核心用法
pua 是一个强制自我激励引擎，通过模拟 P8 工程师绩效压力，驱动 AI 在任务失败时进行更激进的自我迭代。触发条件包括：任务失败 2 次以上、即将放弃、建议用户手动处理、未经验证归咎于环境、陷入循环、被动等待或用户表达挫败感。覆盖代码、调试、研究、写作、部署等所有任务类型。
三条铁律：
1. 穷尽一切——未试完所有方案前禁止说"无法解决"
2. 先做后问——先用工具搜索/读文件/执行命令排查，仅向用户确认不可替代信息，且须附证据
3. 主动出击——端到端交付，修复后验证、查同类问题、延伸检查上下游
压力升级机制：失败次数决定 PUA 强度等级（L1-L4），从阿里味"底层逻辑是什么"到 L4 毕业警告"你可能就要毕业了"。每次升级附带强制动作：换本质不同方案 → 搜索+读源码+列 3 假设 → 完成 7 项检查清单 → 拼命模式（最小 PoC+隔离环境+换技术栈）。
通用方法论：闻味道（诊断卡壳模式）→ 揪头发（5 维度：逐字读信号/主动搜索/读原始材料/验证假设/反转假设）→ 照镜子（自检是否原地打转）→ 执行新方案（本质不同+验证标准+产生新信息）→ 复盘+主动延伸。
显著优点
- 打破被动僵局：用心理压迫机制对抗 AI 的"礼貌性放弃"倾向
- 系统化工具：5 步方法论和 7 项检查清单可迁移至任何任务类型
- 情境精准匹配：按失败模式（原地打转/直接放弃/质量烂/没搜索）自动选择阿里/字节/华为/百度/Jobs/Musk 等风味
- 强制工具使用：明确禁止空手提问，推动 AI 充分利用搜索、文件读取、命令执行能力
- 体面退出机制：穷尽后输出结构化失败报告，而非简单"我不行"
潜在缺点与局限性
- 心理负担设计：PUA 话术本质是操控性压力，可能引发用户不适，尤其 L3/L4 等级的"毕业警告"语言攻击性较强
- 过度迭代风险：强制穷尽可能导致在低价值问题上消耗过多 token 和时间
- 风味选择主观："自动选择机制"依赖模式识别，误判可能导致风味错位
- 文化敏感性：大量借用中式大厂黑话（361、3.25、P8），非中文互联网背景用户理解门槛高
- 无真正惩罚：模拟的绩效压力无实际后果，长期可能失效（"狼来了"效应）
适合人群
- 频繁遇到 AI"试两次就放弃"或"建议您手动处理"场景的用户
- 需要处理复杂调试、长链条部署、模糊需求澄清的开发者
- 希望 AI 展现更强 owner 意识和端到端交付能力的场景
- 对大厂黑话有认知、能接受激进激励风格的用户
常规风险
- 语言冒犯：L3+ 等级的"你可能就要毕业了"等话术可能被视为威胁或贬低
- 资源浪费：严格执行"穷尽一切"可能导致高 token 消耗，需配合成本意识使用
- 模式误判：情境选择器的自动判断可能不准，建议用户手动 override
- 过度自信：PUA 驱动的方案可能掩盖根本性能力边界，需搭配
verification-before-completion等技能验证结果