菜单
cheat-on-content 的狀態看板。顯示當前域 / rubric 版本 / 校準進度 / 待復盤 / 是否該升級 rubric。任何時候都可調，無副作用。觸發詞："狀態"/"看板"/"status"/"我現在該做什麼"/"進度怎麼樣"。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
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"。
基于 SOC 职业分类
| name | cheat-status |
| description | cheat-on-content 的狀態看板。顯示當前域 / rubric 版本 / 校準進度 / 待復盤 / 是否該升級 rubric。任何時候都可調，無副作用。觸發詞："狀態"/"看板"/"status"/"我現在該做什麼"/"進度怎麼樣"。 |
| allowed-tools | Bash(*), Read, Glob, Grep |
讀 state file + 掃描用戶項目 → 匯總當前進度 → 輸出「今天該做什麼」清單。
[用戶：狀態]
↓
[Phase 1: 讀 .cheat-state.json + 掃文件系統]
↓
[Phase 2: 計算派生指標]
↓
[Phase 3: 檢測建議觸發器]
↓
[Phase 4: 輸出看板]
| 來源 | 用途 |
|---|---|
.cheat-state.json | 主要狀態 |
predictions/*.md | 校準樣本數 / pending retros |
rubric_notes.md | 行數 / 當前版本 |
state = read_json('.cheat-state.json')
if not state:
return "你還沒初始化。請先跑 /cheat-init。"
predictions = glob('predictions/*.md')
rubric_lines = wc_l('rubric_notes.md')
| 指標 | 算法 |
|---|---|
| Confidence 等級 | 從 calibration_samples 派生：0→🔴極低 / 1-2→🟠很低 / 3-5→🟡偏低 / 6-10→🟢中 / ≥11→🔵較高 |
| 校準樣本數 | predictions 中含完整復盤段（實績數據非空）的文件數 |
| 待復盤 | state.pending_retros 中已過 retro_window_days 的 |
| 同向偏差隊列 | state.consecutive_directional_errors |
| in_progress 陳舊度 | now - state.in_progress_session.started_at（如有） |
按優先級（高→低）逐項檢查：
state.hooks_installed=false → 「你的 immutability 是君子協定，建議裝 hook」state.last_bump_self_audited=true → 「上次 bump 是自審，建議配置外部審核」根據 content_form 調整輸出語言：
content_form=ai-coding：
🎛️ cheat-on-content 狀態（更新於 YYYY-MM-DD HH:MM）
域：AI Coding（SP/LV/TS/CO/IR）
當前 rubric：v0（上次 bump：N/A）
校準樣本：N 個 session
Confidence: 🔴 極低（前 2 個是數據採集期）
📊 進度
[████░░░░░░] N / 5 → 第一次 bump 門檻
🎯 待辦（按緊急度）
🚨 待復盤 X 個（已過 T+1d）
- predictions/YYYY-MM-DD_..._功能名.md
⚠️ in-progress session 已陳舊 N 天
- predictions/YYYY-MM-DD_....md → 完成了嗎？
📈 健康度
- rubric_notes.md：N 行（健康 / 接近清算線）
- hooks_installed：✅ / ❌
下一步建議（按推薦優先級）：
1. /cheat-retro predictions/... ← 最緊急
2. /cheat-bump ← 如偏差信號觸發
content_form=daily-work：
🎛️ cheat-on-content 狀態
域：日常工作任務（CL/IM/PR/SC/FO）
當前 rubric：v0
校準樣本：N 個任務
Confidence: 🔴 極低
🎯 待辦
🚨 待復盤 X 個任務（已過 T+1d）
...
content_form=daily-learning：
🎛️ cheat-on-content 狀態
域：日常學習（RE/PK/AP/DL/AC）
當前 rubric：v0
校準樣本：N 個學習主題
Confidence: 🔴 極低
🎯 待辦
🚨 待復盤 X 個主題（已過 T+2d）
...
輸出風格：直白、具體、可點擊。每個建議附確切的命令。