W
AI-Wiki
CONCEPT

Productivity

定义

Productivity 是本文档中的一个技能分类标题,其原始描述是“General workflow tools, not code-specific”。换言之,这一类工具面向通用工作流与协作过程,不以代码实现本身为核心,也不属于像 code-review、测试或具体工程实现那样的代码专项技能。

在本文档中的语境

在该技能体系中,Productivity 不是单个工具,而是一组工具的上位分类。它用于收纳“与代码无关的通用工作流工具”,强调的是计划澄清、交接延续、教学式推进、技能写作规范等跨任务能力。

本文档还明确把这个分类拆成两组:

  • User-invoked:由用户直接发起调用的工具。
  • Model-invoked:由模型在合适时机自行调用或复用的工具。

这种分组方式说明,Productivity 不只是按主题归类,也按触发方式区分:有些能力适合用户显式点名使用,有些能力则更像底层可复用机制,由模型在执行更高层工作流时内嵌调用。

关键组成

User-invoked

Productivity 分类下的 User-invoked 条目包括:

  • grill-me:围绕某个计划或设计,对用户进行持续、强力的追问,直到决策树的每个分支都被澄清和解决。重点不是生成代码,而是把方案中的不确定性、遗漏条件与隐藏分支逼问出来。
  • handoff:把当前对话压缩整理成交接文档,以便另一个 agent 接续工作。它解决的是上下文延续与任务转移问题,属于典型工作流工具。
  • teach:在多个会话中教授用户某个新技能或概念,并把当前目录当作有状态的教学工作区使用。这里强调的是持续教学过程,而不是一次性回答。
  • writing-great-skills:用于编写和编辑 skills 的参考材料,关注怎样通过合适的词汇与原则,让一个 skill 的行为更可预测。

Model-invoked

Productivity 分类下的 Model-invoked 条目包括:

  • grilling:对用户的计划或设计进行持续追问,直到决策树的每个分支都被解决。它是 grill-megrill-with-docs 背后的可复用循环机制,因此更像底层能力,而不是仅供用户直接点名的外层包装。

关键机制或结构特征

从这组条目的安排可以看出,Productivity 的共同机制并不是“写代码”,而是“推进工作流”。它主要通过以下方式发挥作用:

  • 澄清决策:如 grill-megrilling,通过反复追问把计划、设计和分支条件压实。
  • 传递上下文:如 handoff,把当前会话整理为可继续执行的交接材料。
  • 持续培养能力:如 teach,把学习过程拆到多轮、跨会话的状态化教学里。
  • 规范技能表达:如 writing-great-skills,帮助作者形成更稳定、可预测的 skill 说明语言。

其中,User-invoked 与 Model-invoked 的区别尤其关键:前者是面向用户的直接入口,后者则可能作为复用引擎嵌入别的技能中。例如,grilling 明确被描述为 grill-megrill-with-docs 背后的 reusable loop,这说明某些 productivity 能力既可以有外层交互产品形态,也可以有内层机制形态。

细节与边界

Productivity 的边界在原文里说得很直接:它是“General workflow tools, not code-specific”。这至少包含几层限制:

  • 它关注的是通用工作流,而不是特定编程语言、框架或仓库实现细节。
  • 它可以服务于工程活动,但自身不以代码产出、代码检查或测试编写为主目标。
  • 它和工程类技能相邻,但不应混同。例如 code-review 虽然也是一种工作流能力,但它在原文中属于工程语境:会针对固定起点之后的 diff,从 StandardsSpec 两个轴并行审查实现是否符合仓库编码标准、Fowler 异味基线,以及是否忠实实现来源 issue 或 PRD。这类内容明显是代码专项,不属于 Productivity 的定义边界。

因此,判断某个技能是否应归入 Productivity,关键不在于它“有没有帮助工作”,而在于它是不是非代码专项的通用流程工具。如果核心价值是设计追问、交接、教学、技能写作规范,它更接近 Productivity;如果核心价值是审查实现、验证代码、驱动开发,则更接近工程技能。

相关条目