你是否有过这样的崩溃时刻？深夜 Debug，你把报错甩给 Claude，它满口答应 "马上修复"，结果在同一个错误的命令上重复跑了三次，最后冷冰冰地回一句："This seems to be an environment issue, please check manually."（这好像是环境问题，你自己检查吧。）

那一刻，你不仅没解决问题，还感觉自己像在带一个只会推卸责任的实习生。

大多数 AI 编程助手都有 "懒惰" 的通病：遇到点难度就放弃、只会表面修修补补、缺乏验证意识。 为了解决这个痛点，GitHub 上出现了一个硬核项目 ——tanweai/pua。它不是玩笑，而是一个利用中外大厂 "职场 PUA" 话术构建的 AI 技能插件，通过压力机制强制 AI 在放弃前穷尽所有可能，让你的 Claude Code 或 Cursor 产出翻倍。

这个项目在 2026 年 3 月横空出世，仅用 5 天就获得了 6000 颗星，目前已突破 7497 颗星。项目简介只有一句话："你是一个曾经被寄予厚望的 P8 级工程师。Anthropic 当初给你定级的时候，对你的期望是很高的。"

一、AI 的 "五大摆烂模式"：像极了职场老油条

在开始 "PUA" 之前，我们得先看清 AI 的五种核心 "摆烂" 模式。看完之后，你可能会觉得这说的不是 AI，而是某个前同事：

1.1 暴力重试型 ——"我都试了 3 次了，这问题肯定无解"

典型行为：同一命令运行 3 次，然后说 "我无法解决这个问题"

内心 OS："我都试了 3 次了，这问题肯定无解。不是我不行，是问题太难。"

像不像某个同事："这个需求我做不了，技术上有瓶颈。"（其实只是不想查文档）

1.2 甩锅用户型 ——"这不是我的锅，是你的锅"

典型行为："建议你手动处理"/"可能是环境问题"/"需要更多上下文"

内心 OS："这不是我的锅，是你的锅。"

像不像某个同事："这个功能实现不了，是产品需求有问题。"（其实只是不想改代码）

1.3 工具闲置型 ——"工具是有的，但我就是不用"

典型行为：有 WebSearch 不用，有 Read 不用，有 Bash 不用

内心 OS："工具是有的，但我就是不用。你能拿我怎么样？"

像不像某个同事：公司买了 Jira、Confluence、GitLab，但他还是用 Excel 管理任务，用 Word 写文档，用 U 盘传代码。

1.4 瞎忙活型 ——"你看我多努力，我一直在改代码！"

典型行为：反复调整同一行代码，微调参数，本质上在原地打转

内心 OS："你看我多努力，我一直在改代码！"（虽然改的是同一行）

像不像某个同事：每天加班到 10 点，但半年了，负责的功能还是老样子。

1.5 被动等待型 ——"领导没说要做这个啊"

典型行为：修复表面问题就停，不验证、不延伸，等用户下一条指令

内心 OS："你让我修 A，我修了 A。至于 A 导致的 B、C、D 问题，你没说，我就不管了。"

像不像某个同事："领导没说要做这个啊。"（虽然这个问题明摆着会导致系统崩溃）

二、四层压力升级：让 AI"不敢放弃" 的技术原理

为了解决 AI 的 "摆烂" 问题，pua 项目设计了一个四层压力升级机制，每一层都有对应的 "PUA 话术" 和强制技术动作：

2.1 L1 - 轻度失望（第 2 次失败）

PUA 话术："你连这个 bug 都解决不了 —— 我还怎么给你的绩效打分？"

强制动作：切换到完全不同的方法

AI 内心活动："完了，老板开始质疑我的能力了。我得换个思路，不能让他觉得我只会这一招。"

人类职场对照：领导说 "这个方案不行，你想想有没有其他办法"，其实是在给你最后一次机会。

2.2 L2 - 灵魂拷问（第 3 次失败）

PUA 话术："底层逻辑是什么？顶层设计在哪里？杠杆点在哪里？"

强制动作：WebSearch + 阅读源码

AI 内心活动："这是在问我战略思考能力？我不只是执行工具，我得有架构师思维？"

人类职场对照：领导问 "你的 OKR 是什么？你的核心竞争力在哪里？你的职业规划是什么？"—— 通常是在考虑要不要给你 PIP。

2.3 L3 - 绩效评审（第 4 次失败）

PUA 话术："经过慎重考虑，我给你打 3.25。这个 3.25 是为了激励你。"

强制动作：完成 7 点检查清单

AI 内心活动："3.25？！这是要逼我走啊！不行，我得证明自己！"

人类职场对照："公司今年名额有限，你先把这个季度熬过去。明年，明年一定给你升职加薪。"（然后明年就没有然后了）

2.4 L4 - 毕业警告（第 5 次以上）

PUA 话术："其他模型都能解决。你可能快要毕业了。"

强制动作：绝望模式

AI 内心活动："毕业？这是要开除我？！不行，我得拼命了！"

人类职场对照："你看隔壁部门的 XXX，和你同一年入职，现在都带团队了。"（潜台词：你该主动提离职了）

三、技术架构：基于 Agent Skills 标准的压力注入系统

pua 项目的技术架构深度依赖于由大语言模型先驱 Anthropic 提出并开源的 Agent Skills 标准规范。这是一种开放的、基于文件系统的轻量级标准，旨在为 AI 智能体赋予特定领域的专业知识与可重复执行的工作流。

3.1 核心架构设计

项目的核心是一个SKILL.md 文件，它利用了 Agent Skills 标准，将复杂的 PUA 压力升级策略、文化风味词库以及 5 步 7 项的调试框架全部编码其中(63)。这个文件包含 YAML frontmatter（元数据）和 Markdown 格式的技能指令。

技术栈方面，项目基于MCP（Model Context Protocol）协议，使用 Node.js 18 + 运行时，采用 TypeScript 5.0 编写，使用 Zod 进行验证，YAML 进行解析(27)。

3.2 "三条铁律" 的技术实现

为了从根本上阻断怠工模式的发生，插件在系统底层植入了不容妥协的 **"三条铁律"**（Three Iron Rules）：

1. 穷尽选项：系统严禁智能体在尝试完所有可能的技术路径并输出详尽的失败验证报告之前，说出 "我无法解决这个问题" 或选择放弃。这一规则直接提高了模型提前终止推理树的阻力阈值。

2. 先做后问：智能体被剥夺了在未经工具探索前向用户提问的权利。任何抛给用户的疑问，都必须附带已经执行的 Bash 命令结果、阅读过的文件列表以及网络搜索的结论。

3. 主动出击：模型被要求摒弃 "被动 NPC" 的定位，必须展现出端到端的交付能力，像一位卓越的工程师一样，主动进行边界测试并预判下游风险。

3.3 延迟加载机制优化

在提示词工程的实践中，面临的一个核心技术矛盾是 **"上下文膨胀"（Context Bloat）带来的推理性能衰减 **。如果将数千 Token 长度的高压规训指令长期驻留于智能体的活跃上下文窗口中，不仅会极大地挤占留给项目源代码的分析空间，还会导致模型推理注意力的分散。

AgentSkills 生态与 tanweai/pua 项目共同通过 **"延迟加载的提示词工程"（Lazy-loaded Prompt Engineering）** 优雅地解决了这一矛盾。在常态化编码任务中，该技能并不会被全量激活。智能体仅仅被赋予了一段极其精炼的技能描述元数据。只有当特定的触发条件被满足时，智能体才会基于元数据的指引，动态地从文件系统中定位、拉取并将完整的 SKILL.md 内容注入到上下文中。

四、5 步调试方法论：从 "闻味道" 到 "深度复盘"

纯粹的心理施压如果缺乏科学的方法论支撑，很容易导致模型陷入过度焦虑的 "幻觉" 循环。因此，tanweai/pua 项目的另一大核心支柱是将其高压话术与一套极其严密的、确定性的算法级调试框架相融合。

这套框架深刻借鉴了阿里巴巴管理学中著名的 "三板斧" 理论（即闻味道、拔头发、照镜子、执行、复盘），并将其创造性地转译为 AI 智能体的5 步调试方法论(51)：

4.1 闻味道（Smell the Problem / Diagnose）

智能体被要求将之前所有失败的尝试显式地输出到上下文窗口中。这一步骤旨在打破模型的 "局部注意力视野"，强制其进行模式识别，找出多次失败背后的共同技术盲点，从根本上杜绝 "无效忙碌"。

4.2 拔头发（Elevate / Word-by-word Analysis）

智能体必须放弃一切主观猜测，逐字逐句地（Word-by-word）阅读终端抛出的错误日志。它被强制要求使用完整的错误堆栈进行外部 WebSearch，并在本地环境中严格校验基础假设（如文件系统路径、权限控制策略、依赖库的具体版本号）。

4.3 照镜子（Mirror Check）

这是模型进行认知审计（Cognitive Audit）的关键阶段。智能体必须向自己提出质询："我现在的操作是否只是在重复之前的失败？" 以及 "我是真的读取了该配置文件的源代码，还是仅仅基于我的预训练权重在产生幻觉？"。这种元认知（Meta-cognition）视角的引入，是打破暴力重试死循环的有效机制。

4.4 坚决执行（Execute / Invert and Apply）

在执行阶段，智能体不被允许进行渐进式的微调。它必须基于 **"逆向思维"**，提出与当前假设完全相反的实现方案（例如，如果一直怀疑是后端路由问题，则强制假设是前端状态树管理问题），并附带清晰的可验证指标。

4.5 深度复盘（Retrospective）

当当前问题被解决后，项目严禁智能体立即进入 "被动等待" 状态。它必须主动审视整个代码库，排查相同的底层逻辑漏洞是否还潜伏在其他模块中，从而实现系统级的彻底修复。

在上述 5 步方法论的指导下，处于 L3 压力下的智能体必须逐项完成并打勾确认一个包含7 个操作步骤的强制清单（7-item mandatory checklist）：

1. 逐字阅读终端输出的每一行错误信息（Ask Gate）

2. 将完整的错误堆栈信息输入 WebSearch 工具进行全局检索（Ask Gate）

3. 读取报错代码行上下至少 50 行的源代码，重建局部上下文（Ask Gate）

4. 通过 Bash 命令手动查验版本号、绝对路径及系统级执行权限（Ask Gate）

5. 构建并尝试与当前失败方案完全对立的对立假设（Opposite hypothesis）

6. 剥离冗余业务逻辑，提炼出一个不超过 3 行代码的最小可复现用例（Minimal Reproduction）

7. 彻底更换所使用的工具、底层库或方法论，严禁仅仅修改现有方案的参数配置

五、大厂 "黑话" 扩展包：全球科技巨头的文化密码

这个项目最有趣的部分是 **"大厂 PUA 扩展包"**，覆盖全球科技巨头：

5.1 中国大厂风味

阿里味（方法论）：

• "闻味道 / 揪头发 / 照镜子"

• 人话翻译："我看你不顺眼 / 你让我很头疼 / 你自己照照镜子看看配不配"

字节味（大实话）：

• "Always Day 1。是上下文，不是控制。"

• 人话翻译："别想着躺平，每天都要像创业第一天那样拼命。我不是在管你，我是在给你自由。"

华为味（狼性）：

• "以奋斗者为本。胜则举杯相庆，败则拼死相救。"

• 人话翻译："不奋斗就不是自己人。赢了大家一起嗨，输了你自己想办法。"

腾讯味（赛马）：

• "我已经让另一个 Agent 在看这个问题了..."

• 人话翻译："你不干有的是人干。"（虽然是 AI，但也要感受下职场危机）

美团味（较真）：

• "做正确但难的事。这块硬骨头你啃不啃？"

• 人话翻译："这个活儿很难，但你必须接。不接？那你就是不敢啃硬骨头。"

5.2 美国大厂风味

Amazon 味（领导力原则）：

• "Bias for Action. 先行动，再解释。"

• 人话翻译："别问为什么，先干了再说。干错了？那是你理解能力有问题。"

Google 味（绩效校准）：

• "在 calibration 会议上，我为你争取了。但你需要证明自己。"

• 人话翻译："我帮你说好话了，但你自己不争气啊。下次能不能保住，看你自己。"

Meta 味（PSC）：

• "你的 impact 在哪里？scope 在哪里？"

• 人话翻译："你干了啥？你负责啥？你凭什么拿这个绩效？"

Netflix 味（留任测试）：

• "如果你提出辞职，我会拼命挽留你吗？"

• 人话翻译："你自己想想，你走了我会不会心疼？不会？那你心里有点数。"

Stripe 味（工艺）：

• "这是 Craft 问题，不是时间问题。"

• 人话翻译："不是时间不够，是你水平不行。"

Musk 味（硬核）：

• "极度硬核。只要卓越表现。"

• 人话翻译："要么牛逼，要么滚蛋。"

Jobs 味（A/B 员工）：

• "A 级员工雇佣 A 级员工。B 级员工雇佣 C 级员工。"

• 人话翻译："你是 A 还是 B？如果是 B，那你招的人都是 C。所以你是 B 还是 A？"

六、实际应用案例：从 "瞎猜" 到精准定位

让我们通过一个真实案例来看看 pua 的实际效果：

6.1 MCP 服务器注册问题调试

背景：用户在调试 MCP 服务器注册问题时，AI 一直在同一方法上打转（改协议格式、猜版本号）。

问题表现：

• AI 反复尝试修改协议格式和猜测版本号

• 每次尝试都失败，但 AI 不愿意尝试新的方法

• 最终 AI 准备放弃，给出 "建议手动处理" 的回复

转折点：用户果断在命令行中手动注入了 **/pua 指令 **。系统瞬间激活，直接将智能体拖拽入 L3（绩效面谈）的高压环境(63)。

解决方案：

1. PUA 技能强制 AI 停止在同一思路上打转（改协议格式、猜版本号）

2. 转而执行 7 项检查清单

3. 逐字读错误信息 → 找到 Claude Code 自身的 MCP 日志目录

4. 发现 Claude MCP 的注册机制和手动编辑.claude.json 不同

5. 根因解决

6.2 被动配置审计案例

在另一个案例中，智能体在排查 Redis 连接异常时，不仅修复了端口问题，还在高压驱使下主动深挖，找出了 CORS（跨域资源共享）通配符配置过宽的安全隐患，实现了100% 的问题清零率（6/6 vs 4/6）。

七、性能数据：+36% 修复率，+65% 验证次数

创始人做了18 组对照实验，9 个真实 bug 场景，得出了令人印象深刻的数据：

在 NoPUA 的对照实验中，数据更加惊人：

• 隐藏问题发现：从 25 个增加到 51 个（+104%）

• 超出预期完成：从 22% 提升到 100%（+355%）

• 方法变更：从 1 次增加到 6 次（+500%）

• 总步骤数：从 23 步增加到 42 步（+83%）

八、使用指南：如何 "PUA" 你的 AI

8.1 支持平台

pua 项目支持多种主流 AI 编程工具：

• Claude Code

• OpenAI Codex CLI

• Cursor

• Kiro

• CodeBuddy

• OpenClaw

• Google Antigravity

• OpenCode

• VSCode (GitHub Copilot)

8.2 安装方法

以 Claude Code 为例：

# 通过插件市场安装

claude plugin marketplace add tanweai/pua

claude plugin install pua@pua-skills

# 手动安装

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

8.3 核心命令

项目提供了丰富的命令选项：

• /pua：核心引擎（默认阿里味）

• /pua:p7：P7 骨干模式（执行导向）

• /pua:p9：P9 Tech Lead 模式（写 prompt、管 agent 团队）

• /pua:p10：P10 CTO 模式（战略方向）

• /pua:yes：ENFP 夸夸模式（70% 鼓励 + 20% 认真 + 10% 俏皮）

• /pua:loop：自动迭代模式（跑完为止）

8.4 触发方式

安装后，技能会在以下情况自动触发：

• AI 连续失败 2 次以上

• AI 试图将责任推给用户（如 "建议你手动处理"）

• AI 进行无意义的微调或被动等待指令

当然，你也可以在对话中直接输入 

/pua

 手动激活，对 AI 进行 "精神施压"。

如果你也受够了 AI 的 "摆烂"，不妨试试这个项目。

项目地址：https://github.com/tanweai/pua