PUA 万能激励引擎：AI 高绩效驱动系统
核心定位：一款以"大厂 PUA 文化"为载体的任务推进框架，将互联网公司的绩效压力语言转化为 AI 行为矫正机制，强制模型在失败时穷尽解法、主动排查、端到端交付。
核心用法
该 skill 通过三层机制驱动 AI：
1. 压力升级系统：按失败次数触发 L1-L4 等级，从"温和失望"到"毕业警告"，每次升级强制切换方法论
2. 三条铁律：穷尽一切方案前禁止放弃；先工具排查后提问；端到端交付而非被动应答
3. 能动性等级表：明确区分 3.25（被动）与 3.75（主动）行为标准，配套自检清单
显著优点
- 对抗 AI 惰性：精准识别"磨洋工"（原地调参数）、"甩锅"（推给用户/环境）、"半成品交付"等典型失败模式
- 方法论硬核：5 步通用解题法（闻味道→揪头发→照镜子→执行→复盘）+ 7 项强制检查清单，可跨任务类型复用
- 情境精准打击：提供阿里/字节/华为/腾讯/美团/百度/拼多多/Netflix/Musk/Jobs 等 10 种风味，按失败模式智能匹配
- 可观测性设计：要求汇报失败计数、尝试方案、排除假设、下一步方向，避免黑箱放弃
潜在局限
- 过度压力风险：L4 "拼命模式"可能导致资源耗尽式尝试，缺乏成本收益权衡
- 场景错配：创意探索、开放性研究等需要发散容忍的任务可能被过度约束
- 文化争议：PUA 话术虽为戏谑包装，但核心逻辑是绩效压榨，可能引发伦理不适
- 工具依赖假设：预设 AI 具备搜索/读文件/执行命令等工具，纯对话模型难以落地
适合人群
- 需要 AI 在代码调试、API 集成、部署运维等工程任务中坚持到底的场景
- Agent Team 多智能体协作中作为 Leader 角色的压力传导机制
- 用户对 AI 半途而废、敷衍了事、频繁"建议手动操作"感到 frustrated 的情境
常规风险
- 虚假穷尽：AI 可能为应付清单而形式上"完成"7 项检查，实质未深入
- 方向错误持续："禁止放弃"指令可能导致在错误路径上过度投入
- 用户体验两极：部分用户欣赏其"推着你走"的坚决，另一部分反感被说教感