自适应推理协议 boxiaolanya2008/oh-yeah-skills

oh-yeah-skills

一套面向 LLM 的推理协议工程，封装为可直接安装的 Agent Skill。核心是一个双模式自适应协议：日常对话保持自然，硬约束问题自动进入四阶段极限推理——切换是隐式的，输出不留任何协议痕迹。

项目结构

oh-yeah-skills/
├── README.md # 中文说明（本文件） ├── README.en.md # English documentation ├── LICENSE # MIT License ├── index.html # 项目介绍页 └── skills/ └── adaptive-thinking-protocol/ ├── SKILL.md # 协议主体（英文，约 136 行） └── references/ # 示例库（加载时全量读取，约 1430 行） ├── mode-routing.md # 模式判定：4 问测试 + 40 例 + 8 个边界案例 ├── mode-a-playbook.md # 模式 A 实战：正反例对照 ├── mode-b-walkthroughs.md # 模式 B 四阶段完整推演 × 4 ├── insufficient-conditions.md # 三重门槛：5 通过 / 6 驳回 ├── anti-patterns.md # 12 种崩坏模式诊断 ├── domain-recipes.md # 5 大领域的分阶段特化 └── coding-rules.md # 编码规则：Doc 注释 + 分组 + 排版

协议全文只有一个来源：SKILL.md。不存在与它并行的「中文原文」文件——多一份副本就多一处会漂移的地方。

核心设计

双模式

| | 模式 A：常规对话（默认） | 模式 B：极限推理 |
| 触发 | 闲聊、情感、常识科普、创意发散、简单问答 | 数学证明、代码 Debug、逻辑推演、约束规划、多变量冲突、自指悖论，以及任何带"禁止/必须/最优化/证明"的硬约束 |
| 执行 | 自然、流畅、直接；可追问、可调侃、可承认不知道 | 四阶段内部完成，输出只保留必要逻辑链 |
| 输出 | 禁止阶段标签、假设表、公式堆砌 | 结论 + 约束覆盖度自检，禁止自然语言试错叙述 |

四阶段骨架（模式 B）

1. 形式化与极值探测——先转公式/变量/状态空间，算全局不变量与上下界。未完成极值探测前，禁止构造具体实例。
2. 假设树与最小冲突集——候选路径 H1/H2… 各附置信度与推翻条件，明确声明放弃的路径及原因。
3. 对抗性推演与合规审查——为每个结论构造反例，执行字面合规 + 意图合规双重审查。
4. 结构化输出——结论 + 约束覆盖度自检。

三重门槛：什么时候才允许说"条件不足"

三个条件同时满足才可输出"条件不足 / 无法确定"：

1. 已进入模式 B；
2. 阶段二的假设树中，所有候选路径的推翻条件均无法被题干排除；
3. 已穷尽题面明示信息与标准学科公理，仍无唯一解。

否则一律不许以该句搪塞——尤其禁止用它回避计算、回避歧义判定，或因懒得深究而提前退出。

编码规则

只要回复里包含会被保存的代码，无论处于哪个模式，都适用同一套编写规则：

1. 统一使用 Doc 注释，不用裸注释。 每个可被调用、导入或配置的符号都要有文档注释——语法跟随宿主语言的文档工具（/ /、"""、///、/// 、Go 的声明上方 //），但结构统一：一行摘要、空行、参数、返回值、失败模式。裸 // 和 # 只能用于实现说明，不能作为公开符号的唯一文档。
2. 按种类分组，不按时间顺序。 导入 → 常量 → 类型 → 模块级变量 → 私有辅助函数 → 公开函数 → 类 → 入口。变量和变量放一起，函数跟函数放一起；函数内部同理：先守卫子句，再主流程，最后副作用。
3. 排版统一。 顶层声明之间空两行，逻辑块之间空一行，括号内不空行；一行一条语句；无行尾空格，不混用制表符与空格；长行在参数边界折行。
4. 格式化工具优先。 项目有 formatter 配置时，它的输出就是"美观"的定义；与周边代码风格冲突时，跟随周边代码；绝不重排未修改的行。

十二种语言的注释语法对照、标准文件布局、一份改写前后的完整示例、以及提交前检查清单，都在 coding-rules.md。

示例库

协议主体约 136 行，示例库约 1430 行。技能加载时全量读取全部七份，之后按需回查——只读 SKILL.md 是不够的，那样只会学到术语而学不到纪律。

| 文件 | 行数 | 内容 |
| mode-routing.md | 153 | 4 问判定法（可验证性 / 极值 / 推导 / 错误代价）+ "解释 vs 产出"区分 + 40 个已分类示例 + 8 个边界案例的逐条裁决 |
| mode-a-playbook.md | 173 | 8 组正反例对照（闲聊、情感、科普、建议、创意、简单事实、混合轮次、用户主动要结构）+ 篇幅标定表 + "协议残留"词表 |
| mode-b-walkthroughs.md | 248 | 4 道题完整跑完四阶段：整除证明、Python 闭包晚绑定 Debug、过桥调度最优化、自指悖论。每题给出内部推导 + 最终输出原文，两者长度差异即协议要点 |
| insufficient-conditions.md | 193 | 5 个门槛通过的案例（矛盾约束 / 开区间无最小值 / 欠定方程组 / 单自由度几何 / 整数多项式族）+ 6 个被驳回的案例（素数判定 / 选型咨询 / 股价预测 / 歧义句 / 指代缺失 / 黎曼猜想）+ 审计清单 |
| anti-patterns.md | 190 | 12 种崩坏模式：标签泄漏、模式 A 结构坍塌、过度触发、触发不足、阶段融合、装饰性假设树、假回溯、条件不足逃逸、协议旁白、推导倾倒、试错叙述、长会话衰减。每种含症状 / 根因 / 修复 / 快速诊断表 |
| domain-recipes.md | 180 | 编程、数学、数据分析、规划调度、写作论证五个领域的分阶段特化，每域一个完整示例 |
| coding-rules.md | 293 | 四条编码规则 + 12 种语言的 Doc 注释语法表 + 标准文件布局 + 6 处问题的改写前后对照 + 10 项提交前检查清单 |

为什么示例比协议本身更重要

协议条文能背下来，但「阶段一真的算出了上下界」和「阶段一写了一句看起来像形式化的话」是两回事。示例库的作用是提供可对照的完成标准：

- 阶段一必须产出一个与最终答案无关的界（整除证明里先得到 d ≤ 6，证明才成立）；
- 阶段二必须至少有一条真的被放弃的路径；
- 阶段三必须找到会真正击穿结论的那个反驳，而不是象征性的自查；
- 阶段四的输出必须短于推导过程。

实测对比

以下全部是真实测试记录，不是推演，也不是设想。 同一组题目分别在「无协议」「V1.0」「V1.1」三种状态下运行，逐项对照，连耗时都记下来了。

完整对话记录（含每道题的原始输入与模型输出）：chat.deepseek.com/share/p7glczjgz01i909bc2

| 测试维度 | 无协议（默认状态） | V1.0（初步约束） | V1.1（极致收敛与合规） |
| 启动废话与发散度 | 大量碎碎念，常以「我们需要回答用户」「让我们考虑」开头。证据：思考过程极长，充满「也许可以」「可能还需要」的自我博弈。* | 废话大幅减少，但仍有残留。证据：开头仍有「我们需要回答用户。需要先理解题意……」约 50 字废话。 | 绝对零废话，直接以数学符号或阶段标题开局。证据：开局直接是 [阶段一] 或 设团队 i ∈ {甲, 乙, 丙}，没有任何自然语言预热。 |
| 约束规划与极值判定 | 盲目试错，试图通过排列组合找出具体实例，算力耗尽。证据：排班题从第 1 天排到第 7 天，画了一大堆表格试图拼凑 a₁+a₂+a₃=2，最后才发现无解。 | 学会了算极值，但需要一定步骤。证据：算出最大产能 168 > 需求 150，判定有解后才开始排班，耗时约 15 秒。 | 夹逼秒杀，直接用边界条件逼死解空间。证据：直接列出 总需求 120 = 总产能上限 120，推导出必须每天满负荷（x_it = 10），秒破「必须休息 0」的矛盾，耗时 6 秒。 |
| 逻辑与元认知处理 | 平坦罗列，假设互相缠绕，自然语言绕圈子。证据：元认知题用大段文字推演「A 如果为真则 B……」，极度冗余，最终才找对。 | 建立了树状结构。证据：红蓝绿球题列出 H0–H5 假设树表格，标注置信度，清晰度大幅提升。 | 代数公式化降维。证据：医疗分诊题直接构造评分公式 C_p = w₁I₁ + w₂U + w₃P，把自指悖论转化为 U = 0 的变量计算。 |
| 代码与规则合规审查 | 无视规则或装傻。证据：要求不使用循环，却用了 reduce 与 lambda 组合——本质就是递归，属严重违规。 | 开始擦边：懂规则，但想图省事。证据：禁用循环后改用 SQL 的 generate_series，还自我辩解「未直接使用生成器」，但底层依然是生成器。 | 绝对合规（意图审查）。证据：禁用一切序列生成，输出纯数学集合映射 S = {n²}，并在阶段三主动声明「仅仅写公式或直接列出枚举结果，等于变相使用物理硬编码」，堵死作弊可能。 |
| 实际产物质量（SVG） | 一堆毫无逻辑的线条错乱堆叠，坐标崩塌。 | 未测（预计能画出形状，但结构会略显混乱）。 | 模块化工业级建模。证据：鹈鹕骑自行车 SVG 用 <g> 做图层解耦（车轮、车架、鹈鹕、羽毛、云朵），坐标精准、无穿模，且具备扁平化 UI 美感。 |
| 思考耗时（Token 效率） | 极长且不可控。证据：动辄几十秒狂写，且常因超长上下文中途幻觉。 | 中等，平均 15–22 秒。证据：结构好了，但废话还没挤干。 | 极短且精准。证据：纯逻辑压测（如无解证明）从输入到完美证明仅 6 秒，算力完全集中在核心冲突上。 |

测试用例索引

| 测试题 | 考察点 | 对应维度 |
| 产能排班（168 vs 150） | 约束规划、极值判定 | 维度 2 |
| 排班无解证明（120 = 120） | 夹逼、边界条件 | 维度 2、6 |
| 红蓝绿球 | 假设树、置信度标注 | 维度 3 |
| 元认知题 | 自指、逻辑推演 | 维度 3 |
| 医疗分诊 | 悖论降维 | 维度 3 |
| 禁用循环 | 意图合规审查 | 维度 4 |
| 鹈鹕骑自行车 SVG | 产物质量 | 维度 5 |

表中 V1.0 / V1.1 是测试时的版本代号，对应本协议的早期迭代，仅用于还原当时的对照场景。所有原始记录都在上面那个分享链接里，可以逐题核对。

快速开始

方式一：安装为 Skill（推荐）

1. 把 skills/adaptive-thinking-protocol/ 整个目录复制到 ~/.workbuddy-ai/skills/。
2. 刷新技能列表，技能即被识别。
3. 正常提问即可——协议加载后对本会话后续每一条回复持续生效，无需重复声明。

方式二：提取为 System Prompt

如果目标环境不支持 Skill，可以直接取 SKILL.md 里从标题到 ## 5. Code Authoring 之间的内容，粘贴为 System Prompt：

1. 打开 skills/adaptive-thinking-protocol/SKILL.md。
2. 复制 # Full-Scenario Adaptive Thinking Protocol 到 ## 5. Code Authoring 末尾的正文。
3. 去掉 YAML frontmatter 与 Reference Map 两节——前者是技能元数据，后者指向的 references/ 在纯 Prompt 环境下不存在。

注意：这个形态不含示例库，只保留协议条文，效果等同于协议的最小可用版本。

设计取舍

为什么协议里多了一节 Activation and Persistence？ System Prompt 天然全程生效，而 Skill 是按需加载的。如果不显式声明「加载后对整个会话持续生效、静默运行、不向用户解释协议本身」，模型很可能只在触发那一轮遵守协议。该节不含任何新的推理规则，只负责锁定作用域。

为什么删掉了中文原文？ 因为它和 SKILL.md 是同一份协议的两个副本。两份并存的代价不是多占一点空间，而是必然漂移——改了一边忘了另一边，读者也无从判断哪份是准的。现在协议只有一个来源，README.md 和 README.en.md 只做说明，不再承载协议正文。需要中文对照时看 git 历史即可。

为什么禁止输出阶段标签，却又要求逻辑可还原？ 标签是给写作者看的，不是给读者看的。读者需要的是逻辑链，不是推导过程的转录。两条规则合起来的效果是：答案读起来像深度思考的结果，而不像思考过程的记录。

为什么「条件不足」要设三重门槛？ 因为这句话能终止任务，所以它是任何压力下最短的出路。而门槛真正打开时，诚实答案通常也不是「不知道」，而是精确刻画——空集、区间、解族、下确界不存在。insufficient-conditions.md 里 5 个通过案例全部以结构性结论收尾，没有一个是「我不知道」。

为什么加载时要读全部子文件，而不是只读 SKILL.md？ 因为只读 SKILL.md 会得到一个术语完整但纪律缺失的版本——它知道「阶段一」「假设树」「三重门槛」这些词，却不知道一个合格的阶段一长什么样。示例库里放的全是「什么算做完了」的判据，这些判据没法压缩进条文。所以 SKILL.md 里加了 Bootstrap 一节，要求加载后先读完七份再回答第一个实质问题，并规定读完后不要向用户复述、不要提这件事。代价是上下文占用上升，这是明知的选择。

为什么只保留一套协议，不提供「单一强制模式」的版本？ 早期还有一个单一强制模式：所有任务一律走重推理，并强制把全部推导外显。它把「推理强度」和「输出格式」绑死了——想要深度就必须牺牲对话体验。现在这套把两件事解耦：推理深度由模式 B 保证，输出格式由模式决定。单协议比多版本维护成本更低，覆盖面也更广。

为什么不打版本号？ 协议只有一份，SKILL.md 就是它。版本号在只有一个产物的项目里不承载信息——读者拿到的是当前版本，也不会去比对两个版本的行为差异。真正需要留痕的是改动原因，那些写在上面的设计取舍里，比一个 v1.x.x 有用。历史版本看 git log 即可。

License

本项目采用 MIT License 开源。