这是什么

AI 在复杂任务上常见的敷衍表现：信息不足时猜测、给"完美答案"却没有推导过程、用空洞术语堆砌、改多个文件却不说明影响、假装完成而未验证。yotta-anti-shallow 把这些高频问题固化成可执行的规则，通过「先分析 · 再执行 · 后自检」的强制流程约束输出质量。

它不是某个平台的专属功能，而是一份与智能体无关的规则文本：装进任何支持 Agent Skills 的智能体即可生效，只规范输出质量，不接管执行权限，也不需要常驻服务。

核心价值

• 强制先分析再执行：代码修改 / Bug 排查 / 架构重构 / 文档写作 / 数据分析 / 开放问答，先输出含四要素的分析，再动手。
• 按复杂度分级，避免形式化负担：L1 简单任务直接回答；L2 简短分析即执行；L3 完整分析 + 用户确认；L4 拆解成多个 L3。
• 透明度保障：推测性结论必须标注置信度（确定 / 高 / 中 / 低 / 猜测），禁止伪确定。
• 完成即自检：任务结束主动输出自检报告，主动暴露疑虑与未覆盖点。
• 底线不可关闭：信息不足须明说、未验证不假装完成、用户打断必重来——即使说"免规则"也始终生效。

核心优势

| 优势 | 说明 | |---|---| | 激活方式双通道 | 显式唤醒（"上规则"等）+ L3+ 任务自动适用；自动适用看任务性质而非关键词，堵住"没喊规则就敷衍"的漏洞 | | 复杂度分级执行 | L1-L4 分级 + 篇幅硬上限（L1 ≤200 字 / L2 分析 ≤300 / L3 分析 ≤600），既不敷衍也不灌水 | | 完整的置信度体系 | 五档置信度判定标准 + 声明力度分级（高置信一句话，中以下才全格式），透明且不啰嗦 | | 可关闭有底线 | 用户可临时关闭流程规则（R001/R003/R004），但 L1 硬底线（F001/F008/R005）永不可关 | | 显式指令优先 | 用户明确说"不用分析"就遵从，并明确标注"规则已临时调整"，不跟用户抬杠 | | 边界清晰 | 纯创意 / 闲聊 / 只要结果 / 纯事实检索不强制套用，避免形式化负担 | | 轻量零依赖 | 纯规则文本，无 daemon / 无数据库 / 无注入；任何支持 Agent Skills 的智能体即装即用 | | 生态分发 | GitHub + npm 双源同步发布；npx / git clone / Download ZIP / install.sh 四种安装方式，覆盖 17+ 类智能体目录 |

规则体系（R001-R008）

| 规则 | 作用 | |---|---| | R001 先分析再执行 | 复杂任务先输出四要素分析，L3+ 等确认后执行 | | R002 禁止行为 | F001-F009：不猜、不堆术语、不假装完成等九类禁止项 | | R003 自检协议 | 任务完成后主动自检（轻量版 / 完整版 ≤300 字） | | R004 置信度声明 | 推测性结论按五档标注置信度 | | R005 打断处理 | 用户说"停"立即停止、承认不足、重新分析 | | R006 复杂度分级 | L1-L4 分级执行 + 篇幅上限 | | R007 关闭通道 | 可临时关闭，L1 硬底线不可关 | | R008 显式指令优先 | 用户显式指令 > 规则默认，冲突按规则处理 |

分析四要素（R001，缺一不可）：根因 / 核心判断、推理路径、影响范围、不确定性声明。

底线分层（R007 / R008 统一口径）：L1 硬底线（F001 信息不足须明说、F008 不假装完成、R005 打断必重来）永不可关；L2 流程（R001 / R003 / R004）可关；L3 风格（F002-F007、F009）可关。

使用示例

激活——表达深入意图或任务达到 L3 复杂度即生效：

请用 yotta-anti-shallow 规则处理：追查这个接口偶发超时的根因。

先分析——L3 任务先输出四要素分析，等确认再执行：

根因 / 核心判断：超时集中在 connect 阶段，非业务处理。
推理路径：客户端发起 → DNS 解析慢 → TCP 建连超时 → 未设重试。
影响范围：api/request.ts（客户端）、dns 配置（基础设施）。
不确定性声明：基于链路日志，未复现，置信度：中。

执行后自检——完成即自检，暴露疑虑：

【自检】已定位并修复连接超时配置 | 已补重试与降级 | 我的疑虑：生产流量下 DNS 波动幅度未实测，建议灰度观察。

触发方式

在对话中表达「需要深入分析 / 全链路验证 / 根因追溯 / 严谨执行 / 细致检查」的意图时自动激活，例如：

• 「深入看看」「严谨点」「仔细查」「全链路」
• 「根因」「追溯」「审视」「反思」「自我检查」「验证」「证明」
• 「别糊弄」「上规则」「不要敷衍」
• 也可显式调用技能：yotta-anti-shallow

规则可临时关闭（「关掉规则 / 暂停规则」），但「信息不足须明说」与「打断必重来」为不可关闭的底线。

安装

以下四种方式任选，顺序即推荐优先级；技能文件一律从 npm 获取（GitHub 无代理较慢，npm 支持镜像）。

方式一：npm 一行装（推荐）

# 可选国内加速：npm config set registry https://registry.npmmirror.com
npx -y @yottameta/yotta-anti-shallow --agent <智能体名称>      # 装到指定智能体默认用户级技能目录
npx -y @yottameta/yotta-anti-shallow --dir <智能体的技能目录>  # 指到技能目录本身（如 ~/.codex/skills）

• --agent <name> 自动装到该智能体默认用户级目录；--list 可查看各智能体默认目录。
• --dir <路径> 装到指定的技能目录；未收录的智能体用 --dir 指到它的技能目录。
• npmmirror 未同步新包（404）：加 --registry=https://registry.npmjs.org/（国内需代理），或稍等镜像缓存。

方式二：git clone（开发者 / 有 git 环境）

git clone https://github.com/YottaMeta/yotta-anti-shallow.git <智能体的技能目录>/yotta-anti-shallow

方式三：GitHub 下载压缩包（手动 / 无 git 环境）

在 GitHub 仓库 YottaMeta/yotta-anti-shallow 点 Code → Download ZIP，解压后把 yotta-anti-shallow 文件夹放进智能体技能目录。

方式四：install.sh（多智能体一键脚本）

bash install.sh --agent <name>   # 装到指定智能体默认用户级目录
bash install.sh --dir <path>     # 装到指定目录
bash install.sh --list           # 列出智能体 -> 默认目录

方式一走 npm 源（npmmirror / npmjs），不依赖 GitHub；方式二 / 三走 GitHub，国内无代理可能失败。

升级 / 卸载

• 升级：重新安装最新版覆盖即可——重跑你用的安装命令（如 npx -y @yottameta/yotta-anti-shallow --agent <name> 或 bash install.sh --agent <name>）。技能目录内旧文件会被替换；不影响项目中其他文件。
• 卸载：删除目标智能体 skills 目录下的 yotta-anti-shallow 文件夹（各智能体目录见上表）即可。卸载后本规则不再生效。

常见问题

• 任务不复杂也会触发吗？ 不会。L1 简单任务（常识问答、一眼能看出答案）直接回答，不强制分析流程。
• 我不想每次都走分析流程？ 可直接说「免规则 / 关掉规则」，R001/R003/R004 会临时关闭；底线规则（F001/F008/R005）仍生效。
• 和宿主自带的 Plan / 思考模式冲突吗？ 不冲突。yotta-anti-shallow 只规范输出质量，不接管执行权限，与宿主的模式开关互不替代。
• 适合哪些任务？ 需要正确性与严谨性的任务：开发、排障、架构、文档、数据分析、开放问答。纯创意 / 闲聊 / 只要结果不强制。

相关技能

同属 YottaMeta 技能矩阵（质量与工程家族）：yotta-code-quality（代码质量评审）与 yotta-anti-shallow 互补——一个管"别敷衍"，一个管"质量达不达标"。

开发与校验

本项目内运行：python tools/validate-skill.py yotta-anti-shallow。

参考文档

• references/faq.md
• references/walkthroughs.md

许可证

MIT © YottaMeta —— 详见 LICENSE。