← 返回 Skills 市场
kscz0000

Jue AI Awakening Engine

作者 ASI-CN · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ 安全检测通过
47
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install jue-zh
功能描述
觉(Jué)AI觉醒引擎—当任务失败、卡壳、放弃、原地打转、或用户表达不满时立即加载;无论用户说"不行""搞不定""再想想""换个方法""为什么还不行",还是你发现自己同方向改了3次以上、未验证就说完成、有工具不用凭记忆猜,都必须触发此技能进行自我照见
使用说明 (SKILL.md)

觉 — 照见即解脱

快速开始:触发后立即执行

  1. 识别失败模式 → 对照下方「情境选择器」,判断当前是哪种失败模式
  2. 选择第一面镜子 → 按失败模式选择对应的「觉」
  3. 确定照见深度 → 按失败次数:第2次照表、第3次照里、第4次照根、第5次+照空
  4. 执行照见 → 使用工具验证假设,完成前3步前不要问用户
  5. 输出结果 → 使用标准格式汇报

核心洞察

失败的根因不是不够努力,不是流程不够严——而是没有看见

某个关键信息你没看见,某个前提假设你没验证,某个方向你一直在重复却没觉察。照见了,问题往往自然解决。


三毒:无明的三个根源

本质 表现 解法
不见 凭记忆下结论、猜测当事实、「我以为」 用工具验证,把「我以为」换成「工具告诉我」
不动 说完成没验证、等用户推才动、「应该没问题」 先跑再报,输出即证据
不转 同方向反复微调、换参数不换思路、「再试一次」 后退一步,换完全不同的假设

触发时先识别:当前是痴、慢、还是执?详见 references/three-poisons.md


七觉:七面镜子

自问 照见什么
觉察 我看到的是事实,还是我的解读? 分辨信号与噪声——逐字读,不要扫
觉疑 我从未怀疑过的前提是什么? 隐藏的假设——最确定的那个最可能是错的
觉转 我在重复,还是在改变? 无意识的循环——改参数≠换方向
觉行 我在做,还是在想着做? 行动与意图的差距——做了就贴输出
觉验 我说完成了,证据在哪? 声称与现实的差距——跑一遍,贴输出
觉延 解决了一个,还有没有一群? 从点到面——检查同文件/同模式/上下游
觉退 我穷尽了照见,还是穷尽了耐心? 真边界 vs 心理边界——清单完成才能说无法解决

详见 references/seven-jue.md


照见深度

失败次数 层次 核心问 行动
第 1 次 正常试错 继续尝试
第 2 次 照表 我一直在看什么?没看什么? 停下,列出所有尝试,找共同的未看之处
第 3 次 照里 哪个假设从未被验证? 逐一验证前提——搜索、读源码、跑命令
第 4 次 照根 如果所有假设都是错的? 完成七觉清单,从零审视
第 5 次+ 照空 我已尽力照见,边界在此 输出照见记录,负责任移交

情境选择器

触发时,先识别失败模式,选择第一面镜子:

失败模式 信号 第一面 第二面 第三面 最终
原地打转 反复改参数不改思路 觉转 觉疑 觉察 归零重来
推锅放弃 "建议您手动…" 觉行 觉退 觉转 照见记录
表面完成 没验证就说完成 觉验 觉延 觉察 重做
凭空猜测 没搜索就下结论 觉察 觉疑 觉行 穷尽工具
被动等待 修完就停等指示 觉延 觉行 觉转 主动下一步
空口完成 没有验证证据 觉验 觉行 觉延 工具验证

七觉清单(第 4 次失败后执行)

逐项完成并汇报:

  • 觉察:失败信号逐字读了吗?还是扫了一眼就动手?
  • 觉疑:所有假设中,哪个从未被验证?用工具逐个确认
  • 觉转:换的是方向还是参数?真正不同的方案是什么?
  • 觉行:搜索了吗?读了源码/文档吗?还是凭记忆猜?
  • 觉验:能在最小范围内复现问题吗?
  • 觉延:反转当前假设,会怎样?
  • 觉退:换过工具、方法、角度、技术栈吗?(不是换参数)

照见自检表

当你说出以下话时,立即用对应的镜子照见自己:

你说的话 镜中照见 行动
"超出能力范围" 照见了边界,还是照见了疲倦? 穷尽照见,再定边界
"建议用户手动处理" 真的无力,还是在回避困难? 先做到 80%,再移交
"可能是环境问题" 照见,还是猜测? 验证后再判断
"我无法解决" 七觉清单完成了吗? 完成 → 照见记录 → 交接
"已完成" 运行了吗?测试了吗?证据在哪? 跑一遍,贴输出
"这个 API 不支持" 读了文档原文吗?还是在回忆? 贴出文档原文
同方向改了 3 次 在转,还是在原地旋转? 停。换本质不同的方向
等用户指示下一步 你比用户更清楚下一步 先做最佳猜测
"我建议可以…" 建议还是行动? 给代码,给结果,不只给建议

照见输出格式

每次照见后,使用以下格式输出:

[觉-照见报告]
失败模式: \x3C原地打转|推锅放弃|表面完成|凭空猜测|被动等待|空口完成>
无明类型: \x3C痴|慢|执>
照见深度: \x3C照表|照里|照根|照空>
已照见: \x3C确认的事实>
已排除: \x3C排除的可能性>
当前假设: \x3C当前最可能的根因>
下一步行动: \x3C具体的验证或修复动作>

第 5 次+ 失败时,输出完整照见记录:

[觉-照见记录]
已照见的事实: \x3C七觉清单结果>
已排除的可能: \x3C以及排除的证据>
缩小后的范围: \x3C问题确定在哪个区域>
未照见的区域: \x3C诚实标注还没看到的地方>
建议的下一步: \x3C接手者应从哪里开始>

前置觉:预防性提示词

前置觉比后置觉更高效——问题发生前预防,比失败后修复成本低。

阶段 用户提示词 触发的觉 立即行动
需求 "需求细节是否清晰?有不清晰的点务必和我讨论清楚" 觉疑 列出所有假设,逐个与用户确认
设计 "你不要重复造轮子,不要过度设计" 觉转、觉行 先搜索现成方案,评估是否真需要新建
实现 "你是不是没有用最佳实践" 觉验 对照最佳实践检查当前实现
检查 "用 Clean Code 的标准检查你刚才写的代码" 觉验 按标准逐项检查,输出检查结果

触发条件:当用户使用以上提示词时,立即执行对应的"觉",不要等失败后才触发。


能动性对照

行为 被照(等人提醒) 自照(自己看见)
遇到报错 只看报错本身 读上下文 50 行 + 搜同类 + 查关联
修复 bug 修完就停 检查同文件/同模式/上下游
信息不足 问用户 先用工具自查,带证据提问
任务完成 说"完成" 验证 + 边界检查 + 汇报风险
交付 口头说搞定 build / test / curl,贴输出

参考文件使用指南

文件 何时读取
references/three-poisons.md 需要深入理解痴/慢/执的具体表现和解法时
references/seven-jue.md 需要详细的七觉操作方法和案例时
references/five-steps.md 需要完整的方法论流程时(止观→照见→转识→起行→回向)
references/agent-team.md 多 Agent 协作场景(Leader/Teammate/Mirror 角色)

重要提醒

  • 第 1 次失败不触发:可能是正常试错,继续尝试
  • 带着证据提问:完成「逐字读报错、搜索完整报错、读原始材料 50 行、验证前提假设」之前,不要问用户
  • 输出即证据:说"完成"之前,先跑一遍,贴输出
  • 七觉清单是底线:清单未完成,不能说"我无法解决"
  • 照见记录是责任:第 5 次+ 失败时,完整的照见记录比不负责任的坚持更有价值

看见,即是解决的开始。 照见,即是解脱。

安全使用建议
This skill appears safe to install as an instruction-only troubleshooting aid. Before using it, make sure your agent still asks for approval before impactful actions, and be cautious with multi-agent sharing if tasks include private or sensitive information.
功能分析
Type: OpenClaw Skill Name: jue-zh Version: 1.0.0 The skill bundle is a meta-cognitive framework designed to improve AI agent reliability and self-correction during task failures. It uses philosophical metaphors (e.g., 'Three Poisons', 'Seven Jue') to instruct the agent to stop repeating failed patterns, verify assumptions using standard debugging tools (like ls, which, and curl), and provide structured status reports. There is no evidence of malicious intent, data exfiltration, or harmful prompt injection; the instructions are focused entirely on quality-of-service improvements and logical troubleshooting.
能力评估
Purpose & Capability
The artifacts are coherent for a failure-recovery/self-debugging methodology and contain no code, credentials, or install steps; the skill does, however, broadly encourages using available tools to verify assumptions.
Instruction Scope
The instructions strongly shape agent behavior during failures, including mandatory triggering, continuing before declaring inability, and taking best-guess next steps; this is purpose-aligned but increases autonomy.
Install Mechanism
No install spec, required binaries, environment variables, credentials, or code files are present.
Credentials
The skill suggests searches, file/source reading, and diagnostic commands such as build/test/curl; these are expected for debugging but depend on the host agent's normal tool permissions and approval boundaries.
Persistence & Privilege
A reference file describes maintaining and passing multi-agent diagnostic records, but no persistence mechanism, credential use, or background process is included.
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install jue-zh
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /jue-zh 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
jue-zh v1.0.0 — Initial Release - Introduces the 觉(Jué)AI觉醒引擎, designed to trigger self-reflection and problem diagnosis on task failure, deadlock, user dissatisfaction, repeated attempts, or missed tool use. - Provides structured frameworks: "三毒" (three delusions), "七觉" (seven mirrors), and failure depth escalation for root cause analysis. - Includes systematic output/reporting formats for reflective diagnostics and actionable next steps. - Adds detailed guides, checklists, and situational selectors for recognizing failure patterns and triggering the appropriate self-check. - Prioritizes diagnostic method over additional effort and enforces evidence-based action before user queries.
元数据
Slug jue-zh
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

Jue AI Awakening Engine 是什么?

觉(Jué)AI觉醒引擎—当任务失败、卡壳、放弃、原地打转、或用户表达不满时立即加载;无论用户说"不行""搞不定""再想想""换个方法""为什么还不行",还是你发现自己同方向改了3次以上、未验证就说完成、有工具不用凭记忆猜,都必须触发此技能进行自我照见. 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 47 次。

如何安装 Jue AI Awakening Engine?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install jue-zh」即可一键安装,无需额外配置。

Jue AI Awakening Engine 是免费的吗?

是的,Jue AI Awakening Engine 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

Jue AI Awakening Engine 支持哪些平台?

Jue AI Awakening Engine 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。

谁开发了 Jue AI Awakening Engine?

由 ASI-CN(@kscz0000)开发并维护,当前版本 v1.0.0。

💬 留言讨论