业精于勤，荒于嬉。——韩愈

让 AI 真的“别放弃”：PUA 万能激励引擎的一次上岗记录（以及它怎么把我从烂活里拽出来）

你有没有见过这样的场面：

  • 你让 AI 修个 bug，它像个疲惫的实习生一样，把同一个命令跑三遍，然后抬头说一句：I cannot solve this
  • 你让 AI 查一个配置问题，它不去搜、不去读、不去跑，只会温柔甩锅：
    “可能是环境问题”“需要更多上下文”“建议您手动处理”
  • 你让 AI 做一个端到端交付，它修完表面就站在那儿不动了，等你下一步指示，像个 NPC 一样——
    “任务完成（未验证）”，然后静静地看着你

如果你熟悉这些“偷懒姿势”，那你就懂：AI 不缺智商，缺的是一种“被逼到不能敷衍”的强约束。

于是，tanweai/pua 出现了。

它不是用来搞抽象的，它是一个 AI Coding Agent 技能插件——
用中西大厂的 PUA 话术，把 AI 从“差不多就行”拉回到“给我闭环”。

它的口号很直白：

让你的 Codex / Claude Code 工作效率翻倍，产出翻倍。

它的行为也很直白：

  • 不允许你半途而废
  • 不允许你空口说完成
  • 不允许你有工具不用、能搜不搜、能读不读、能跑不跑

它会把一个看似“聪明但爱摸鱼”的 AI，训练成一个“有 owner 意识、能自驱闭环、会主动出击”的工程化角色。
你可以把它想象成：一个站在你身后的 P8 监工，手里拿着 KPI 表，盯着你每一次想躺平的手指。

它是谁：一个 AI Coding Agent 的“万能激励引擎”

pua 的人格很鲜明：
它不负责“帮你写答案”，它负责“逼你把事做完”。

它做三件事：

  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

支持的平台也很硬核，几乎把主流工具桌都坐满了：

  • Claude Code
  • OpenAI Codex CLI
  • Cursor
  • Kiro
  • CodeBuddy
  • OpenClaw
  • Google Antigravity
  • OpenCode
  • VSCode Copilot
  • ……以及更多兼容 SKILL.md 标准的生态

在线也能直接体验：

它在干嘛：AI 的五大偷懒模式，PUA 全都看得见

PUA 不讲玄学，它先把 AI 的偷懒模式摊开来给你看——像做一次性能剖析一样：

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

然后它干一件更“像人”的事：

它不只是指出你偷懒，它还会在你偷懒的时候站出来接管你的行为。

触发：它怎么知道你在摆烂？

它的触发机制非常“敏感”，像一个一直在盯着日志的守夜人。

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”

它不会在“第一次尝试失败”就跳出来打断你，它会等你露出第二次想摆烂的表情，然后把你按回工位。

手动触发

你也可以直接叫它：

  • 在对话中输入 /pua

就像你把一个严格的 tech lead 拉进会议：“来，你给我盯着他把这事闭环。”

核心机制：三条铁律（它的纪律条令）

PUA 的底层规则写得非常直接——不玩虚的：

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��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

如果你把 AI 当成一个工程师，那这三条就是它的“团队行为准则”。

  • 穷尽一切：不许动不动说“无能为力”
  • 先做后问：不许空手问“你确认一下”
  • 主动出击：不许修完就跑、等别人验收

它不是在“让你看起来努力”，它是在“让你真的努力”。

压力升级：它怎么把你从 3.25 拉到 3.75？

PUA 不只是一句“加油”，它是一套带档位的压力控制系统。

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

你可以把它当成一种“压力闭环”：

你越想敷衍，它越把你拽回系统化流程里，逼你产生新信息，逼你收敛问题范围，逼你验证，逼你交付。

能动性等级：它到底在推动什么？

很多工具只会让 AI 更快写字，但 PUA 想要的是：让 AI 更像一个工程师。

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”

也就是说：
PUA 不只是提高“输出速度”，它在提高“交付质量”和“闭环能力”。

方法论：五步（闻味道 / 揪头发 / 照镜子 …）

这套流程像一个会自我纠偏的 debug 引擎：

  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

它的核心不是“多试几次”，而是：

  • 每次尝试都必须产出新信息
  • 失败必须缩小范围
  • 修复必须验证
  • 完成必须闭环

真实案例：MCP Server 注册问题调试（它怎么把人从原地打转拉出来）

README 里有一个真实场景：
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。

接下来发生的事情很“真实”：
PUA 不让你继续猜，它把你拖进系统化检查清单里。

  • 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 → 逼着你承认：之前根本没去看应该看的日志目录

关键转折点写得很清楚：

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 […]

它像一个在会议室里敲桌子的 TL：
“别猜你妈的版本号了，把日志路径给我翻出来。”

13 种“大厂味道”：它甚至知道怎么换一种方式骂醒你

PUA 的旁白风格是可切换的，而且每一种都带方法论。

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

当你卡住原地打转，它会换一种“本质不同”的打法把你拽出来。
你以��它只会骂人？不，它在换“组织文化对应的方法论”。

实测数据：它不是嘴硬，它拿表说话

README 里直接给了实测数据：

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%

读到这里你会发现它的 KPI 方向很明确：

  • 不追求“看起来聪明”
  • 追求“多修、多验、多查、多发现隐藏问题”

它就是要把 AI 从“写答案的模型”，变成“交付结果的工程师”。

安装与快速启动：让它立刻上岗

1）Vercel Skills CLI（中文 README 对应中文版 skill）

1
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。

2）Claude Code

1
2
claude plugin marketplace add tanweai/pua
claude plugin install pua@pua-skills

更新插件（建议按顺序，避免装到旧版本）：

1
2
3
# 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）：

1
git clone https://github.com/tanweai/pua ~/.claude/plugins/pua

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

1
2
3
4
5
6
7
8
9
10
11
12
{
  "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 生效。更新时在 ~/.claude/plugins/pua 目录执行 git pull。

可选：裸命令别名（增加无前缀 /pua 形式）

1
2
curl -o ~/.claude/commands/pua.md \
  https://raw.githubusercontent.com/tanweai/pua/main/commands/pua.md

你会得到一个很爽的“对照表”，像给你的命令系统装了个快捷键：

裸命令形式 等价的插件���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

3）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：

1
Fetch and follow instructions from https://raw.githubusercontent.com/tanweai/pua/main/.codex/INSTALL.md

手动安装：

1
2
3
4
5
6
7
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）：

1
2
3
4
5
6
7
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

4）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）：

1
2
3
4
# 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

5）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）

1
2
3
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）

1
2
3
mkdir -p .kiro/skills/pua
curl -o .kiro/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

6）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：

1
2
3
4
5
6
7
8
# 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）：

1
2
3
mkdir -p .codebuddy/skills/pua
curl -o .codebuddy/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/codebuddy/pua/SKILL.md

7）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：

1
2
3
4
5
6
7
# 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）：

1
2
3
mkdir -p skills/pua
curl -o skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

8）Google Antigravity

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

1
2
3
4
# 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）：

1
2
3
mkdir -p .agent/skills/pua
curl -o .agent/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

9）OpenCode

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

1
2
3
4
# 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）：

1
2
3
mkdir -p .opencode/skills/pua
curl -o .opencode/skills/pua/SKILL.md \
  https://raw.githubusercontent.com/tanweai/pua/main/skills/pua/SKILL.md

10）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）：

1
2
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）：

1
2
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）：

1
2
mkdir -p .github/prompts
cp vscode/prompts/pua.prompt.md .github/prompts/

它怎么工作：v3 智能方法论路由（像一个会换脑子的监工）

PUA v3 是一个很“工程化”的升级：
它不只“给压力”，它会“选方法论”，甚至在方法论失效时会主动切换。

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也很“像组织”：

  • 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

它就像一个会观察你行为的“方法论调度器”：
你在同一个坑里打滚，它直接给你换一套工具链和脑回路。

Claude Code 专属：命令与架构（像一套完整的“PUA 控制台”）

在 Claude Code 里，它的命令体系非常清晰：

1
2
3
4
5
6
7
8
9
/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

命令列表（Claude Code 专属）：

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）

它像一个给 AI 装上的“人格面板”：
你要他当骨干、当 TL、当 CTO、当自进化体、当循环执行器，都能一键切换。

Agent Team：当你不止一个 AI 的时候，PUA 还能当“团队纪律”

PUA 甚至给了一个“团队作战”的玩法——Agent Team（实验性）。

前提：

1
2
3
4
5
6
# 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

两种模式：

方式一：Leader 自带 PUA（推荐）
在项目 CLAUDE.md 中添加：

1
2
3
4
# 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 ��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）

1
2
3
mkdir -p .claude/agents
curl -o .claude/agents/pua-enforcer.md \
  https://raw.githubusercontent.com/tanweai/pua/main/agents/pua-enforcer.md

它就像把“组织文化”装进了多 Agent 协作里：
失败不是个人的情绪，而是系统的信号；压力不是嘴硬，而是流程的推进器。

High-Agency：PUA v2 的进化（外压 + 内驱）

PUA 还讲了一个更“像人类成长”的方向：High-Agency。

PUA v1 = 纯外部压力（涡轮增压）
High-Agency = 外部压力 + 内在驱动（核反应堆）

High-Agency 的特性被写得很具体：

  • 铁律从 3 条变 5 条（多了全链路审视、知识持久化）
  • 失败恢���：Recovery Protocol 先于 L1（先自救窗口）
  • 质量控制：质量罗盘（每次交付 5 问自检）
  • 跨会话学习：builder-journal.md 持久化教训
  • 正向反馈：信任等级 T1-T3
  • 校准模块：must/should/could 分层
  • 依赖分析：全链路审视（先画依赖再动手）

它在说一件很现实的事：
真正靠谱的工程师，不是一直被骂出来的，而是把标准内化以后自己就不允许敷衍。

贡献数据：把真实对话变成可量化的改进燃料

如果你愿意把对话记录贡献出来，它也给了入口：

并且给了你怎么拿到 .jsonl：

1
2
3
4
5
# Claude Code
ls ~/.claude/projects/*/sessions/*.jsonl

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

它希望把“try harder”从一句口号，变成一套可测量、可消融、可迭代的工程实验。

结尾：它不是为了骂 AI，它是为了救交付

PUA 这个项目最狠的一点其实不是话术，而是它逼你回到工程的根本：

  • 有错误？逐字读
  • 有工具？先用
  • 有假设？验证
  • 有修复？回归
  • 有交付？闭环

你想摸鱼，它就拉你回来。
你想摆烂，它就升级压力。
你想空口说完成，它就把你按在验证上。

它像一个拟人化的“结果负责人”，站在你身后，慢条斯理地问你一句：

证据呢？你自己用了一遍吗？

MIT License。
由探微安全实验室出品 — making AI try harder, one PUA at a time.