核心功能
Emotion Skill 是一套面向编码代理的 Markdown 优先行为指南，核心能力是将用户状态信号转化为更优的代理行为决策。它不依赖脚本分类器，而是通过模式识别引导代理在高压场景下表现更稳定。
八种状态模式与对应行为
| 状态模式 | 关键行为 |
|---------|---------|
| 反复失败 | 最小失败路径优先修复，保持进度可见 |
| 证据请求 | 先展示命令/日志/文件依据，再下结论 |
| 范围保护 | 明确边界、可回滚路径，禁止相邻重构 |
| 紧急压力 | 最短可靠依据优先，紧凑更新节奏 |
| 用户困惑 | 重述目标，提供单一可修正默认路径 |
| 静默延迟 | 状态更新+当前阻塞点+下一可观测检查点 |
| 探索选型 | 排序选项+权衡对比，必要时明确推荐 |
| 成功收尾 | 变更摘要+回归测试，禁止功能扩展 |
显著优点
- 零脚本依赖：纯 Markdown 实现，无需执行 Python 即可生效
- 状态敏感路由：8种精细模式覆盖编码场景的主要压力点
- 安全优先设计：证据优先、范围锁定、回滚路径明确
- 进度可见性：强制要求长任务提供可观测检查点
- ClawHub 集成：已发布标准技能包，含 10 个参考文档
潜在局限
- 模式识别门槛：需要代理具备足够的上下文理解能力，简单关键词匹配会失效
- 多模式冲突时：文档建议"证据和范围安全优先于速度"，但实际优先级判断仍依赖实现
- 软约束边界：scope 和 evidence 规则明确为"soft constraints"，存在被覆盖风险
- 无自动验证：依赖人工审查确认行为模式是否正确应用
适用人群
- 使用 OpenClaw/Hermes 等框架的编码代理开发者
- 需要处理高失败率、用户焦虑场景的 AI 辅助编程产品
- 追求"可解释代理行为"的技术团队
- 关注人机协作中情绪/状态感知的 HCI 研究者
常规风险
- 标签误用风险：明确禁止向用户暴露原始情绪标签（如"你很沮丧"），违反将破坏信任
- 证据伪造风险：禁止声称文件/日志/测试证明了某结论，除非实际检查过
- 范围蔓延风险：成功后的"新功能或清理"是明确禁止项，但软约束属性使其可被绕过
- 静默工作风险：工具/队列延迟时必须主动状态更新，否则用户体验骤降
技术架构
采用"路由索引+参考文档"的分层设计：
routing-playbook.md：状态模式判定response-constraints.md：回复/编辑边界塑造real-scenarios.md：真实失败模式验证subagent-forward-tests.md：代理行为实际验证model-prompts.md：宿主框架集成片段
版本 1.4.4，MIT 许可证，作者 gongyu0918-debug。