메뉴
通过对话探索用户意图，产出 design.md。design 覆盖 5 个内容维度，让无上下文的 subagent 也能理解全貌。
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
| name | brainstorm |
| description | 通过对话探索用户意图，产出 design.md。design 覆盖 5 个内容维度，让无上下文的 subagent 也能理解全貌。 |
通过对话探索用户意图，产出 design.md。
NO IMPLEMENTATION until design.md is approved by the user.
如果发现自己写代码，立刻停下。
先了解环境：
一次问一个问题。从期望的结果倒推：
好问题（结果导向）：
坏问题（实现导向）：
在理解问题之前不要提技术方案。优先用选择题。
只在以下情况 explore：
跳过 explore 的情况：
把讨论结果写成 design.md，覆盖以下 5 个内容维度：
1. 现状（改之前长什么样）
2. 为什么要改（具体痛点，不是 "为了更好"）
3. 关键设计决策和取舍
4. 怎么做（subagent 不读代码就能动手的程度）
5. 验收场景（每个 P0 feature 必须有）
对于 design 中标记为 P0 的每个功能，必须定义 行为级验收场景。这不是测试用例，而是 "做完之后，观察者能看到什么行为"。
格式：
### P0 Feature: <feature name>
**Acceptance Scenarios:**
1. <concrete observable behavior>
2. <concrete observable behavior>
3. <edge case behavior>
示例：
### P0 Feature: Agent Loop
**Acceptance Scenarios:**
1. User sends prompt → agent returns text response
2. LLM returns tool_call → tool executes → result fed back → agent continues
3. LLM returns 3 concurrent tool_calls → all execute in parallel
4. MaxTurns=2 → agent stops after 2 turns even if LLM wants more
5. Context cancelled mid-stream → agent stops and emits AgentEnd
为什么这很重要： 验收场景是实现和验证的基准。如果 design 没有定义具体场景，实现时就只能靠 "go test passes" 这种不可靠的验证标准。
6. 边界条件和特殊情况
7. Completeness Checklist 对照（如果 explore 阶段有输出）
如果 explorer 输出中包含 Completeness Checklist，design 必须逐项回应。对于每一项，明确标注：
如果 explore 的 checklist 有 19 个包但 design 只规划了 8 个包，剩余 11 个必须逐个标注。不允许静默省略。
可选但建议有：Goals / Non-Goals、Impacts & Risks 不需要：测试计划、任务拆解、八股模板
Gate 规则：
| 断言 | 修正 |
|---|---|
| 未读技能文件 | 先读完本 SKILL.md 再开始 |
| self-approve | 等用户明确说 OK，不能自己确认 |
| 未展示产出就问确认 | 先展示 design.md 摘要 |
| 缺少内容维度 | design.md 必须覆盖 7 个维度（含验收场景和 checklist 对照），缺了就补 |
| P0 feature 没有验收场景 | 每个 P0 feature 必须有具体的 Acceptance Scenarios |
| explore checklist 未逐项回应 | 如果有 explore 输出，每个 checklist 项必须标注 covered/deferred/merged |
| scope 定义自相矛盾 | Success criteria 和 feature list 不能矛盾。不能同时说 "drop-in replacement" 又省略功能 |
brainstorm (this skill) → design.md
↓ (user approved)
↓
用户选择实现方式：直接实现、pge 编排、或其他
也可以直接跳入：
Planner-Generator-Evaluator 编排模式。GAN 启发的多 agent 动态编排，通过 ai CLI 控制子 agent 完成复杂任务的拆解-执行-验证闭环。
Code review skill using codex-rs methodology with ai CLI
为任意代码仓库构建结构化知识库（code wiki），并通过 frozen snapshot 机制启动即问即答的 expert agent。 当你需要深入理解一个大型代码仓库、构建可复用的代码知识库、或为其他 agent 提供代码专家服务时使用此技能。
Use the mcporter CLI to list, configure, auth, and call MCP servers/tools directly (HTTP or stdio), including ad-hoc servers, config edits, and CLI/type generation.
Orchestrate a real-time alternating debate between two subagents using ai serve/send. Judge controls rounds by prompting each agent in turn.
任务规划与进度追踪。当任务有 5+ 步骤、多文件改动、或长执行链时使用。 核心机制：用 checkbox 列表追踪进度，每完成一步立即更新，利用"重写列表"将完整任务清单重新注入 context。