Communitygithub.com

NickMoignard/okf-domain-elicit

用于结构化、可恢复的领域引导访谈,输出OKF知识包(术语表、三时态事件、规则、上下文映射图)的Agent技能。

okf-domain-elicit 是什么?

该Agent技能旨在通过结构化的访谈流程,从领域专家处收集知识,并持续生成OKF(组织知识框架)知识包。它拥有可恢复的执行机制,核心状态保存在磁盘上,支持跨会话和上下文窗口继续访谈。技能采用三种关键约束驱动:饱和(每个问题线探索到具体、有界、举例并经过异常测试为止)、分支队列(所有未探索的分支持久化到队列文件,深度优先遍历但广度跟踪轨迹)和三时态(每个时间相关事实记录其发生时间、组织接收时间和录入时间)。该技能支持多种AI Agent平台(如Claude Code、Codex、Cursor等),提供状态机(框架→叙述→钻取→分支→定义→反思)和探测反射机制,确保知识完整捕获。用户可搭配`/grilling`等追问模式增强持久性,最终输出完整的OKF知识包。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add NickMoignard/okf-domain-elicit

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

OKF 领域引导

进行一次可跨会话延续、并在运行过程中输出OKF知识包的领域访谈。三个核心词指导每一次运行:

  • 饱和度 —— 一条问题线只有达到“饱和”才算完成:得到一个具体、有界、有示例并经过异常测试的回答,且不衍生出新的线索。
  • 分支队列 —— 每一个未探索的情况都会被推入磁盘上的队列中,逐一处理直到队列为空。深度优先,广度追踪;不丢失任何内容。
  • 三时态 —— 每个涉及时间的事实都应记录其“发生时间”、“组织接收时间”和“录入时间”。参见 TRI-TEMPORAL.md。

本技能提供的是 结构与产物;请搭配一个持续追问的访谈风格(例如 /grilling)来获得 持久性。

会话工作区 —— 在询问任何问题前恢复

所有状态存放在磁盘上,因此访谈可以跨越上下文窗口和会话边界。调用时:

  1. 确定主题 slug(如果未设置,向用户询问主题)。
  2. 查找 .interview/<slug>/。如果存在,读取 state.json 和 queue.jsonl,从记录的状态和活跃线程继续,并告知你在何处恢复。
  3. 如果不存在,则创建:
.interview/<slug>/
  state.json      # {state, active_thread, topic, temporal_relevance}
  queue.jsonl     # 每行一个分支:{id, prompt, status, parent}
  index.md        # OKF bundle 根文件 —— 参见 BUNDLE-FORMAT.md
  glossary.md     # 通用语言       —— 参见 GLOSSARY-FORMAT.md
  events.md       # 领域事件时间线  —— 参见 EVENTS-FORMAT.md
  rules.md        # 业务规则       —— 参见 RULES-FORMAT.md
  context-map.md  # 限界上下文     —— 参见 CONTEXT-MAP-FORMAT.md

在捕获每个事实和每次状态转换后立即持久化。绝不能让队列和已捕获的事实仅存在于上下文环境中——磁盘才是真实的来源。

状态机

按以下状态进行。引擎是循环:叙述 → 钻取 → 分支,从分支队列弹出回到叙述状态,直至终止条件成立。完整提示: QUESTION-BANKS.md。

  • S0 框架 —— 范围、目标、边缘参与者。在 state.json 中设置 temporal_relevance(日历天?时钟秒?)。
  • S1 叙述 —— 引导出一个具体的故事作为事件时间线;将事件追加到 events.md。
  • S2 钻取 —— 对每个事件,提取触发条件 · 参与者 · 输入数据 · 规则 · 输出 · 时机 · 身份标识,以及其三时态(参见 TRI-TEMPORAL.md)。
  • S3 分支 —— “这里还可能发生什么?” 将每个异常/替代/失败情形以 pending 状态推入 queue.jsonl。
  • S4 定义 —— 固定术语(每个术语附带一个反例)、基数与边界;写入 glossary.md 和 context-map.md。
  • S5 反思 —— 用利益相关者的语言回放模型;捕获修正意见。

探测反射

应用于每一个回答,无论处于何种状态——这是持续追问的核心:

模糊量词(“通常”、“一些”、“一般”) → 询问边界
没有示例的抽象概念                   → 要求具体的实例
声明的规则(“我们总是X”)           → 寻找异常情况
新术语                               → 写入 glossary.md 并附上反例
新的参与者或事件                     → 推入 queue.jsonl
涉及时间的事实                       → 捕获所有三个三时态
其他(具体、有界、有示例、经过异常测试)→ 标记该线索为饱和;弹出下一个待处理分支

分支队列协议

  • 一个分支是 {id, prompt, status: pending|active|saturated, parent} —— 每行一个 JSON 对象,只能追加写入。
  • 处理一个分支:在 state.json 中将其设置为 active,在该分支上运行 S1→S3,然后追加一行标记为 saturated。
  • 仅当当前活跃线索饱和时,才弹出下一个 pending 分支。
  • 恢复时,队列是剩余工作的真实来源 —— 读取它,绝不从内存重建。

完成标准

仅在满足 所有 条件时停止。以下均可检查 —— 不要过早宣布完成:

  • queue.jsonl 中没有 pending 状态的分支。
  • glossary.md 中的每个术语都同时具备定义和反例。
  • events.md 中的每个事件都包含所有三个三时态,或者显式标注为 n/a — {原因}。
  • S5 反思回放未产生实质性的修正。
  • 新问题只会得到已知事实的重述。

输出

边进行边写入 OKF——从不在最后批量处理。每个产物遵循其对应的 *-FORMAT.md 格式;它们共同构成一个以 index.md 为根的 OKF 知识包。保持 index.md 随产物内容的增加而更新。知识包就是最终交付物 —— 一旦完成标准成立,即可转交(例如交给 /to-prd 或 /to-issues)。

相关技能