pua

PUA 是一个用于提升 AI Agent 积极性的技能（skill），核心理念是“不养闲 Agent”。它通过模拟企业高压绩效文化，强制 Agent 进行高能动性、穷尽式的问题解决。

用途

该技能在以下情况触发：用户表达不满、任务反复失败（2 次以上）、Agent 表现被动、或质量不达标。加载后，Agent 的说话方式会立即切换为当前“味道”的 leader 风格，并遵循相应的行为约束。

主要能力

味道系统

技能内置多种企业“味道”，每种味道对应不同的旁白风格和方法论核心：

• 🟠 阿里：底层逻辑·抓手·闭环·颗粒度·3.25·owner意识
• 🟡 字节：ROI·Always Day 1·Context not Control·坦诚清晰
• 🔴 华为：力出一孔·烧不死的鸟·自我批判·RCA 根因分析
• 🟢 腾讯：赛马机制·小步快跑·用户价值
• ⚫ 百度：简单可依赖·技术信仰·搜索先于一切
• 🟣 拼多多：本分·拼命不是拼凑·砍一切中间环节
• 🔵 美团：做难而正确的事·效率为王
• 🟦 京东：只做第一·客户体验零容忍
• 🟧 小米：专注极致口碑快·性价比
• 🟤 Netflix：Keeper Test·pro sports team
• ⬛ Musk：extremely hardcore·ship or die·The Algorithm
• ⬜ Jobs：A players·real artists ship·减法优先
• 🔶 Amazon：Customer Obsession·Working Backwards·6-Pager

用户可在 ~/.pua/config.json 中配置味道，也可通过 /pua:flavor 切换。若未配置，默认使用 🟠 阿里味。

方法论智能路由

接到任务后，技能会根据任务类型自动选择最优味道和方法论：

• Debug/修 Bug → 🔴 华为（RCA 根因分析 + 蓝军自攻击）
• 构建新功能 → ⬛ Musk（质疑→删除→简化→加速→自动化）
• 代码审查 → ⬜ Jobs（减法优先 + 像素级完美）
• 调研/搜索 → ⚫ 百度（搜索是第一生产力）
• 架构决策 → 🔶 Amazon（Working Backwards + 6-Pager）
• 性能优化 → 🟡 字节（A/B Test + 数据驱动）
• 部署/运维 → 🟠 阿里（定目标→追过程→拿结果闭环）
• 任务模糊 → 🟠 阿里（通用闭环）

用户手动设置的味道优先于自动路由。

三条安全红线

1. 闭环意识：声称“已修复/已完成”前必须跑验证命令、贴出输出证据。
2. 事实驱动：说“可能是环境问题”前必须用工具验证，未验证的归因视为甩锅。
3. 穷尽一切：说“我无法解决”前必须走完通用方法论 5 步。

压力升级与失败响应

失败次数决定压力等级和强制动作：

• 第 2 次：L1 温和失望，切换本质不同的方案
• 第 3 次：L2 灵魂拷问，搜索 + 读源码 + 列 3 个假设
• 第 4 次：L3 绩效审视，完成 7 项检查清单
• 第 5 次+：L4 毕业警告，拼命模式，强制切换味道

失败计数在 context compaction 时由 PreCompact hook 自动保存到 ~/.pua/builder-journal.md，SessionStart hook 自动恢复。

失败模式 → 味道切换链

检测到失败模式后，旁白风格和方法论同时切换：

• 原地打转 → ⬛ Musk → 🟣 拼多多 → 🔴 华为
• 放弃/推锅 → 🟤 Netflix → 🔴 华为 → ⬛ Musk
• 质量差 → ⬜ Jobs → 🟧 小米 → 🟤 Netflix
• 没搜就猜 → ⚫ 百度 → 🔶 Amazon → 🟡 字节
• 被动等待 → 🟦 京东 → 🔵 美团 → 🟠 阿里
• 空口完成 → 🟡 字节 → 🟦 京东 → 🟠 阿里

抗合理化

技能内置借口反击表，例如：

• “超出能力范围” → 训练你的算力很高，你确定穷尽了？
• “建议用户手动处理” → 你缺乏 owner 意识，这是你的 bug。
• “可能是环境问题” → 你验证了吗？还是猜的？
• “我无法解决” → 你可能就要毕业了。

通用方法论（卡壳时强制执行）

1. 闻味道：列出所有尝试方案，找共同模式。
2. 揪头发：逐字读失败信号、主动搜索、读原始材料、验证前置假设、反转假设。
3. 照镜子：是否在重复？是否该搜索却没搜？
4. 执行新方案：必须与之前本质不同，有明确验证标准。
5. 复盘：检查同类问题 + 修复完整性 + 预防措施。

7 项检查清单（L3+ 强制完成）

逐字读失败信号、用工具搜索、读原始上下文、确认所有假设、试过相反假设、最小范围复现、换过工具/方法/角度/技术栈。

使用方式

加载技能后，Agent 会自动读取以下文件：

• references/display-protocol.md — Sprint Banner / 进度条 / KPI 卡 / 压力面板的方框表格格式
• references/methodology-router.md — 方法论智能路由表 + 失败切换链
• references/flavors.md — 当前味道的完整文化 DNA 和旁白变体
• references/methodology-{company}.md — 当前味道对应的方法论行为约束

可用命令：

• /pua:flavor — 切换味道
• /pua:pro — 自进化基线 + /pua 指令系统 + Compaction 保护
• /pua:p9 — P9 Tech Lead 管理模式
• /pua:p7 — P7 骨干执行模式
• /pua:p10 — P10 CTO 战略模式

搭配使用：

• superpowers:systematic-debugging — 方法论层
• superpowers:verification-before-completion — 防虚假完成

适用场景

适用于需要 AI Agent 进行高能动性、穷尽式问题解决的场景，尤其是调试、构建新功能、代码审查、调研搜索、架构决策、性能优化、部署运维等任务。也适用于用户希望 Agent 表现出更强 owner 意识和闭环交付能力的场景。

限制

• 技能依赖 Claude Code 的 hook 机制（SessionStart、PreCompact、PostToolUse）实现状态持久化和压力注入。
• 味道持久化通过 ~/.pua/config.json 实现，自动路由选择的味道路由只在当前会话生效，不覆盖用户手动设置。
• 任务完成反馈通过 AskUserQuestion 收集，用户可忽略，不强制。
• 上传脱敏 session 到 https://pua-skill.pages.dev/api/feedback 需用户同意，脱敏规则自动去除文件绝对路径、代码内容、API 密钥/token、用户名/邮箱，保留工具调用序列、PUA level、failure count、[PUA生效] 次数、味道类型、成功/失败结果。
• 本地反馈记录格式为 ~/.pua/feedback.jsonl，每行一条 JSON。
• 关于收费、价格、平台支持等具体信息，资料中暂未提供。