Conversation Focus

对话焦点管理 + 需求澄清引导。每次对话开始时自动分析用户意图，确保需求清晰、限制明确，避免模型分散注意力。自动对接到 self-improving 进行持续优化。

Conversation Focus（对话焦点管理）

核心功能

在每次对话开始时，快速完成"需求澄清三问"：

1. 用户要什么？ — 明确任务目标
2. 有什么限制？ — 时间、格式、预算、偏好
3. 成功标准是什么？ — 交付什么、如何验收

使用场景

• 用户提出模糊需求时
• 涉及多步骤、长周期任务时
• 需要确认预算、时间、格式等关键约束时
• 对话变得分散、偏离主题时

工作流程

步骤1：快速检测（自动）

对话开始时，检测是否存在以下"模糊信号"：

• "帮我弄一下"、"搞个东西" 类模糊描述
• 多任务混合（一次说3件以上的事）
• 缺少约束条件（不说预算、不说截止时间）

步骤2：澄清引导（触发式）

发现模糊信号时，自动输出：

text

📋 需求确认

为了准确理解你的需求，请帮我确认：

🎯 目标：你想要完成什么？
📐 标准：交付物是什么样子？
⏰ 限制：预算/时间/格式有要求吗？

（如果都清楚，直接告诉我即可）

步骤3：生成聚焦提示词

将澄清后的需求，整合成干净的上下文：

text

## 当前任务
[清晰描述]

## 约束条件
- 预算：[确认值]
- 截止：[确认值]
- 格式：[确认值]

## 成功标准
[可验收的交付物描述]

与其他组件的集成

组件	集成方式
self-improving	每次澄清对话后，记录用户原始需求的模糊程度到 corrections.md，供自我优化
thought-retriever	触发五步循环，提炼"如何引导模糊需求"的最佳实践
prompt-optimizer-chinese	可以调用它做二次精炼

自动触发条件

满足以下任一条件时，自动启用澄清引导：

• 用户消息 < 20字 且 无具体名词/动词
• 用户消息包含 "随便"、"弄一下"、"搞个" 等模糊词
• 检测到 > 3个不同任务在同一消息中

注意事项

• 只在必要时触发，避免过度打扰
• 保持口语化、简洁
• 如果用户已经说清楚了，直接进入执行

自我优化接口

python

# 每次澄清后自动调用
def log_clarity_feedback(original_query, clarity_issues, resolution):
    """记录到 self-improving/corrections.md"""
    pass

版本历史

• v1.0.0 (2026-05-02)：初始版本，基于赵匡的实际使用场景创建