技能目录

CREATION-LOG · experience-to-spec

这份 skill 从哪来、收了什么、丢了什么、以及哪些结论的可信度不足。写在这里是为了让后来者能追问每条纪律的出处，而不是只能接受它。

来源

这是二阶提炼。 素材不是「那个项目的内容」，而是「提炼那个项目时的做法」。

具体说：上一个 skill（horror-game-dev）是从一次完整的独立恐怖 Demo 开发过程里提炼的。三份 Agent 会话导出（17k + 126k + 35k 行）、项目内文档 11 份（约 1800 行，含 801 行交接文档与完整坑清单）、26 轮决策史。在提炼那一次的过程中，真正起作用的动作有十二条——正是这十二条被抽出来做成本 skill 的骨架。

二阶的含义：本 skill 的正文中不应出现任何该项目的领域名词（恐怖、关卡、怪物、玩家、闭眼……）。写完之后要 grep 验证，见下面的分层例外一节。

二手素材（公开资料）：agent skill 的官方写作硬约束——frontmatter 字段、description 长度与祈使式、主文件行数上限、参考文件一层深、给默认不给菜单、避免全大写 MUST/NEVER、避免泛泛最佳实践。这些作为正文约束的第二来源，因为它们决定成品能不能被正确加载与执行。

未进入素材的：上一个 skill 的正文内容（恐怖设计通则、机制判据、文本纪律等）不进入本 skill。它们是「提炼的产物」，不是「提炼的方法」。混进来会让本 skill 从元方法退化成姊妹 skill 的摘要。

提炼方法

四种手法在本项目上的实际用法与效果。注意素材的性质变了：读的不是「用户怎么开发一个游戏」，而是「提炼者怎么从材料里抽东西」。所以每条手法对应的是提炼过程中的一个具体动作。

1. 从否决里拿原则（主力手法，本 skill 的信息量来源）

用法：从上一个 skill 的 CREATION-LOG 里读出那四条未解决分歧与若干被反转的结论，反向追溯每一条是从哪一次否决来的。产出最直接的一条是「抽掉推导的原则是没人会照做的愿望」——它本身就来自那次提炼里的一条对照（「旁白只说画面给不出的话」vs「删掉这句，玩家损失的是一个信息还是一次判断」）。

效果：这一条被证明是本 skill 价值最高的一章（三、判据必须可执行；writing-rules 第 2 节）。原因很简单：它可以自我指涉——本 skill 自己的每条原则都按这条标准写了判据。

局限：素材里的否决是关于内容决策的（「默认值该怎么定」），不是关于方法决策的（「原则该怎么写」）。所以手法 1 在本项目上的效果低于它在姊妹项目上的效果——本 skill 的四条否决类通则里只有一条是完全同构的。这是本 skill 最薄的一处，已列入遗留问题。

2. 反复计数（次主力）

用法：数上一次提炼里各手法出现的独立次数，用于决定章节篇幅。结果：并行精读与统一格式出现 2 次以上（因此单独成篇 from-transcripts.md）；分层剥离出现 3 次（因此在正文第四章 + abstracting.md 第 7 节两处落地）；评测相关的动作出现 11 次但散布在两章（因此合并成正文第二章 + evals.md 一篇）。

效果：直接决定了本 skill 的分篇方案。计数 ≥3 的独立成篇，计数 =2 的并入相邻篇。

这次用上的一个额外判据：计数为 1 但后果重的条目（「并行精读必须先定格式后派」）也进了正文，判据是频次 + 单次代价双高，见 abstracting.md 第 5 节的例外条款。

3. 从真实产物综合

用法：不只读那 12 条「起作用的动作」，还读了上一个 skill 的全部成品（SKILL.md 232 行、CREATION-LOG 109 行、5 篇 reference、evals 三件套）作为结构参照。价值不在内容，在形式惯例——判据三段式怎么写、路由表每行带触发条件的具体粒度、反例表的四列组织、CREATION-LOG 的六个固定小节。

效果：让本 skill 与姊妹 skill 属于同一套方法论标准。这条在二阶提炼里尤其重要，因为形式本身就是素材。

一条从 git 回滚材料来的发现：本 skill 的「回滚记录是最高价值的一手材料」一条在姊妹项目的素材里没有对应事件，是从「被否决方案的实现细节该丢掉、否决理由该保留」这条推导出来的，并在 from-transcripts.md 第 5 节给了具体的检索命令。这条的依据强度弱于其他条，已在正文来源小节说明自建框架的性质。

4. 联网对标

用法：调研官方 skill 写作硬约束（第二来源），确认了九项约束并逐条落进 structure-and-routing.md 第 12 节的速查表。其中「description 需要用 and 解释时那是两个 skill」「Gotchas 是官方认为最高价值的段落」「优先程序而非声明」三条是新增的、姊妹项目里没有的。

效果：这三项直接改变了本 skill 的结构决策——structure-and-routing.md 是五篇里最长的一篇（因为它承载了三组不同来源的约束：处境切分、句法写法、官方硬约束）。

没有发生的：没有出现「被公开材料反转」的情况。姊妹项目里那条反转（线性 vs 非线性）在二阶层面没有对应物。这条手法在本项目上未被检验过。

结构决策

为什么是五篇 reference 而不是更多或更少。 按「agent 在什么处境下需要它」切，不按主题切。五个处境：抽素材（from-transcripts）/ 定抽象层次（abstracting）/ 设计结构与写法（structure-and-routing、writing-rules）/ 写评测（evals）。其中 structure-and-routing 与 writing-rules 的处境重叠度较高——都在「即将动手写规范」——但保留拆分，理由见下。

为什么 structure-and-routing 与 writing-rules 拆成两篇而不是合并。 两者的读的时刻不同：structure-and-routing 在决定「文件怎么切、路由怎么写」之前读；writing-rules 在句子已经铺开、正在逐句改的时候读。前者是布局决策，后者是编辑工具。合并会让一篇膨胀到 500 行以上，反而增加路由负担。这是本 skill 里唯一一处「处境不完全互斥」的拆分，属于刻意取舍，已在此记录以便后来者挑战。

为什么二阶结论这么少。 本 skill 的正文有大量「元层」内容（怎么判断一条原则合格），这些是从素材推导出来的而非直接摘出来的。推导的每一步都记录在 references 的推导段里，因为二阶材料的推导链比一手材料更容易丢失。

为什么 254 行而不是贴到 400 警戒线。 逐条过「没有这条，agent 会不会做错？」之后就是这个长度。剩余的空间不是用来加内容，是留给 1.1 版本的增量——评测集跑完之后很可能要删，不是要加。

抽象层次的取舍

保留（进了正文）

保留的东西	从素材里的什么形式抽出来的
四种提炼手法及其排序	12 条起作用的动作，按信息密度重排
每条手法的「为什么信息密度高」	每条动作之所以起作用的机制
「换个项目还成立吗」判定法	具体的「满充 11.9 秒」vs「变化必须在 1.5–2 秒内」对照
反复计数的阈值表	姊妹项目里「写明第 N 次反馈」的惯例 + 常识阈值
三类来源强度标注	姊妹项目末尾「来源与可信度」一节的结构
材料缺口显式列出	姊妹项目 CREATION-LOG 的「材料缺口（明确不编造）」一节
未解决分歧保留	姊妹项目的四条未解决分歧的处理方式
三条官方硬约束（and-split / Gotchas / 程序优于声明）	联网调研新增

丢弃（下沉到 reference 或直接删）

丢弃的东西	为什么
姊妹项目正文里的全部领域内容	二阶素材不含这些
具体案例的细节（用户原话、阈值数值、行数）	案例是单例，抽象掉
「读 178k 行素材」这类规模数字	规模不是方法
被否决方案的具体内容	只保留它暴露的分歧点
上一版 skill 的版本历史与内部争论	历史不是方法
官方调研的 URL	只落约束，不落出处（除 reference 中必要的）

一个具体的取舍例子

素材里有一条「断言要断言玩家可见结果，不是内部状态」。它来自恐怖游戏的具体漏洞（界面盖住了演出）。二阶抽象时，它被抽象成两层：

元层（进正文）：判据必须可机械执行或可人工过一遍——因为「玩家可见结果」在非游戏领域对应的是「可观察的具体结果」，这个替换不显然，值得单列。
实例层（留在 from-transcripts / abstracting）：具体那个漏洞留在姊妹 skill 的 reference 里，本 skill 不重复。

未解决的分歧（保留，不强行合并）

1. 过约束与欠约束的边界无法量化。 「加规则后通过率不再上升就是过度约束」是自建的诊断启发式，本质上是「用评测指标反推文档结构」的循环论证。公开材料里有「instruction tuning 会让模型忽略长文档中的部分指令」这一现象描述，但那是行为观察，不是可操作的边界。当前处理：写成可执行的诊断动作（删规则再看是否保持），不写成阈值。未收敛——需要多个 skill 的实测数据才能定出边界形状。

2. 隐性知识的编码边界。 有些判断依赖实时上下文（读代码的瞬时状态、对方的语气、当时的会议气氛），静态规则编码不了；但「专家说不清自己怎么判断」不等于「无法编码」——追问案例对照可能抽出触发信号。本 skill 面对这类请求的默认动作是拒绝编造 + 给出替代路径（o05 评测的就是这个）。但替代路径的边界在哪、追问几次算够，没有材料。这是本 skill 最大的空白，因为它是真实项目中最高频的提炼请求。

3. 部分来源的可信度评估方法缺失。 三类来源强度标注解决了「这条从哪来」，没解决「这条有多可信」。二手结论的可靠性随作者利益、发布时间、复述链条递减，但衰减到多快、什么条件下该降级，没有可引用的方法。当前只能靠「保留推导链，让读者自己判断」这种弱手段。未收敛。

4. 二阶提炼是否会丢太多。 本 skill 的一手素材是「上一版 skill 的成品 + 它的 CREATION-LOG」，本身已经抽象过一次。再抽象一层可能已经把「只有做过才知道」的东西滤掉了——姊妹项目里那 12 条动作，至少有 4 条（「先建评测」「过约束警告」「harness 方差警告」「标 UNMEASURED」）不可能从成品文本里读出来，只能从提炼过程的记录里读。这说明二阶提炼的素材选择必须包含过程记录，而不只是产物。这条结论本身有价值，但本 skill 无法验证自己有没有因此丢东西。

材料缺口（明确不编造）

检索后确认没有高质量可引用材料的方向，正文对应位置已标注：

skill 评测方法学的一手材料。 断言强弱分级、审查断言本身、三个判读动作、过约束警告、harness 方差警告——全部自建框架。检索到的多是框架源码与工具 README，没有把评测当方法论来写的成文材料。这是最大的缺口：本 skill 第二章整章建立在自建框架上。
隐性知识（tacit knowledge）编码的方法。 检索到的多是学术侧对「专家决策」的研究，结论停在「知识难以完全显性化」，没有任何可操作的编码流程。本 skill 只能给出「拒绝 + 替代路径」，给不出方法。
指令文档长度的最优值 / 过约束的量化边界。 只有「长文档中部分指令会被忽略」的现象观察。structure-and-routing.md 第 12 节的行数上限来自官方硬约束，不是来自「最优长度」研究——两者不是一回事，本 skill 用的是前者。
description 措辞与触发率关系的可重复实验。 有零散的 A/B 报告，多为单一 skill 的单次结果，没有跨 skill 的可复用规律。本 skill 的 description 是按语义推演的，不是按实验优化的。
「二阶提炼」作为一个方法是否成立。 几乎没有材料讨论对提炼结果再次提炼的行为（信息衰减、方法失真）。本 skill 的四条未解决分歧全部与此有关。

另有两条材料在正文出现但来源强度偏弱，已在对应位置标注：from-transcripts.md 第 5 节的回滚记录检索方法（从姊妹项目的推导链来，无独立验证）；第二章的三类来源强度标注（结构借用姊妹项目，但分级方式未经检验）。

一处刻意保留的分层例外

二阶提炼的分层泄漏判定（abstracting.md 第 7 节）在本项目上有一个额外维度：上一级项目的领域名词是否泄漏进了本 skill 的正文。

grep 验证结果：SKILL.md 与五篇 reference 的正文不含上一级项目的技术栈名词、平台名、版本行为，也不含任何机制层结论。上一级项目的领域名词已全部改写为中性表述（「关卡要线性」→「结构越线性越好」、「满充条」→「进度条」、「玩家反馈」→「反馈」）。

四处刻意保留的领域名词，都在「判据对照表」的示例格子里，不是通则：

description 里的邻接概念名（「踩坑」「CLAUDE.md」「风格指南」「对话记录」）——它是发现层，匹配对象是用户说的话，用户会说这些词。
路由表里的 reference 文件名——它是分发层。
CREATION-LOG.md 里对姊妹项目的指认（horror-game-dev、具体领域名词）——它是溯源层，不在 agent 的读取路径上。
判据对照表的示例格子（SKILL.md 第五章、abstracting.md 第 3 节、writing-rules.md 第 2 节）里的「玩家损失的是一个信息还是一次判断」「旁白只说画面给不出的话」等——判据必须靠具体实例才可判定，抽象成「某类文本」之后读者无法执行。这是本 skill 唯一一处「领域词换取可执行性」的取舍：示例可以带领域词，但示例不能带该领域的结论。四条示例给的都是关于「如何写判据」的元层结论，不是关于旁白或玩家的结论。

正文的第零章优先级（可证 > 可复用 > 可读 > 完整）是为本 skill 自身设计的：可证排第一是因为二阶材料的可信度最需要标注；这一条在姊妹项目里对应的是「可信 > 可玩 > 可证 > 可交 > 可读」，排序不同，因为两者的主要失败模式不同（前者是「写了一份没人读的规范」，后者是「做得很精巧但玩家觉得被骗」）。

版本

1.0（2026-10-08）：首版。五篇 reference + 评测集（20 条触发查询 / 10 个输出 case）。素材是一次完整项目经验提炼过程的二阶反推，含官方写作硬约束的第二来源。
下一版要做的：跑一轮真实对照（触发率全 20 条 × 3 次 + 输出质量 10 个 case × 2 遍），按 lift 与 variance 反向裁剪，按 diff 不按行数；补齐「skill 评测方法学」的公开来源（当前整章是自建框架）；收敛四条未解决分歧，优先第 2 条（隐性知识编码边界）——它是真实项目里最高频的提炼请求，而本 skill 现在只能拒绝。