用途
nav-diagnose 用于检测人类与 AI 协作质量下降的时机，并触发提示词重新锚定（prompt re-anchoring），帮助双方恢复有效沟通。其理论基础来自 Riedl & Weidmann 2025 关于 Human-AI Synergy 的研究：心智理论（Theory of Mind）在用户身上会逐时动态变化，当双方对彼此的模型对齐程度下降时，协作质量会下滑；及早检测并重新锚定可以恢复协作效果。用户的 ToM（对 Claude 的理解）和 Claude 对用户的模型都可能发生漂移。
主要能力
该技能定义了若干质量下降指标与严重程度判断：
- 重复纠正（高严重度）：同一纠正给出 2 次以上，信号如“不，我说的是 users 复数，不是 user”，问题在于未采纳用户反馈。
- 幻觉信号（高严重度）：引用不存在的文件、函数或包，信号如“那个文件不存在”“没有这个函数”，问题在于基于错误的心智模型生成内容。
- 上下文混淆（中严重度）：混入无关任务的细节，信号如“那是另一个项目的”“功能弄错了”，问题在于上下文窗口污染或错误归因。
- 未处理的反馈（中严重度）：用户纠正未反映在下一轮输出中，被提醒后仍生成相同模式。
- 目标漂移（低严重度）：输出逐渐偏离最初目标，信号如“我们跑题了”“不是我要的”。
- 循环停滞（高严重度）：循环模式下连续 3 次以上迭代状态哈希相同，由 nav-loop 检测停滞并触发 nav-diagnose。
严重程度计算方式为：同主题纠正 ≥2 或幻觉 ≥1 判为 critical；纠正 ≥3 或沮丧信号 ≥2 判为 high；纠正 ≥2 或检测到目标漂移判为 medium；仅 1 次纠正视为正常、不触发。
使用方式
触发条件包括：检测到同一主题 2 次以上纠正；用户说“好像有点不对”“你没理解这个”；用户说“又错了”“还是不对”；上下文使用超过 75% 且质量信号下降；用户表达沮丧；循环模式停滞（3 次以上同状态迭代）。以下情况不应触发：单次纠正（正常协作）、用户提供新需求而非纠正、全新会话（数据不足）、用户明确表示“可以了”或“差不多就行”。
执行步骤为：第一步评估最近 10–15 条消息中的质量指标并计算严重程度；第二步根据纠正模式识别根因（如重复同一纠正对应未采纳反馈，需明确确认理解；纠正增多对应偏离用户意图，需重建目标；技术不匹配对应错误假设，需澄清技术上下文；无具体内容的沮丧对应沟通不匹配，需询问问题所在）；第三步展示质量检查提示，列出发现的问题、可能原因，并重构用户目标、当前状态和纠正后的理解，请用户确认；第四步根据确认结果重新锚定，若确认正确则列出关键点并继续下一步，若不正确则提出开放式问题了解真实目标、错误之处和约束；第五步可选地记录诊断日志（若存在 nav-profile）；第六步根据严重程度和模式给出预防建议，如建议运行 nav-compact 清理上下文、保存用户偏好、调整沟通风格等。
该技能还提供三类重新锚定模板：目标重新对齐（确认目标与约束）、技术重新对齐（确认框架、模式、约定与应使用的工具）、沟通重新对齐（确认用户偏好的沟通风格与当前风格差异）。
适用场景
适用于人机协作过程中出现重复纠正、幻觉引用、上下文混淆、反馈未被采纳、目标漂移或循环停滞等质量下降迹象时。可与 nav-profile 配合记录诊断并分析模式、在重复问题后建议更新偏好；与 nav-marker 配合在重大重新锚定前建议标记；与 nav-compact 配合在检测到上下文过载时建议压缩并跟踪压缩是否解决问题。
限制
该技能无法检测：用户没有在文本中表达的隐性沮丧、对话上下文之外的问题、外部系统的问题、用户尚未表达的偏好。它也不应过度触发正常纠正、打断高效工作流、让用户感到被指责，或要求冗长的重新解释。诊断时应保持谦逊，不把沟通问题归咎于用户，提供具体后续步骤，保持重新锚定简短；确认时聚焦具体要点而非笼统的“我明白了”，并允许用户纠正。