用途
intent 是一个面向需求澄清阶段的 AI 技能，目标是帮助使用者理解用户请求的含义，而不是讨论如何实现它。它强调先就需求本身建立共同理解，不进入设计或编码环节。
主要能力
使用该技能后，会产出一份位于 docs/context-engineering/<subject>/intent.md 的文档，需要包含以下部分：
- Problem：试图解决什么问题
- Definition of done：哪些信号表明任务已完成
- Affected users and systems：影响范围
- Constraints：由用户陈述或仓库证据给出的约束
- Open questions：需要在后续规划阶段澄清的开放事项
使用方式
该技能通过提问来弥合理解上的重要缺口。它会调查异常路径、受影响的用户和系统以及边界条件；只有当未解决的问题会影响结果时才提问。
提问规则包括：
- 每次最多批量提出四个问题，且这些问题属于同一主题；不把不同主题混在一组。
- 如果用户取消，就停止并等待指示。
- 优先问最能改变共同理解的问题。对于真正的选择，提供具体选项，并在有证据支持时给出推荐，同时保留“其他”选项；对于事实性问题，只提供有证据支持的答案，并在需要两个选项时使用“未知”和“跳过”。
- 不编造领域答案。如果用户不知道，就记录未知及其后果，不强行猜测。
- 不为推进而附和，指出相互冲突的陈述；用证据纠正误解，而不是悄悄调整文档。
适用场景
适合在需求或任务开始时使用，尤其是需要与用户对齐问题定义、完成标准和约束条件的协作场景。
限制与边界
- 不追求细节级精确，细节设计由 design 阶段负责。
- 不编写生产代码，只做澄清，不设计也不实现。
- 不执行 git commit、不创建分支、不推送变更。
- 在请用户描述代码已体现的行为之前，先检查仓库证据。
- 区分用户陈述、仓库证据、推断和未知项；不把推断当作已确认的约束，推断性解读标注为 proposed，直到用户确认或纠正。
- 挑战职责仅适用于问题框架层面。
- 完成理解后，检查 intent.md 是否具备规定的结构。
其他
该技能的官方说明文本暂未提供。