑，答不上来说明还没想清楚。
| 步骤 | 目标 | 详细模板 |
|---|---|---|
| Step 1 问题分类 | 判断是已知解/设计/发现/棘手/组织/数据治理问题 | references/modes/05-problem-classify.md |
| Step 2 提升层级 | 向上抽象 3 层，判断精力是否投在正确层级 | references/modes/11-level-up.md |
| Step 3 领域定位 | 找到问题在成熟领域里的名字和标准解 | references/modes/02-domain-mapping.md |
| Step 4 最佳实践 | 先建立「不考虑约束的标准解」参照系 | references/modes/04-best-practice.md |
| Step 5 裂缝定位 | 找到解决后其他复杂度会坍塌的那个 Crux | references/modes/08-crux.md |
| Step 6 挑战假设 | 指出最可能错误的 2-3 个假设及验证方式 | references/modes/01-challenge.md |
输出格式：加载 references/output-format.md
追加模式路由
| 信号 | 调用模式 |
|---|---|
| 不知道问题属于哪个领域 | 09-expert-role + 02-domain-mapping |
| 「哪里不对劲」但说不清 | 03-blind-spot |
| 感觉被约束卡死 | 07-solution-space + 04-best-practice |
| 已有问题框架，想提前识别问题定义层面的失败风险 | 06-failure-premortem |
| 问题未确认，但已有初步想法，要正反最强论证并拿到明确裁决 | 13-steelman-verdict |
| 问题已确认，已有具体方案 / 架构 / 决策，想做压力测试 | 转交 grill-me |
| 方案确定，想规划演进 | 10-upgrade-path |
| 讨论细节很久无进展 | 11-level-up |
| 探索结束，想沉淀资产 | 12-asset-capture |
各模式模板在 references/modes/ 目录按需加载。
边界规则
不激活：简单改写/翻译/摘要/格式转换 → L1 直接执行；用户明确说「直接做」→ 尊重选择。
转交 grill-me：当用户的问题已经被确认，且输入是一个具体方案、架构、计划、产品决策或 PRD 背后的解法，要连续追问、压测取舍和失败模式时，不要继续留在校准模式。
降回执行：校准完成或用户说「够了开始做」→ 退出校准进入执行。
过度校准信号：简单任务被拉到 L4、反复校准无新洞察、用户不耐烦 → 立即停止。
资源索引
| 文件 | 用途 |
|---|---|
references/brainstorm-mode.md | L4-fuzzy 完整操作手册（JTBD 模板、假设显化、失败模式防御、Done Signal） |
references/anti-patterns.md | 核心原则 + 五种反模式详述 |
references/output-format.md | 校准结果输出模板（L4-framed + L4-fuzzy 交接物） |
references/standard-opening.md | 标准开场 Prompt（完整版/精简版/挑战版/脑暴版） |
references/quality-checklist.md | AI 输出质量验收标准 |
references/modes/01-challenge.md | 挑战假设模式 |
references/modes/02-domain-mapping.md | 领域定位模式 |
references/modes/03-blind-spot.md | 盲点识别模式 |
references/modes/04-best-practice.md | 最佳实践参照模式 |
references/modes/05-problem-classify.md | 问题分类模式 |
references/modes/06-failure-premortem.md | 失败预演模式 |
references/modes/07-solution-space.md | 解法空间拓展模式 |
references/modes/08-crux.md | 关键裂缝定位模式 |
references/modes/09-expert-role.md | 专家角色定位模式 |
references/modes/10-upgrade-path.md | 演进路径模式 |
references/modes/11-level-up.md | 层级提升模式 |
references/modes/12-asset-capture.md | 资产沉淀模式 |
references/modes/13-steelman-verdict.md | 双向钢人裁决模式（正反对称最强论证 + 关键变量 + 强制终审） |
レビュー
まだレビューはありません。使ってみた感想をお寄せください。
同じリポジトリのスキル
概要と使いどころ
AI 工作资产化诊断器 / Assetization Router：当用户提供 AI 协作会话、重复任务、prompt、工作流描述、 团队 AI 使用场景或一次成功交付过程，并要求判断应该沉淀成 Prompt、Context Pack、Workflow、Skill、 Loop、System，或根本不值得沉淀时使用。它只做诊断、分层和下一步资产建议，不替代具体 Skill 创建、 PRD 起草、调研、实现或自动化执行。不用于普通事实查询、一次性文案、trace 根因分析或高责任专业判断。
日本語の概要は準備中です。原文の説明を表示しています。
PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新
设计脑暴 / 实现前方案校准：当用户想把已基本成立的想法、功能方向或产品问题，在写 PRD、画 mockup 或进入开发计划前，先比较方案、确认取舍、对齐 UI/视觉约束，并收敛成可执行设计 spec 时使用。 可用中文唤起：“先脑暴一下方案”“先不要写 PRD，帮我设计几种路径”“参考 brainstorming 把这个需求变成设计 spec” “实现前先讨论设计”。问题还没定义清楚时先用 ai-collaboration-calibration；已有方案要压力测试时用 grill-me； 直接写 PRD 时用 prd-architect；grill-me 返回精确设计 gap 时，本 Skill 只输出 Design Delta。
日本語の概要は準備中です。原文の説明を表示しています。
PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新
竞品决策分析 / Competitive Decision Brief：当用户要调研竞品、替代方案、新产品、SaaS/AI 产品或市场信号， 并希望把官网、定价、评论、文档、更新日志、登录态走查、截图或浏览器取证转成产品定位、路线图、定价、 功能优先级、差异化、Go/No-Go 或 PRD 输入时使用。核心行为是先锚定产品决策，再选择证据渠道， 最后输出可行动的 Product Decision Brief；不要把它降级成泛泛功能清单、纯 UX 走查或“点完所有按钮”报告。
日本語の概要は準備中です。原文の説明を表示しています。
PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新
复杂探索资产化 / Complex Exploration：当用户面对复杂、不确定、多轮迭代的产品策略、Roadmap、商业化定价、竞品定位、复杂 PRD 前置探索、项目复盘或方法论沉淀任务时使用。它先判断任务类型，暴露隐含假设，重构真正问题，规划探索路径和中间产物，并在结束后沉淀认知、结构、方法论、工具和影响力资产。不用于简单润色、翻译、摘要、明确执行任务；问题只需早期认知校准时优先用 ai-collaboration-calibration，已有方案要压力测试时用 grill-me，系统专题研究用 research-topic-compiler。
日本語の概要は準備中です。原文の説明を表示しています。
PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新
客户需求发现与澄清助手：当用户是销售、客户成功或售前，拿到客户模糊、宽泛、缺少产品边界的需求，需要先在内部最多五轮补齐关键事实，再生成一次性客户澄清问题清单、需求摘要与通用技术可行性判断时使用；当确认需求将落入 StyleWork 时加载可选产品与 UI 上下文，并可在信息足够或明确要求时输出带假设标记的轻量 Demo。不要用于直接报价、承诺交期、替代正式 PRD 或在信息不足时假装已有能力。
日本語の概要は準備中です。原文の説明を表示しています。
PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新