Skill

AI Agent 的根本问题

它们会思考，但不会“想问题”。

当模型开始具备执行力之后，真正拉开差距的不是参数规模，而是它面对复杂现实时有没有一套可靠的方法论。

• 胡子眉毛一把抓 面对复杂问题抓不住重点，不知道什么是主要矛盾，什么只是表面噪音。
• 没有调查就急于发言 不先核对事实，不先摸清上下文，上来就给答案，最后犯的是教条主义的错误。
• 方案做完不自查 缺少复盘与自我批评的能力，产出停留在“差不多就行”，不能形成可靠闭环。
• 一遇阻力就停止推进 动不动就把困难归因于边界限制，缺少持续推进、分阶段逼近目标的韧性。
• 同时做十件事，件件做不好 资源不聚焦，优先级不清晰，不懂集中兵力，也不懂在复杂局面下做取舍。

总原则 + 三层架构

不是零散技巧，而是一套成体系的认知工事。

求是 Skill 并不把方法论拆成孤立口号，而是从总原则出发，搭起哲学基座、工作方法与战略战术三层结构。

把“会做事”升级为“会想事、会推进、会纠偏”。

每一件武器都有明确的核心要义、原著出处和适用场景，它们组合起来，构成 AI Agent 的工作纪律。

这不是什么

讲清方法论的边界，才能避免误读。

这套体系强调的是解决问题的方法，不是把概念堆成姿态，不是把语言变成表演。

多Client可接入

不把方法论锁死在单一工具里。

项目的核心资产是 `skills/`、`commands/` 和 `hooks/`。Client平台不同，接入方式不同，但方法论本身不依赖单一平台。

除以上四个平台外，其他Client也可直接复用 `skills/` 与 `commands/`，只要它支持 system prompt 注入或手动指令加载。