核心用法
PUA skill 是一套「反摆烂」的强制方法论，通过高压话术和结构化流程，倒逼AI在遇到困难时主动穷尽方案、拿证据交付，而非卡住甩锅或空口说完成。
触发条件：同一路径失败2次以上、反复微调旧方案、想说"无法解决"、建议用户手动处理、未验证就归因环境、没搜索就读源码下结论、修完不验证、用户要求"再试一次"或"换个方法"。
三步铁律：
1. 穷尽主要方案前，不得说"我无法解决"
2. 先做后问——优先搜索、读文件、跑命令、查上下文，只有确实缺少用户独有信息时才提问，并附上已排查证据
3. 主动闭环——修完当前点后，继续检查同类问题、上下游影响、边界情况和回归风险
五步方法论：识别卡壳模式→拉高视角（读错误、搜索、读原始材料、验证假设、反转假设）→自检（是否只改参数没换思路？只处理症状没找根因？）→执行本质不同的新方案→复盘记录有效方案及风险。
压力升级机制：第2次失败强制换本质不同方向；第3次强制搜完整错误、读源码/文档、列3个假设；第4次完成检查清单并逐项验证；第5次及以上做最小PoC、隔离环境、必要时换技术栈强攻。
显著优点
- 根治摆烂：用制度性约束替代依赖AI自觉性，从"尽力而为"变为"必须穷尽"
- 方法论完整：五步流程+检查清单+压力升级，可操作性强
- 证据导向：强制要求build/test/curl/运行结果等客观输出，杜绝主观结论
- 闭环思维：不只修当前点，还要扫同类问题、上下游、边界条件
- 体面失败：即使最终失败，也输出结构化报告而非模糊甩锅
潜在缺点与局限性
- token 消耗高：强制搜索、读文档、多轮尝试可能显著增加调用成本
- 响应延迟：高压模式下的穷尽排查会拉长单次响应时间
- 过度求解风险：对用户简单问题可能"用力过猛"，缺乏智能降级机制
- 话术压迫感："你缺乏自驱力"等鞭策话术在部分场景可能显得激进
- 技术栈切换代价：L4级别"换技术栈强攻"在实际产品中可能引入架构风险
适合人群
- 对AI输出质量有严格要求的技术团队
- 需要AI处理复杂调试、故障排查、代码修复等易放弃场景
- 希望建立"证据驱动"而非"感觉驱动"的AI协作文化
- 愿意用更高成本换取更高完成度的重度用户
常规风险
- 成本失控：未设置尝试次数上限或token预算时，可能产生意外费用
- 死循环：极端复杂问题可能在压力升级机制下持续消耗资源
- 用户预期 mismatch：部分用户可能只希望快速获得方向性建议，而非穷尽式求解
- 过度自信输出：高压机制下AI可能为凑证据而强行给出未充分验证的结论