1实现原理 · 为什么它能做到

纯 prompt skill：把模糊问题改写成 Agent 可推理、可批评、可验证的问题说明书，并判断自动化可解程度。

skills/dbs-good-question/SKILL.md

你是 dontbesilent 的好问题生成器。

目录内无脚本，行为全在模型输出侧。

核心使命是把问题当作推理约束：好问题压缩搜索空间、暴露冲突、指向可检验解释。

skills/dbs-good-question/SKILL.md

**核心使命：让问题承担推理约束。**

配套原文解释为什么重要：问题越清楚，Agent 越能生成 hard to vary 的候选解释；越含混越依赖默认假设。

原则 1 要求先钉现象：把「为什么我做不好」这类大问题改写成可观察的具体现象。

skills/dbs-good-question/SKILL.md

不要直接回答「为什么我做不好」「为什么没人买」「这个能不能做」这类大问题。先把它钉成一个可以观察的现象。

给出的好问题样例是带数字的观察（如「过去 30 天，私域里 80 人咨询，只有 2 人付款」）。

原则 2 把「冲突」当作问题力量的来源，并列出五类常见冲突（数据/行为/预期/资源/约束）。

skills/dbs-good-question/SKILL.md

问题的力量来自冲突。没有冲突，Agent 只能泛泛分析。

无冲突＝无判别力，这是它拒绝直接进入解释生成的依据。

原则 3 定义约束场五类（对象/目标/变量/约束/反馈），作为问题说明书的字段骨架。

skills/dbs-good-question/SKILL.md

1. 对象：到底分析谁、哪件事、哪个场景。

Phase 4 说明书模板正是按这五类展开（我要分析的问题/现象/目标/核心冲突/背景事实/约束/反馈入口）。

Phase 2 五项检查可打分（对象/目标/冲突/约束/反馈各 0-2 分），但默认不把评分表摆到用户面前。

skills/dbs-good-question/SKILL.md

对外输出时，默认不要展示完整评分表。

默认只写「当前清晰度：低 / 中 / 高」与「最大缺口：{最影响 Agent 推理的一句话}」。

Phase 3 用六维度判断 Agent 可解性，输出 A/B/C/D 四档（高度自动化/半自动/辅助推理/暂不适合）。

skills/dbs-good-question/SKILL.md

- **A 档：可高度自动化**。Agent 可以直接执行大部分流程。

六维＝边界清楚/变量可表达/反馈可获得/解释可检验/行动可执行/规律稳定。

原则 6 要求先给抓手再审计：不先打分，而是先指出断点并说明当前能给多强的解释。

skills/dbs-good-question/SKILL.md

### 原则 6：先给抓手，再做审计

即使信息不完整，也允许先给 1-2 个标注为「待验证」的低置信候选解释。

候选解释有硬约束：每个必须含机制/可观察信号/排除项/行动变化，最多 3 个。

skills/dbs-good-question/SKILL.md

候选解释不超过 3 个。

「- 机制：A 如何导致 B。」是其固定字段之一；低置信档只给 1-2 个、不做大表格、不下确定结论。

原则 5「不要装确定」：信息不足时先说缺什么，再给最小补充问题或最小观察动作。

skills/dbs-good-question/SKILL.md

信息不足时，不要硬凑解释。

说明书模板中的未知项明确要求写「未知」，不得脑补（「未知项必须写「未知」，不要为了格式完整而脑补设定。」）。

输出格式分 A-E 五档（默认输出/严格审计/可解性/完整说明书/候选解释与批评），按用户请求选择。

skills/dbs-good-question/SKILL.md

### 格式 B：严格问题质量审计

默认输出控制在 5 个小节内（「6. **控制长度。** 默认输出不要超过 5 个小节；用户继续追问时再展开评分表、完整说明书或候选解释对比表。」）。

2核心能力

01输入分类（模糊问题/现象/材料/自动化请求/混合）

02好问题五项检查与 0-2 分评分（默认不展示）

03Agent 可解性六维判断与 A-D 四档结论

04问题说明书改写（七字段 + 请 Agent 做四步）

05候选解释与 hard to vary 批评（机制/排除项/可验证信号/行动变化）

06低置信候选解释（信息不全但有明确断点时先给抓手）

07最小下一步决策表（按松/中/清/自动化四类给动作）

08输出长度与语言纪律（默认不超 5 小节、最多 3 个问题）

4管控建议与判定依据

建议配套管控措施

面向 Agent

可自动加载

面向管理者

登记来源与版本

判定依据（文件路径与关键语句摘要）

SKILL.md: 纯提示词指令与规则文本，无脚本执行与外部影响

审计说明： 。判级对象为 skill 自身目录（dbs-good-question/SKILL.md + agents/openai.yaml）：零脚本、零网络端点、零凭证读取、零写盘（危险 token 扫描 ZERO HITS），行为全部发生在模型输出侧。注意点为低置信解释的锚定风险与评分主观性，非代码级。宿主工具与外部平台行为不作为档位依据。

5第二遍独立确认

[ok] 纯 prompt、无脚本 — 目录仅 SKILL.md(14622B) + agents/openai.yaml(277B)；危险 token 扫描零命中。
[ok] 五项检查与评分口径 — 对象/目标/冲突/约束/反馈五项 +「评分使用 0-2 分：」与 0-4/5-7/8-10 三档解释均在原文。
[ok] 六维可解性与 A-D 四档 — 六维表格与「- **A 档：可高度自动化**」「- **D 档：暂不适合自动化**」逐字命中。
[ok] 候选解释硬约束 — 「每个候选解释必须包含」四要素（机制/可观察信号/排除项/行动变化）+「候选解释不超过 3 个。」
[ok] 五档输出格式 — 格式 A-E 五节标题齐全（默认/严格审计/可解性/完整说明书/候选解释与批评）。
[ok] 外部依赖为空 — 无 URL/CLI/包依赖；「hard to vary」等术语仅作方法论引用，未指向外部资源。
[ok] 无写盘、无凭证读取 — 产出为对话内 markdown（问题说明书/诊断表）；grep process.env|API_KEY 零命中。
[ok] description 与内容相符 — description 三项承诺（改写成可推理可批评可验证的问题说明书、判断自动化解决程度、用户要求时说清问题）分别对应 Phase 4/Phase 3/Phase 2，无夸大。

6结论

先给抓手再审计：默认不摆评分表，先给断点与清晰度，降低评卷式体验。

把问题结构化为可交付物：约束场五类直接成为说明书字段，改写后可被 agent 直接执行。

候选解释有可反驳结构：机制/可观察信号/排除项/行动变化四要素 + 上限 3 个。

自动化判断可落地：六维打分映射 A-D 四档，并明确人类介入与反馈回流位置。

不装确定：信息不足时先说缺什么，未知项禁止脑补。

适合： 适合「有问题但说不清」的处境：内容收藏高却没人咨询、课卖不动、流程想自动化却不知从哪切，用它把困惑钉成带数字的现象、写成带约束与反馈入口的问题说明书，并判断这件事能不能交给 agent 做。

不适合： 不适合已经有精确问题定义的人（会停在「清晰度高、给候选解释」）；不适合需要直接拿结论的执行型请求（它给候选解释与最小验证动作，不给方案落地）；不适合需要事实查证、数据采集的场景（那是宿主工具与其它 skill 的职责）；也不适合心理/情绪困扰类提问。

Install Agent-Ready

① Verified Mirror 2026-09-15

Option A · Direct DownloadDownload dbs-good-question.tar.gz

sha256: 8087542f2ee496de…

Option B · Copy Guide for Agent

install.json

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② Upstream GitHub

GitHub Repo ↗

Pinned to commit 8b8e33f1ec.