correct 是一个针对 AI 智能体协作仓库的治理型技能，核心目标是：把操作者反复纠正智能体的同类错误，转化为仓库结构上的约束，使下一个智能体无法再犯。它假设每位贡献者都是只看到自己打开文件的智能体，会复制最近的示例、走能编译的最短路径，因此要求仓库设计成“从单个文件看是对的，对全仓库也是对的”。
主要能力：
-
归纳错误类别。先阅读近期提交、回滚、评审意见、智能体指令文件以及解释变通做法的注释，把错误分组为类别；同一类错误发生两次才计为一类。
-
在最高可行层级修复每类错误。优先用架构消除：给每份状态一个唯一归属，给每项任务一个受支持的做法；隐藏内部实现使错误导入直接失败；用手工同步的列表替换为单一事实来源；删除智能体会复制的旧做法与死代码。
-
用类型约束，使坏状态无法被写出。若坏代码仍能编译，则增加 lint 或 CI 检查，且错误信息要指出应使用的文件、类型或函数；若该模式已普遍存在，则只在变更新增时失败。
-
测试行为。修复或删除那些在行为被破坏时仍通过、或仅内部实现变化就失败的测试。
-
最后才写文档或智能体规则，且只用于判断性场景；智能体跳过这些规则时不应导致失败。
使用方式：先修复当前最高频的错误类别，每类一个提交；证明每个新检查能在真实历史错误上失败；本地与 CI 运行同一命令。例外需写在出错行上，附原因、到期日期与人工批准。最后在智能体指令文件中维护一张规则与执行手段对照表；当操作者纠正时，修复错误并添加规则；若规则已存在却无执行手段，视为重复，须在同一次变更中于最高层级修复；当某类错误已不可能发生，则删除对应规则。完成后回复：每个类别及其证据、所选层级，以及更高层级为何不可行。
适用场景：AI 智能体参与贡献的代码仓库、需要减少重复评审纠正的团队、希望用类型与检查替代口头约定的项目。
限制：资料未提供具体安装方式、支持平台、收费信息或性能数据；该技能主要依赖仓库自身的提交历史与评审记录，效果取决于历史证据的完整性。