메뉴
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。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
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