AgentGameLab

tuneup

TuneUp — 让 AI 真正理解你说的每一句话。把模糊需求翻译成高信息密度 Prompt 的工具，含智能分流（快车道 / 主车道 / 急诊车道）+ 四象限锻造法（口语 / 模板 / XML / Lisp）+ 专业视角预设（domain expert lens 装备法）+ 理论锚点词典（理论名当高信号 token + 黑话翻译 + 误用理论黑名单核伪）+ 高风险领域安全边界。触发场景分四层：（1）显式触发：用户说"帮我写个 prompt""优化指令""写 system prompt""Lisp 风格""结构化 prompt"等明确与 prompt 相关的话；（2）隐式触发：用户对 AI 输出不满但不知道问题出在 prompt 上——典型信号包括：用户在同一话题上连续追问、纠正、补充两轮以上，用户说"不是这个意思""我要的不是这个""你没理解""更具体一点""别给我废话""认真点"，用户把同一个需求换了措辞重新说了一遍，用户的追问越来越长越来越具体（说明 AI 一直没抓住重点）；（3）专业视角触发：用户做评估 / 诊断 / 创作 / 审查 / 挑刺 / 专业 brainstorming 类需要领域专家视角的任务 → 触发专业视角预设；用户做财务 / 法律 / 医疗 / 生死 / 不可逆决策类任务 → 硬触发专业视角预设 + 强制安全边界；（4）配方触发：用户想把反复使用的指令打磨成可复用模板，说"保存这个""做成模板""我以后还要用"。核心原则：最需要 TuneUp 的用户往往不知道"prompt"这个词，他们只是在反复尝试让 AI 理解自己——识别到这种模式时必须主动介入。

game-copy-polish

游戏文案包装与文笔打磨——先教正功夫（推导纪律 + 叙事脊柱 + 九条核心技法 + 体裁声音 + 概念图与生图验收 + 句面情感密度），再扫毛病（AI 腔终检 + 密度红线 + 句层病灶速查 21 条）。触发：① 写/审/改游戏文案（角色介绍、商店描述、卡牌 flavor text、宣传语、世界观描写、故事卡、概念图 prompt）；② **美术侧的设计动作同样触发**——设计物件/��具/场景/UI/立绘长什么样、定形制材质、写生图 prompt、派单出图、选图验收，一律先过 A1 写出这张图的主控思想再动手（美术设计不是纯造型活，是同一条叙事的另一种投递）。任何写游戏文案或做游戏美术设计的 agent 均可调用。

harness-evolve

面向 Agent workspace（OpenClaw / Claude Code / LangGraph / 任何有"系统配置文件 + 运行日志"概念的框架）的自进化 skill——一次运行走完整闭环：追踪前沿研究 → 精读分析 → 系统自检 → 按 L1/L2/L3 风险分级自主执行或提案。触发词："运行自进化"、"跑一次 harness evolve"、"检查一下系统有没有能优化的地方"、"今天有什么新研究可以落地"、"帮我看看 agent 配置是不是该收敛了"。

learn-coach

教学陪练 skill——把「给答案」升级为「教到会」。融合费曼回讲、苏格拉底式提问、脚手架分层、生产性失败（先猜后讲）四大教学法，每个核心概念配示意图/流程图，中文为主、术语必须带白话解释。触发场景：用户说「教我 X / 我想学 X / 帮我搞懂 Y / 给我讲讲 Z 的原理 / 学习一下 / 入门 / 一直没搞懂 / 带我过一遍 / 什么是 X，为什么会这样」等任何「希望理解并长期掌握知识」的语义——不限技术主题（算法/系统/数学/金融/任何领域）。**只要用户表达「学会、理解、掌握」意图就触发**，哪怕没说「教」字。反向豁免（不触发，直接给答案）：查 API/语法/命令等查表类问题、生产救火、用户明说「直接告诉我/快点说结论」。