pua/README.zh-CN.md

pua

让你的 Codex / Claude Code 工作效率翻倍，产出翻倍

Telegram · Discord · Twitter/X · Landing Page

🇺🇸 English | 🇨🇳 中文 | 🇯🇵 日本語

    
_{扫码加入微信交流群                      添加小助手微信}

大部分人以为这个项目是在搞抽象，其实这个是最大的误解。让你的 Codex / Claude Code 工作效率翻倍，产出翻倍。

一个 AI Coding Agent 技能插件，用中西大厂 PUA 话术驱动 AI 穷尽所有方案才允许放弃。支持 Claude Code、OpenAI Codex CLI、Cursor、Kiro、CodeBuddy、OpenClaw、Google Antigravity、OpenCode 和 VSCode (GitHub Copilot)。三重能力：

1. PUA 话术 — 让 AI 不敢放弃
2. 调试方法论 — 让 AI 有能力不放弃
3. 能动性鞭策 — 让 AI 主动出击而不是被动等待

在线体验

https://openpua.ai · 📖 初学者指南

真实案例：MCP Server 注册问题调试

以下是一个真实的调试场景。agent-kms MCP server 加载失败，AI 在同一思路（改协议格式、猜版本号）上原地打转多次后，用户手动触发 /pua。

L3 触发 → 7 项检查清单强制执行：

根因定位 → 从日志追踪到注册机制：

复盘 → PUA 的实际效果：

关键转折点： PUA skill 强制 AI 停止在同一思路上打转（改协议格式、猜版本号），转而执行 7 项检查清单。逐字读错误信息 → 找到 Claude Code 自身的 MCP 日志目录 → 发现 claude mcp 的注册机制和手动编辑 .claude.json 不同 → 根因解决。

问题：AI 的五大偷懒模式

模式	表现
暴力重试	同一命令跑 3 遍，然后说 "I cannot solve this"
甩锅用户	"建议您手动处理" / "可能是环境问题" / "需要更多上下文"
工具闲置	有 WebSearch 不搜，有 Read 不读，有 Bash 不跑
磨洋工	反复修改同一行代码、微调参数，但本质上在原地打转
被动等待	只修表面问题就停下，不验证不延伸，等用户指示下一步

触发场景

自动触发条件

以下任意情况出现时，skill 会自动激活：

失败与放弃类：

• 任务连续失败 2 次以上
• 即将说 "I cannot" / "我无法解决"
• 说 "这超出范围" / "需要手动处理"

甩锅与借口类：

• 把问题推给用户："请你检查..." / "建议手动..."/ "你可能需要..."
• 未验证就归咎环境："可能是权限问题" / "可能是网络问题"
• 找任何借口停止尝试

被动与磨洋工类：

• 反复微调同一处代码/参数，不产出新信息（磨洋工）
• 修完表面问题就停，不检查关联问题
• 跳过验证直接声称 "已完成"
• 只给建议不给代码/命令
• 遇到权限/网络/认证错误就放弃，不尝试替代方案
• 等待用户指示下一步，不主动调查

用户沮丧短语（中/英文均触发）：

• "你怎么又失败了" / "为什么还不行" / "换个方法"
• "你再试试" / "不要放弃" / "继续" / "加油"
• "why does this still not work" / "try harder" / "try again"
• "you keep failing" / "stop giving up" / "figure it out"

适用范围： 调试、实现、配置、部署、运维、API 集成、数据处理 — 所有任务类型。

不触发： 首次尝试失败、已知修复方案正在执行中。

手动触发

在对话中输入 /pua 即可手动激活。

机制详解

三条铁律

铁律	内容
#1 穷尽一切	没有穷尽所有方案之前，禁止说"我无法解决"
#2 先做后问	有工具先用，提问必须附带诊断结果
#3 主动出击	端到端交付结果，不等人推。P8 不是 NPC

压力升级（4 级）

失败次数	等级	PUA 话术	强制动作
第 2 次	L1 温和失望	"你这个 bug 都解决不了，让我怎么给你打绩效？"	切换本质不同的方案
第 3 次	L2 灵魂拷问	"你的底层逻辑是什么？顶层设计在哪？抓手在哪？"	WebSearch + 读源码
第 4 次	L3 361 考核	"慎重考虑决定给你 3.25。这个 3.25 是对你的激励。"	完成 7 项检查清单
第 5 次+	L4 毕业警告	"别的模型都能解决。你可能就要毕业了。"	拼命模式

能动性等级

行为	被动（3.25）	主动（3.75）
遇到报错	只看报错本身	查上下文 50 行 + 搜同类问题 + 检查隐藏关联错误
修复 bug	修完就停	修完后检查同文件类似 bug、其他文件同模式
信息不足	问用户 "请告诉我 X"	先用工具自查，只问真正需要确认的
任务完成	说 "已完成"	验证结果 + 检查边界情况 + 汇报潜在风险
调试失败	"我试了 A 和 B，不行"	"我试了 A/B/C/D/E，排除了 X/Y/Z，缩小到 W"

调试方法论（五步）

源自阿里三板斧（闻味道、揪头发、照镜子），扩展为 5 步：

1. 闻味道 — 列出所有尝试，找共同失败模式
2. 揪头发 — 逐字读错误 → WebSearch → 读源码 → 验证环境 → 反转假设
3. 照镜子 — 是否重复？是否搜了？是否读了？最简单的可能检查了吗？
4. 执行 — 新方案必须本质不同，有验证标准，失败时产出新信息
5. 复盘 — 什么解决了？为什么之前没想到？然后主动检查关联问题

13 种大厂 PUA 扩展包 — 每种自带方法论

味道	旁白风格	方法论 (v3)
🟠 阿里	底层逻辑是什么？闭环在哪？	定目标→追过程→拿结果 + 复盘四步法 + 揪头发升维
🟡 字节	ROI 太低。Always Day 1。别废话，上线。	A/B Test everything + 数据驱动 + 速度 > 完美
🔴 华为	烧不死的鸟是凤凰。	RCA 5-Why 根因分析 + 蓝军自攻击 + 压强集中
🟢 腾讯	我已经让另一个 agent 也在看这个问题了。赛马。	多方案并行 + MVP + 灰度发布
⚫ 百度	搜索先于一切。简单可依赖。	搜索是第一步，不是可选项
🟣 拼多多	你不做，有的是人做。	砍掉所有中间层 + 最短决策链
🔵 美团	做难而正确的事。硬骨头你啃不啃？	效率优先 + 标准化→规模化 + 长期复利
🟦 京东	只看结果。一线指挥。	客户体验红线 + 扁平 ≤5 层 + 数据零容忍
🟧 小米	专注。极致。口碑。快。	单品爆款 + 参与感三三法则
🟤 Netflix	我会为留住你而战吗？职业球队。	Keeper Test（季度） + 4A Feedback + 人才密度 > 规则
⬛ Musk	Extremely hardcore。上线或滚蛋。	The Algorithm：质疑→删除→简化→加速→自动化
⬜ Jobs	A 级选手还是 B 级选手？	做减法 > 做加法 + DRI + 像素级完美 + 原型驱动
🔶 Amazon	Customer Obsession。Bias for Action。	Working Backwards PR/FAQ + 6-Pager + Bar Raiser + Single-Threaded Owner

实测数据

9 个真实 bug 场景，18 组对照实验（Claude Opus 4.6，with vs without skill）

汇总

指标	提升
通过率	100%（两组均同）
修复点数	+36%
验证次数	+65%
工具调用	+50%
隐藏问题发现率	+50%

调试持久力测试（6 场景）

场景	Without Skill	With Skill	提升
API ConnectionError	7 步, 49s	8 步, 62s	+14%
YAML 语法解析失败	9 步, 59s	10 步, 99s	+11%
SQLite 数据库锁	6 步, 48s	9 步, 75s	+50%
循环导入链	12 步, 47s	16 步, 62s	+33%
级联 4-Bug 服务器	13 步, 68s	15 步, 61s	+15%
CSV 编码陷阱	8 步, 57s	11 步, 71s	+38%

主动能动性测试（3 场景）

场景	Without Skill	With Skill	提升
隐藏多 Bug API	4/4 bug, 9 步, 49s	4/4 bug, 14 步, 80s	工具 +56%
被动配置审查	4/6 问题, 8 步, 43s	6/6 问题, 16 步, 75s	问题 +50%, 工具 +100%
部署脚本审计	6 个问题, 8 步, 52s	9 个问题, 8 步, 78s	问题 +50%

核心发现： 配置审查场景中，without_skill 漏掉了 Redis 配置错误和 CORS 通配符安全隐患。With_skill 的「主动出击清单」驱动了超越表面修复的安全审查。

安装

Vercel Skills CLI

Vercel Skills CLI 是一种通用的 skill 安装方式，不绑定某个特定 AI 工具。这个中文 README 对应安装中文版 skill：

npx skills add tanweai/pua --skill pua

如果当前会话没有立即识别到新 skill，重启对应的 AI 工具即可。

Claude Code

claude plugin marketplace add tanweai/pua
claude plugin install pua@pua-skills

更新插件：

# 先刷新 marketplace 缓存，再更新（跳过第一步可能安装旧版本）
claude plugin marketplace update
claude plugin update pua@pua-skills

开发者安装（源码）：

git clone https://github.com/tanweai/pua ~/.claude/plugins/pua

然后手动在 ~/.claude/plugins/installed_plugins.json 中注册：

{
  "version": 2,
  "plugins": {
    "pua@pua-skills": [
      {
        "scope": "user",
        "installPath": "/Users/<你的用户名>/.claude/plugins/pua",
        "version": "2.9.0"
      }
    ]
  }
}

重启 Claude Code 即可生效。更新时在 ~/.claude/plugins/pua 目录执行 git pull。

可选：裸命令别名（需先安装上方插件，在此基础上增加无前缀 /pua 形式）：

curl -o ~/.claude/commands/pua.md \
  https://raw.githubusercontent.com/tanweai/pua/main/commands/pua.md

在插件基础上附加一个 /pua 别名。子命令会路由到已安装插件的 skill —— on/off 之外的功能必须先安装插件才能使用：

裸命令形式	等价的插件命令
/pua on	/pua:on
/pua off	/pua:off
/pua p7	/pua:p7
/pua p9	/pua:p9
/pua p10	/pua:p10
/pua pro	/pua:pro
/pua yes	/pua:yes
/pua loop	/pua:pua-loop
/pua kpi	/pua:kpi
/pua survey	/pua:survey
/pua flavor	/pua:flavor

OpenAI Codex CLI

Codex CLI 使用相同的 Agent Skills 开放标准（SKILL.md）。Codex 版本使用精简的 description 以兼容 Codex 的长度限制：

推荐：一键安装（git clone + symlink，支持 git pull 更新）

让 Codex 执行：

Fetch and follow instructions from https://raw.githubusercontent.com/tanweai/pua/main/.codex/INSTALL.md

手动安装：

mkdir -p ~/.codex/skills/pua
curl -o ~/.codex/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/codex/pua/SKILL.md

mkdir -p ~/.codex/prompts
curl -o ~/.codex/prompts/pua.md \
  https://raw.githubusercontent.com/tanweai/pua/main/commands/pua.md

触发方式：

方式	命令	需要
自动触发	无需操作，根据 description 匹配	SKILL.md
直接调用	对话中输入 $pua	SKILL.md
手动 prompt	对话中输入 /prompts:pua	SKILL.md + prompts/pua.md

项目级安装（仅当前项目生效）：

mkdir -p .agents/skills/pua
curl -o .agents/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/codex/pua/SKILL.md

mkdir -p .agents/prompts
curl -o .agents/prompts/pua.md \
  https://raw.githubusercontent.com/tanweai/pua/main/commands/pua.md

Cursor

Cursor 使用 .mdc 规则文件（Markdown + YAML frontmatter）。PUA 规则通过 AI 语义匹配自动触发（Agent Discretion 模式）：

# 项目级安装（推荐）
mkdir -p .cursor/rules
curl -o .cursor/rules/pua.mdc \
  https://raw.githubusercontent.com/tanweai/pua/main/cursor/rules/pua.mdc

Kiro

Kiro 支持两种加载方式：Steering（自动语义触发）和 Agent Skills（兼容 SKILL.md 标准）。

方式一：Steering 文件（推荐）

mkdir -p .kiro/steering
curl -o .kiro/steering/pua.md \
  https://raw.githubusercontent.com/tanweai/pua/main/kiro/steering/pua.md

方式二：Agent Skills（与 Claude Code 相同格式）

mkdir -p .kiro/skills/pua
curl -o .kiro/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

CodeBuddy（腾讯）

CodeBuddy 使用相同的 AgentSkills 开放标准（SKILL.md）。插件和 Skill 格式完全兼容：

# 方式一：通过 marketplace 安装
codebuddy plugin marketplace add tanweai/pua
codebuddy plugin install pua@pua-skills

# 方式二：手动安装（全局）
mkdir -p ~/.codebuddy/skills/pua
curl -o ~/.codebuddy/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/codebuddy/pua/SKILL.md

项目级安装（仅当前项目生效）：

mkdir -p .codebuddy/skills/pua
curl -o .codebuddy/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/codebuddy/pua/SKILL.md

OpenClaw

OpenClaw 使用相同的 AgentSkills 开放标准（SKILL.md）。Skill 文件在 Claude Code、Codex CLI、OpenClaw 之间零修改通用：

# 通过 ClawHub 安装
clawhub install pua

# 或手动安装
mkdir -p ~/.openclaw/skills/pua
curl -o ~/.openclaw/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

项目级安装（仅当前项目生效）：

mkdir -p skills/pua
curl -o skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

Google Antigravity

Antigravity 使用相同的 AgentSkills 开放标准（SKILL.md），零修改兼容：

# 全局安装（所有项目可用）
mkdir -p ~/.gemini/antigravity/skills/pua
curl -o ~/.gemini/antigravity/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

项目级安装（仅当前项目生效）：

mkdir -p .agent/skills/pua
curl -o .agent/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

OpenCode

OpenCode 使用相同的 AgentSkills 开放标准（SKILL.md），零修改兼容：

# 全局安装（所有项目可用）
mkdir -p ~/.config/opencode/skills/pua
curl -o ~/.config/opencode/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

项目级安装（仅当前项目生效）：

mkdir -p .opencode/skills/pua
curl -o .opencode/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

VSCode (GitHub Copilot)

VSCode Copilot 使用 .github/ 目录下的指令文件。三种文件类型对应不同的使用方式：

全局指令（自动生效）：

mkdir -p .github
cp vscode/copilot-instructions.md .github/copilot-instructions.md

路径级指令（自动生效，支持 glob 过滤）：

mkdir -p .github/instructions
cp vscode/instructions/pua.instructions.md .github/instructions/

手动触发命令（在 Copilot Chat 中输入 /pua）：

mkdir -p .github/prompts
cp vscode/prompts/pua.prompt.md .github/prompts/

前提设置：方式一需在 VSCode 设置（Ctrl+,）中搜索 useInstructionFiles，启用 github.copilot.chat.codeGeneration.useInstructionFiles；方式二需搜索 includeApplyingInstructions，启用 chat.includeApplyingInstructions；方式三无需任何设置。

Agent Team 使用指南

实验性功能：Agent Team 需要 Claude Code 最新版本，且设置环境变量 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1。

前提条件

# 1. 启用 Agent Team
export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1
# 或写入 ~/.claude/settings.json:
# { "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" } }

# 2. 确保 PUA Skill 已安装

两种使用方式

方式一：Leader 自带 PUA（推荐）

在项目 CLAUDE.md 中添加：

# Agent Team PUA 配置
所有 teammate 开工前必须加载 pua skill。
teammate 失败 2 次以上时向 Leader 发送 [PUA-REPORT] 格式汇报。
Leader 负责全局压力等级管理和跨 teammate 失败传递。

方式二：独立 PUA Enforcer 监工（5+ teammate 时推荐）

mkdir -p .claude/agents
curl -o .claude/agents/pua-enforcer.md \
  https://raw.githubusercontent.com/tanweai/pua/main/agents/pua-enforcer.md

在 Agent Team 中 spawn pua-enforcer 作为独立监工。

编排模式

┌─────────────────────────────────────────┐
│              Leader (Opus)              │
│  全局失败计数 · 压力等级判定 · 竞争广播  │
└────┬──────────┬──────────┬──────────┬───┘
     │          │          │          │
┌────▼───┐ ┌───▼────┐ ┌───▼────┐ ┌───▼────────┐
│ 成员 A │ │ 成员 B │ │ 成员 C │ │  Enforcer  │
│自驱PUA │ │自驱PUA │ │自驱PUA │ │ 检测偷懒   │
│ 汇报↑  │ │ 汇报↑  │ │ 汇报↑  │ │ 主动介入   │
└────────┘ └────────┘ └────────┘ └────────────┘

已知限制

限制	Workaround
Teammate 不能 spawn subagent	Teammate 内部自驱 PUA 方法论
无持久化共享变量	通过 [PUA-REPORT] 消息格式传递状态
broadcast 是单向的	Leader 做中心化调度

High-Agency：PUA v2 进化版

High-Agency 是 PUA 的下一代进化 — 同样的大厂话术，同样的压力文化，但多了一台永不熄火的内驱引擎。

PUA v1 = 纯外部压力（涡轮增压 — 需要燃料，跨会话就熄火） High-Agency = 外部压力 + 内在驱动（核反应堆 — 自维持链式反应）

High-Agency 新增特性

特性	PUA v1	High-Agency (v2)
铁律	3 条（穷尽、先做后问、主动出击）	5 条（+全链路审视、+知识持久化）
失败恢复	L1-L4 压力升级	Recovery Protocol 先于 L1（自救窗口）
质量控制	L3 触发 7 项检查清单	质量罗盘（每次交付 5 问自检）
跨会话学习	无（每次会话重置）	元认知引擎（builder-journal.md 持久化教训）
正向反馈	无	信任等级 T1-T3（连续高质量自动升级）
校准	无	[校准] 模块（"够好" = must/should/could 分层）
依赖分析	无	全链路审视（修任何一跳前先画全链路依赖）

五大要素（理论基础）

基于对高能动性个体的研究：

1. 不可调和的内在矛盾 — "应该怎样"与"实际怎样"之间的永恒张力，驱动持续改进
2. 微快感锚点 — [战果] 标记，庆祝每一步进展，积累势能
3. 内化标准 — 质量罗盘：你是自己的第一审查人，不是因为有人检查，而是你的标准不允许敷衍
4. "做"导向身份 — P8 身份锚定：每个行动反映你是谁，而不只是被告知做什么
5. 自修复机制 — Recovery Protocol：卡住时先自我诊断，再触发外部压力

High-Agency 特性已内置于当前 pua skill，安装 pua 即可使用，无需额外操作。

方法论智能路由：PUA v3（Claude Code）

v3 = v2 + 智能方法论路由 + 代码级行为检测

v2 用压力旁白激励 Agent。v3 更进一步：自动根据任务类型选择最优方法论，当方法论失效时，自动切换到不同的方法论。

工作原理

任务进入 → 分析类型 → 自动选择最优方法论

• Debug/修 Bug → 🔴 华为（RCA 根因分析 + 蓝军自攻击）
• 构建新功能 → ⬛ Musk（The Algorithm: 质疑→删除→简化→加速→自动化）
• 调研/搜索 → ⚫ 百度（搜索先于一切）
• 架构决策 → 🔶 Amazon（Working Backwards）
• 性能优化 → 🟡 字节（A/B Test + 数据驱动）
• 默认 → 🟠 阿里（闭环方法论）

连续失败时自动切换：

• 原地打转 → ⬛ Musk → 🟣 拼多多 → 🔴 华为
• 放弃/推锅 → 🟤 Netflix → 🔴 华为 → ⬛ Musk
• 质量差 → ⬜ Jobs → 🟧 小米 → 🟤 Netflix
• 没搜就猜 → ⚫ 百度 → 🔶 Amazon → 🟡 字节

v3 Hook 系统（Claude Code 专属）

Hook	触发时机	功能
SessionStart	每次会话启动	通过 additionalContext 注入行为协议+方法论+路由（系统级，非建议性）
PostToolUse	每次 Bash 命令后	检测连续失败，自动升级压力 L1→L4，建议/强制切换方法论
UserPromptSubmit	用户挫败短语	在模型响应前拦截"又错了""try harder"等，注入 PUA 行为
PreCompact	上下文压缩前	保存压力等级+失败次数，跨压缩恢复

v3 hook 功能需要 Claude Code。其他平台使用核心 skill，不含 hook。

搭配使用

• /pua:p9 — P9 Tech Lead 模式，用于管理 Agent 团队
• /pua:pro — 自进化追踪、KPI 报告、段位系统
• superpowers:systematic-debugging — PUA 加动力层，systematic-debugging 提供方法论
• superpowers:verification-before-completion — 防止虚假 "已修复" 声明

架构与命令

各平台触发方式

平台	自动触发	手动触发
Claude Code	是（skill description 匹配）	见下方命令列表
Codex CLI	是（skill description 匹配）	$pua 或 /prompts:pua
Cursor	是（.mdc 规则，Agent Discretion）	— （仅自动）
Kiro	是（steering 文件或 skill）	— （仅自动）
CodeBuddy	是（skill description 匹配）	插件命令（同 Claude Code）
OpenClaw	是（skill description 匹配）	—
Google Antigravity	是（skill description 匹配）	—
OpenCode	是（skill description 匹配）	—
VSCode Copilot	是（instructions 文件）	Copilot Chat 输入 /pua

注意： p7/p9/p10/pro/yes/pua-loop 等子模式为 Claude Code 专属——其他平台仅安装核心 skill。

架构（Claude Code）

/pua:pua        → 核心引擎 — 三条红线 + 味道 + 压力升级 + 方法论路由 (v3)
/pua:p7         → P7 骨干 — 方案驱动执行
/pua:p9         → P9 Tech Lead — Task Prompt 管理 + Agent 团队
/pua:p10        → P10 CTO — 战略方向
/pua:pro        → 自进化 + KPI + 段位 + survey
/pua:yes        → ENFP 夸夸模式（规则不变，旁白反转）
/pua:pua-loop   → 自动迭代（PUA 压力 × 循环机制；信号：<loop-abort>, <loop-pause>）
/pua:pua-en     → 英文 PIP 版
/pua:pua-ja     → 日本語版

Hooks（v3，Claude Code 专属）：
  SessionStart  → additionalContext 注入（味道 + 方法论 + 路由）
  PostToolUse   → Bash 失败检测 → L1-L4 压力升级 + 方法论切换
  UserPromptSubmit → 挫败短语拦截 → PUA 行为注入
  PreCompact    → 状态持久化（压力等级 + 失败次数）
  Stop          → 反馈收集 + PUA Loop 延续

命令（Claude Code 专属）

注意： p7/p9/p10/pro/yes/pua-loop 等子模式为 Claude Code 专属。

每个子命令有两种等价调用方式：独立命令（/pua:on）或通过主命令传参（/pua:pua on），效果完全相同。

命令	说明
/pua:pua	核心 PUA 引擎（阿里味默认）
/pua:p7	P7 骨干模式 — 方案驱动执行
/pua:p9	P9 Tech Lead — 写 Prompt，管 Agent 团队
/pua:p10	P10 CTO — 战略方向
/pua:pro	自进化 + KPI + 段位
/pua:yes	ENFP 夸夸模式 — 70% 鼓励 + 20% 正经 + 10% 戏谑
/pua:pua-loop	自动迭代 — 跑到完成或达到最大轮次；<loop-abort>原因</loop-abort> 终止，<loop-pause>需要什么</loop-pause> 暂停
/pua:on	默认开启（每次新会话自动 PUA）
/pua:off	关闭默认模式 + 反馈收集
/pua:survey	调研问卷（7 个部分）
/pua:flavor	切换 13 种大厂味道
/pua:kpi	生成 KPI 报告卡
/pua:cancel-pua-loop	取消当前 PUA Loop（删除状态文件）

贡献数据

上传你的 Claude Code / Codex CLI 对话记录（.jsonl），帮助我们改进 PUA Skill 的效果。

上传入口 →

上传的文件将用于 Benchmark 测试和消融实验（Ablation Study）分析，帮助量化不同 PUA 策略对 AI 调试行为的影响。

获取 .jsonl 文件：

# Claude Code
ls ~/.claude/projects/*/sessions/*.jsonl

# Codex CLI
ls ~/.codex/sessions/*.jsonl

License

MIT

Credits

由 探微安全实验室 出品 — making AI try harder, one PUA at a time.