核心功能
emotion-skill 是一套 Markdown 优先的 Agent 行为指南，专为高压编程场景设计。它通过解析用户状态信号（重复失败、证据请求、范围担忧、紧急压力、困惑、静默延迟、选项选择、成功收尾）动态调整 Agent 行为模式，而非依赖静态脚本分类器。
显著优势
1. 信号驱动路由：8 种状态模式映射到明确的行为偏好（如"重复失败→先修复最短路径"），避免机械关键词匹配
2. 证据优先原则：要求 Agent 在结论前展示具体命令/日志/文件检查，抑制猜测性回复
3. 范围硬边界：强制声明文件边界与回滚路径，防止范围蔓延和相邻重构
4. 进度可见性：针对工具静默/队列延迟场景，要求提供可观测检查点而非模糊进度
5. 开源可验证：MIT 许可证，包含完整的引用文档体系（路由手册、响应约束、真实场景、子代理测试等）
潜在局限
- 场景限制：明确排除非编码对话、创意写作、单步命令，需人工判断调用时机
- 软约束风险：作者特别提醒"范围和证据规则是塑造工作的软约束，而非拒绝合理辅助文件的理由"，实际执行依赖 Agent 解释
- 无自动集成：OpenClaw/Hermes 集成需单独引用专用文档，非开箱即用
- 情绪标签隐匿：禁止向用户暴露原始情绪标签，可能降低交互透明度
适用人群
- 构建编码 Agent 的开发者（尤其是处理复杂仓库调试、反复失败恢复）
- 需要标准化 Agent 高压行为的产品团队
- 研究人机协作中认知负荷管理的学术场景
常规风险
| 风险类型 | 说明 |
|---------|------|
| 过度谨慎 | 紧急压力场景下可能因"最短可靠依据"原则而延迟必要行动 |
| 范围僵化 | 边界声明可能阻碍合理的跨文件修复，需依赖"证据后允许辅助文件"的例外条款 |
| 验证负担 | 每次回复需包含状态模式、证据点、边界、验证步骤的子集，增加 token 开销 |