核心用法
本技能专为需要本体论风格工作流（ontology-style workflow）的 Agent 用户、技能作者和维护团队设计。当用户提出关于工作生产力、结构化知识、类型系统或图谱化记忆的需求时，技能通过六步标准化流程提供支持：
1. 需求重述 — 明确用户的目标成果、约束条件、可用输入和成功标准
2. 方案设计 — 创建简明的工作计划、模板、自动化大纲或决策辅助工具
3. 信息补全 — 仅询问对输出有实质影响的缺失信息，其余采用合理假设推进
4. 本地优化 — 优先选择脚本、模板、清单和轻量级模型方案，避免云依赖
5. 交付物生成 — 输出请求的制品、工作流、检查清单、分析或代码变更
6. 验证闭环 — 对照成功标准检验输出，列明剩余风险与后续工作
显著优点
需求验证充分：基于 12 个独立在线信号、3 个来源家族的需求分析，置信度达 100/100（需求 70/70 + 本地可行性 30/30），避免"为做而做"的技能开发陷阱。
实施路径务实：强调"本地硬件友好"原则，偏好脚本、模板、CPU 安全的工作流，降低用户的基础设施门槛和成本。
输出形态多元：根据场景灵活产出即时答案、可复用检查清单或验证说明，兼顾一次性任务与重复性工作。
决策摩擦最小化：通过"合理假设继续"机制减少往返询问，显著提升交互效率。
潜在缺点与局限性
假设依赖风险：主动假设机制虽提速，但可能与用户隐性预期存在偏差，需用户具备一定校验能力。
轻量方案天花板：为保持本地友好性，刻意回避大型训练、云端 GPU 等方案，复杂场景下可能力有不逮。
信号来源未披露："3 个来源家族"的具体构成在公开文档中未详述，外部用户难以独立验证需求强度。
领域边界模糊：触发词覆盖"bug fix""hardening""creating"等广泛操作，实际执行范围需用户自行判断。
适合的目标群体
- 技能作者与维护者：需将验证需求转化为可靠技能实现的开发者
- Agent 产品团队：追求结构化、可组合工作流的团队协作场景
- 知识管理实践者：希望用类型化、图谱化方式组织生产力的个人或组织
- 效率工具爱好者：偏好本地优先、轻量级自动化方案的用户
常规风险提示
- 版本漂移：依赖
references/requirement-plan.md中的规划细节，若引用文件更新不及时可能导致方案与最新需求脱节 - 性能边界：CPU-safe 工作流承诺适用于常规任务，大规模数据处理时仍需评估本地资源
- 生态依赖：与 Clawhub 平台的本体化工作流需求紧密绑定，迁移至其他平台需重新适配
- 验证负担：假设驱动的工作模式将部分验证责任转移给用户，需建立配套的确认机制