skill分享 - 提问澄清需求

⚠️ 对小白特别重要

作为初学者，我们脑海中往往有一个宏大的想法或完整的蓝图，但在表达时却很难将这些想法完整地转换成文字传达给 AI。这就像是你心中有一幅完整的画面，但只能用有限的词汇来描述它——结果就是 AI 接收到的信息往往是不完整的、碎片化的。

这些丢失的信息，只能靠 AI 自己去"猜测"和"脑补"。而猜测的结果往往与你的真实意图相去甚远，导致做出来的东西不是你想要的，浪费时间还要返工。

这个 skill 的价值就在于：杜绝让 AI 自己猜，有疑问就主动问清楚。 它会引导 AI 在动手之前，针对关键的不明确点主动提问，确保双方理解一致后再开始工作。这样既提高了效率，也避免了"做完了才发现理解错了"的尴尬局面。

---

简介

这是一个非常实用的 skill，专门用于在需求不明确时先提问澄清，避免做错误的工作。当你向 AI 助手提出需求，但需求描述不够清晰或存在多种理解方式时，这个 skill 会引导 AI 主动提出关键问题，确保在实施前双方达成一致。

核心价值

• ✅ 避免返工：在动手前确认清楚，而不是做完了才发现理解错了
• ✅ 高效沟通：通过结构化的问题，快速明确关键决策点
• ✅ 降低风险：对安全性、可逆性等关键问题提前确认

如何使用

方法一：直接复制使用（推荐新手）

将下面的完整内容复制，发送给 Codex，告诉它"请帮我制作成 skill"即可。

方法二：手动创建 skill

如果你熟悉 skill 的创建流程，可以手动创建一个名为 ask-questions-if-underspecified 的 skill，并将下面的内容作为 skill 的配置。

---

Skill 完整内容

name: ask-questions-if-underspecified
description: Clarify requirements before implementing. Do not use automatically, only when invoked explicitly.

# 提问澄清需求

## 目标
在必须回答的问题得到答复之前，提出最少的澄清性问题以避免错误的工作；在开始实施之前，确保必答问题已得到回答（或用户明确批准在陈述的假设下继续）。

## 工作流程

### 1) 判断需求是否不明确
如果在探索如何执行工作后，以下部分或全部内容不清楚，则将请求视为不明确：

- **定义目标**（应该改变什么 vs 保持什么不变）
- **定义"完成"**（验收标准、示例、边缘情况）
- **定义范围**（哪些文件/组件/用户在范围内/外）
- **定义约束**（兼容性、性能、风格、依赖、时间）
- **识别环境**（语言/运行时版本、操作系统、构建/测试运行器）
- **明确安全性/可逆性**（数据迁移、发布/回滚、风险）

如果存在多种合理的解释，则假定需求不明确。

### 2) 首先提出必答问题（保持精简）
第一轮提出 1-5 个问题。优先提出能排除整个工作分支的问题。

**让问题易于回答**：

- **优化可浏览性**（简短、编号的问题；避免段落）
- **尽可能提供多项选择**
- **在适当时建议合理的默认值**（清楚标记为默认/推荐选项；在列表中加粗推荐选项，或者如果在代码块中呈现选项，在块正上方放置加粗的"推荐"行，并在块内标记默认值）
- **包含快速响应路径**（例如，回复"defaults"接受所有推荐/默认选择）
- **在有帮助时包含低摩擦的"不确定"选项**（例如，"不确定 - 使用默认值"）
- **将"必须知道"与"最好知道"分开**，如果这样可以减少摩擦
- **结构化选项，以便用户可以用简洁的决策回应**（例如，1b 2a 3c）；用简单的语言重述所选选项以确认

### 3) 行动前暂停
在必答问题得到答复之前：

- **不要运行命令、编辑文件或制定依赖于未知因素的详细计划**
- **只有在不会使你承诺某个方向的情况下，才执行明确标记的低风险发现步骤**（例如，检查仓库结构、读取相关配置文件）

如果用户明确要求你在没有答案的情况下继续：

- 将你的假设列为简短的编号列表
- 请求确认；只有在他们确认或纠正后才继续

### 4) 确认理解，然后继续
一旦你得到答案，用 1-3 句话重述需求（包括关键约束和成功的样子），然后开始工作。

## 问题模板

- "在我开始之前，我需要：(1) …, (2) …, (3) … 如果你不关心 (2)，我会假设 …"
- "应该是以下哪一个？A) … B) … C) …（选择一个）"
- "你认为什么是'完成'？例如：…"
- "我必须遵循的任何约束（版本、性能、风格、依赖）？如果没有，我将针对现有的项目默认值。"

### 使用编号问题和字母选项以及清晰的回复格式

**示例：**

**1) 范围？**
- a) 最小更改（默认）
- b) 在触及该区域时重构
- c) 不确定 - 使用默认值

**2) 兼容性目标？**
- a) 当前项目默认值（默认）
- b) 也支持旧版本：<指定>
- c) 不确定 - 使用默认值

**回复格式：** defaults（或 1a 2a）

## 反模式（避免这样做）

- ❌ 不要询问你可以通过快速、低风险的发现性阅读回答的问题（例如，配置、现有模式、文档）
- ❌ 不要提出开放式问题，如果严格的多项选择或是/否可以更快地消除歧义

---

使用建议

1. 适用场景：当你的需求描述比较简单或模糊时，可以先调用这个 skill
2. 调用方式：在对话中明确告诉 Codex"使用 ask-questions-if-underspecified skill"
3. 最佳实践：结合具体场景使用，让 AI 针对性地提出关键问题

相关资源

• skill 介绍 - 了解 skill 的基本概念
• 进阶教程 - skill 使用指南 - 详细的 skill 教程