Menu
把用戶口述的任務需求、學習目標或開發功能，整理成 cheat-predict 可讀的標準規格文件，存入 scripts/。觸發詞："幫我整理規格"/"把需求存成規格"/"寫 spec"/"啟動任務前先存規格"/"我要做 [某功能/任務/學習目標]"。與 cheat-predict 搭配：cheat-spec 負責收集需求並落盤，cheat-predict 讀規格做盲預測。只要用戶描述了具體任務並想啟動 cheat-on-content 流程，就應使用此 skill。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
把「感覺」變成可校準預測的執行循環。打分 → 盲預測 → 執行 → 復盤 → 進化 rubric。內置三套 rubric：日常工作任務（CL/IM/PR/SC/FO）、日常學習（RE/PK/AP/DL/AC）、AI Coding（SP/LV/TS/CO/IR）。觸發詞："初始化"/"打分這篇"/"啟動預測"/"復盤"/"升級 rubric"/"狀態"。首次使用必須先跑 /cheat-init。
提議並執行 rubric 或 bucket 升級。兩種模式：**完整 rubric bump**（最高風險動作，5 步強制 + 跨模型審核）和 **--bucket-only 輕量重校**（只換 bucket 邊界，不動 rubric 公式）。**Phase 2 強制走 cheat-score-blind sub-agent 給校準池重打分**——不接受 self-scored fallback。觸發詞："升級 rubric"/"bump rubric"/"更新公式"/"我想加一個維度"/"調整權重"/"重校桶"/"recalibrate bucket"。
AI Coding 的 debug 輔助 skill。用戶說出 bug 症狀時自動建立快照 + 迭代記錄，每次嘗試後判斷好壞，連續 3 次更差強制建議回滾。debug 結束後輸出結構化摘要供 cheat-retro 和 cheat-predict 校準使用。觸發詞："我遇到 bug"/"debug 這個"/"有個錯誤"/"程式跑不起來"/"回滾"/"越改越糟"。
cheat-on-content 的首次 onboarding 與腳手架創建器。預設 AI Coding 域，只問一個問題（要不要裝 hook）。觸發詞："初始化"/"init"/"首次使用"/"setup cheat-on-content"。必須在用戶第一次會話執行；其他子 skill 在 .cheat-state.json 不存在時自動路由到此。
把老用户的 .cheat-state.json 升级到当前 schema_version。读 migrations/registry.md 算迁移链，按顺序应用每一步迁移文件。幂等：跑两次结果一样。失败停在中间版本不前进。触发词："迁移"/"升级 state"/"migrate"/"我的 state 是老版本"/"schema 版本不对"。
給任務/學習主題/Coding Session 寫一份 immutable 盲預測日誌。是 cheat-on-content 整個校準循環的核心動作——預測段一旦寫完不可改，由 hook 強制。打分通過 Task tool 委派給 cheat-score-blind sub-agent（context-isolated channel B），主 Claude review 後落盤。觸發詞："啟動預測"/"start prediction"/"寫預測日誌"。
| name | cheat-spec |
| description | 把用戶口述的任務需求、學習目標或開發功能，整理成 cheat-predict 可讀的標準規格文件，存入 scripts/。觸發詞："幫我整理規格"/"把需求存成規格"/"寫 spec"/"啟動任務前先存規格"/"我要做 [某功能/任務/學習目標]"。與 cheat-predict 搭配：cheat-spec 負責收集需求並落盤，cheat-predict 讀規格做盲預測。只要用戶描述了具體任務並想啟動 cheat-on-content 流程，就應使用此 skill。 |
| allowed-tools | Read, Write, Bash |
把用戶描述的需求整理成結構化規格文件，供 cheat-predict 讀取、打分和預測。
規格文件的品質直接決定預測的精度。一份好的規格要讓 cheat-predict 能清楚評估三件事：任務範圍有多大、技術複雜度在哪、怎麼知道做完了。這個 skill 的責任是確保這三點都有足夠資訊。
[用戶描述需求]
↓
[Phase 0: 讀 .cheat-state.json，確認 domain 和狀態]
↓
[Phase 1: 分析已有信息，一問一答補齊缺口]
↓
[Phase 2: 起草規格，展示給用戶 review]
↓
[Phase 3: 用戶確認或修改]
↓
[Phase 4: 計算內容 hash，落盤到 scripts/]
↓
[Phase 5: 提示下一步]
讀用戶當前工作目錄的 .cheat-state.json。
content_form（daily-work | daily-learning | ai-coding）先分析用戶已給的信息，不重複問已有答案的問題。根據 content_form 判斷哪些「必要欄位」還缺。
ai-coding：
| 欄位 | 說明 |
|---|---|
| 功能描述 | 做什麼，一句話說清楚 |
| 驗收標準 | 至少 1 條可操作、可測試的完成條件 |
| 技術依賴 | 語言、主要庫、運行環境 |
| 邊界條件 | 已知難點、約束或 edge case（可選，但值得問一次） |
daily-work：
| 欄位 | 說明 |
|---|---|
| 任務描述 | 做什麼 |
| 交付物 | 完成後產出什麼 |
| 截止時間或預估耗時 | 時間維度 |
daily-learning：
| 欄位 | 說明 |
|---|---|
| 學習主題 | 學什麼 |
| 當前水平 | 從哪個起點出發 |
| 學習目標 | 學完後能做什麼（可測試的） |
| 應用 / 驗證方式 | 怎麼知道真的學會了 |
根據收集到的信息，按對應 domain 的格式起草規格文件，展示給用戶 review：
# <功能名稱（3-8 字）>
## 目標
<一句話：做什麼，以及為什麼做>
## 驗收標準
- <標準 1：可操作、可測試>
- <標準 2>
## 技術依賴
- 語言/框架：<...>
- 主要庫：<...>
- 環境約束：<...>（Windows、Python 版本、API 限制等）
## 邊界條件 / 已知風險
- <已知難點或 edge case>（若無，此段省略）
## 預估時長
<用戶給的或從描述推斷>
# <任務名稱>
## 任務描述
<具體要做什麼>
## 交付物
<完成後產出什麼，格式是什麼>
## 背景與約束
<受眾、工具、限制條件>
## 截止時間 / 預估耗時
<...>
## 驗收標準
- <怎麼知道任務完成了>
# <學習主題>
## 學習目標
<學完後能做什麼，可測試的>
## 當前起點
<現在對這個主題的掌握程度>
## 學習計劃
<打算怎麼學：資源、步驟、時長>
## 應用 / 驗證方式
<怎麼知道真的學會了>
## 預估時長
<...>
起草後輸出：
這是規格草稿，請 review：
[草稿內容]
回 "ok" 直接存檔，或告訴我要修改哪裡。
python -c "import hashlib,sys; print(hashlib.sha256(sys.stdin.read().encode()).hexdigest()[:12])" 並把內容 pipe 進去short：從標題取 3-5 個字，去標點，空格換底線（中英皆可）python -c "from datetime import date; print(date.today())"scripts/YYYY-MM-DD_<id>_<short>.mdscripts/✅ 規格已存：scripts/YYYY-MM-DD_<id>_<short>.md
下一步：
啟動預測 scripts/YYYY-MM-DD_<id>_<short>.md