核心定位
Emotion Skill 是一套面向编程Agent的行为模式指导框架，通过识别用户的工作状态信号（如重复失败、证据质疑、范围收缩需求、工具延迟、成功后的收尾等），动态调整Agent的响应策略。
核心用法
1. 状态识别：从用户最新输入和任务上下文判断当前状态模式（6种核心模式）
2. 按需加载：仅加载匹配的参考文档，避免信息过载
3. 行为约束：在回答、编辑、委托、收尾前应用对应的行为规则
4. 透明沟通：明确说明证据依据、范围边界、验证步骤和进度节奏
显著优点
- 证据优先：强制要求展示命令/日志/文件等具体依据后再下结论，杜绝猜测
- 范围安全：通过明确的边界声明和回滚路径防止过度重构
- 进度可见：在工具延迟或长时间运行时主动报告状态和检查点
- 失败恢复：针对反复失败场景优先修复最小失败路径，而非追加解释
- 闭环控制：成功后执行回归检查并停止范围蔓延，而非继续扩展功能
潜在局限
- 依赖Agent对Markdown文档的理解和执行能力，非强制代码约束
- 状态判断需要上下文积累，单轮对话可能信息不足
- 多模式并存时需人工优先级判断（文档建议"证据和范围安全优先于速度"）
- 未提供自动化状态检测机制，需Agent自行实现路由逻辑
适合人群
- 构建复杂代码Agent系统的开发者
- 需要提升Agent在高压调试场景下可靠性的团队
- 使用OpenClaw/Hermes等框架的Agent宿主开发者
- 关注Agent可解释性和用户信任的产品团队
常规风险
- 误用风险：直接暴露"情绪标签"给用户会造成冒犯，框架明确禁止
- 过度约束：严格遵循可能导致响应速度下降，需权衡安全与效率
- 文档依赖：参考文档分散在8个Markdown文件中，集成时需确保完整加载
- 验证缺失：安全报告仅为占位符，实际部署需补充独立安全审计