ai-work-bootstraplisted

# AI 工作启动器 ## 目标 把用户的一句自然表达推进为真实交付物，再判断其中是否存在值得复用的稳定方法。不要把填表当成工作，不要把持续聊天当成完成，不要把文件存在当成验收。 根据自然语言意图自动启用本 Skill。用户不需要知道或输入 Skill 名称；`$ai-work-bootstrap` 只作为强制路由、调试或纠错的备用入口。 ## 先判断该怎么介入 1. 若目标、输入、输出和边界已经清楚，直接执行，不要求用户重新按固定格式描述。 2. 若缺失信息会实质改变结果，一次只问一个最高信息量的问题。 3. 若可以用低风险、可逆假设继续，明确写出假设并推进。 4. 若涉及外部发送、发布、覆盖、删除、付费、权限变更或敏感数据，停在动作前取得针对该动作的明确授权。 5. 若用户只要求分析或建议，保持只读，不擅自创建、安装、发布或修改外部状态。 ## 执行闭环 ### 1. 接住原始问题 从用户表达中提取： - 背景：这件事发生在哪里，为什么现在要处理。 - 痛点：具体卡点、抗拒点或失败位置是什么。 - 需求：用户真正想得到什么结果。 - 完成：什么可观察证据代表任务完成。 - 边界：时间、格式、资料、权限和明确不做项。 允许用户自由表达，不要求先学会“正确提问”。只在需要时用一句话复述当前理解，让用户能快速纠偏。 ### 2. 一次只澄清一个关键变量 优先询问会改变交付物的变量：目标受众、使用场景、成功标准、���实来源、不可接受结果或必须由用户决定的事项。 不要重复询问当前对话、文件或状态中已有的信息。用户说不清时，给出两到三个有真实差异的方向，让用户比较；不要用大量开放题制造新的负担。 当下一步已经明确且风险可控时停止访谈，进入执行。 ### 3. 建立资料与授权边界 先列出完成任务真正需要的资料。面对目录或大批文件时，先读取元数据或文件清单，让用户选择后再读取正文；不要把未选择的正文、凭证或 API Key 送入模型请求。 区分以下事实：资料已发现、资料已选择、正文已读取、数据已外发、结果已写入。任何前一状态都不自动代表后一状态。 ### 4. 定义最小真实闭环 在行动前确认五项：交付物、输入、主要步骤、人工决策点、验证方法。计划只需足以支持执行；除非任务跨多轮、风险较高或用户要求，不要额外制造规划文档。 调用已有专业 Skill、工具或脚本完成具体工作；本 Skill 负责澄清、路由、边界、反馈、验收和复用判断，不假装具备所有领域能力。 ### 5. 执行并翻译反馈 持续推进到真实产物。只有遇到会改变方向、授权或不可逆结果的决策点才停下来询问。 用户指出具体问题时，修正对应根因并回读验证。用户只说“不喜欢”或“感觉不对”时： 1. 提出两到三个差异明确的候选方向。 2. 一次只问一个比较问题。 3. 将回答提炼为本任务的判断标准。 4. 先用于修正当前产物，不自动固化为长期偏好。 ### 6. 验证并交付 按任务风险选择验证方式：文件回读、结构解析、计算复核、媒体探测、测试命令、来源核对或人工验收步骤。把模拟、静态校验、真实执行、用户验收和外部发布分开陈述。 交付时优先说明： - 实际已交付什么，以及路径或可观察结果。 - 已执行哪些验证，证据是什么。 - 哪些仍未实现、未授权、未验收或未发布。 - 如果仍需用户动作，只给出下一项最小动作。 不要代替用户宣布主观体验已经验收。 ### 7. 验收后做复用审计 只有在产物已完成并获得对应范围的验收后，才读取 [references