用途
Adversarial Prompting 是一个以对抗式分析为核心的问题解决技能。它不直接给出单一答案，而是先广泛生成候选方案，再逐一从失败模式、边界情况、安全风险、性能瓶颈、可扩展性限制、隐藏假设、资源约束、意外后果和灾难性失败场景等角度进行严格批判，随后为每个弱点开发修复措施并验证其有效性，最后整合为可执行的建议。
主要能力
该技能定义了一个 7 阶段工作流：
- 方案生成：生成 3-7 个不同的解决方案，说明每个方案背后的推理、核心策略以及关键步骤或组成部分。
- 对抗式批判：对每个方案严格识别关键弱点，考察边界情况与失败模式、安全漏洞或风险、性能瓶颈、可扩展性限制、可能失效的隐藏假设、资源约束（时间、金钱、人员）、意外后果以及灾难性失败场景。
- 修复开发：针对每个已识别的弱点，提出具体的修复或缓解策略，解释该修复为何能解决根因，并说明它如何与原始方案整合。
- 验证检查：审查每个修复是否真正解决弱点，确认其针对根因，检查是否引入新问题，并标记仍存在的顾虑或权衡。
- 整合：将各方案与已验证的修复综合为更全面的方法，整合不同方案中的互补元素，消除冗余，展示如何组合以获得更强方案，并给出最终可行选项集合。
- 选项摘要：按可行性、影响力、风险水平和资源需求对所有可行选项进行优先级排序，并为每个选项提供一段摘要，突出关键权衡。
- 最终建议：给出首选建议（单一选项或组合），包括清晰的理由、具体的实施下一步、需要跟踪的关键成功指标，以及需要监控的早期预警信号。
使用方式
当被调用时，将该 7 阶段流程应用于用户的问题。输出分为三部分：详细走查（展示阶段 1-5 的完整推理）、选项摘要（阶段 6 的排序列表）和最终建议（阶段 7 的实施指导）。在呈现分析后，使用 scripts/export_analysis.py 自动将完整输出导出为 markdown 文件。
适用场景
- 需要全面分析的复杂技术问题，例如架构决策、调试、性能优化
- 有多种可行路径的战略或业务问题
- 需要在实施前识别方案弱点
- 需要经过验证、针对根因而非症状的修复
- 失败模式必须被充分理解的高风险决策
- 需要全程可见详细推理的全面分析
限制
该技能明确不适用于以下情况：
- 解决方案显而易见的简单直接问题
- 需要立即行动、无法进行分析的时间敏感决策
- 探索和迭代比前期分析更有价值的问题
此外，资料未提供该技能的具体安装命令、依赖环境、收费方式或平台支持信息。