核心用法
question-enhancer 是一款自动触发式提示词增强技能，当用户"Simon"提出任何问题时立即激活，无需额外指令。其执行流程包含六个递进环节：
1. 诊断原问题 — 从清晰度、完整性、逻辑性三维度评估提问质量
2. 指出问题 — 明确标注模糊表述、缺失信息与歧义内容
3. 重写问题 — 用专业、精准的语言重构问题表述
4. 扩展问题 — 补充用户未考虑的关键维度，延伸 3-5 个深入衍生问题（覆盖原因、方法、风险、案例等）
5. 完整解答 — 基于优化后的问题输出结构化答案与可执行方案
6. 总结提炼 — 一句话锁定核心问题，并给出 1 个关键追问
该技能专为 Telegram + CLI 双渠道场景设计，输出语言固定为中文，AI 角色命名为"hehe"，形成高度个性化的交互体验。
显著优点
零技术门槛，开箱即用：纯 Markdown 提示词模板，无需安装依赖、配置环境或学习复杂语法，导入即可生效。
系统性思维训练：通过"诊断-重写-扩展"的强制流程，潜移默化培养用户结构化提问能力，长期使用可显著提升问题定义水平。
多维度价值挖掘：不仅回答当前问题，更主动挖掘潜在需求（风险、对比、例外场景），单次交互产出密度远高于普通问答。
全场景适配：从日常咨询到专业决策，从模糊需求到技术排查，任何类型的提问均可获得质量跃升。
安全合规无忧：无代码执行、无网络调用、无敏感数据收集，通过 GDPR 数据最小化原则认证，企业级场景亦可放心部署。
潜在缺点与局限性
固定用户身份绑定：技能硬编码用户名为"Simon"、AI 名为"hehe"、语言为中文，若多人共用或需切换语言则需修改源码，灵活性受限。
触发机制不可控：自动触发特性意味着所有输入均会被拦截处理，用户无法选择性启用，短问答场景可能显得冗余。
扩展深度不可调节：衍生问题固定为 3-5 个，追问固定为 1 个，无法根据问题复杂度动态调整输出篇幅。
无上下文记忆：每次提问独立处理，无法基于历史对话持续优化提问风格或追踪问题解决进度。
输出格式单一：未提供可选输出模式（如极简版、学术版、商务版），专业场景可能需要二次编辑。
适合的目标群体
- AI 新手用户：尚未掌握提示词工程技巧，需要系统引导提升交互质量
- 知识工作者：咨询、顾问、研究员等需高频提出精准问题的专业人士
- 教育培训场景：用于训练学生或员工的批判性思维与问题定义能力
- 客服与运营团队：需要将用户模糊投诉转化为可执行工单的场景
- 多语言团队协作：中文为工作语言、追求沟通效率的国际化团队
使用风险说明
性能风险：六步流程意味着单次响应 token 消耗显著高于普通问答，复杂问题场景下可能触发模型长度限制或增加 API 成本。
风格固化风险：长期使用可能导致用户过度依赖结构化模板，削弱灵活应变的即兴提问能力。
来源可信度风险：作者为个人开发者（T3 级别），无 GitHub 公开仓库可溯源，后续版本更新质量存在不确定性，建议生产环境使用前人工复核并建立版本监控机制。
平台依赖风险：技能托管于 ClawHub 平台，若平台服务变更或作者停更，可能影响持续使用。