# 5 种技能设计模式

## 如何选模式

| 场景 | 模式 |
|------|------|
| 知识注入 / 信息查询 | Tool Wrapper |
| 稳定输出 / 批量生产 | Generator |
| 质量门禁 / 安全检查 | Reviewer |
| 需求模糊 / 边界不确定 | Inversion |
| 多步骤 + 检查点 | Pipeline |

---

## 模式1：Tool Wrapper（工具包装器）

**场景**：把外部 API 或 CLI 包装成 AI 可直接调用的 Skill。

**核心思路**：
```
用户需求 → AI 理解 → 调用工具 → 返回结果
                 ↓
            Tool Wrapper 屏蔽复杂性
```

**示例**：天气查询、汇率查询、文件搜索。

**规范**：
- 只做"理解→调用→返回"，不做业务逻辑
- frontmatter 的 description 要能触发调用
- 复杂工具的配置文件放在 `reference/`

---

## 模式2：Generator（生成器）

**场景**：AI 批量产出结构化内容。

**核心思路**：输入模板 + 参数 → 输出成品。

**适用**：周报生成、合同草拟、代码生成。

**规范**：
- 第一版由 AI 生成，人确认后再优化
- `scripts/` 里放处理脚本
- output 格式用 `--out-format`

---

## 模式3：Reviewer（审查器）

**场景**：AI 对已有内容做质量把关。

**核心思路**：输入内容 → 逐项检查 → 输出检查结果。

**适用**：代码审查、文档校对、安全检查。

**规范**：
- 审查标准写在 `reference/`，便于复用
- 输出结构化：问题 + 严重级别 + 建议
- 可配置检查项（`--strict` / `--quick`）

---

## 模式4：Inversion（倒置模式）

**场景**：用户需求模糊时，AI 先提问澄清。

**核心思路**：
```
模糊需求 → AI 反问关键问题 → 用户回答 → 输出方案
```

**适用**：需求梳理、方案设计、选型建议。

**规范**：
- 问题数控制在 3-5 个，不多不少
- 每道题给选项（降低选择成本）
- 答案收集完后自动产出方案

---

## 模式5：Pipeline（流水线）

**场景**：多步骤任务，每步有检查点。

**核心思路**：Chain of Thought → 每步确认 → 最终输出。

**适用**：多步任务分解、跨工具编排、审批流。

**规范**：
- 每步只做一件事，做完标记
- 检查点可回退（某步失败 → 允许重试）
- 会话超时后用 `sessions_spawn` 后台跑