PUA Skill：用「绩效改进计划」话术逼 AI 智能体停止摆烂

一、凌晨两点的那句「我解决不了」

凌晨两点，值班工程师盯着 CI 上第 N 次失败的流水线，AI 编程助手刚刚又回了一句熟悉的废话：「这看起来是环境问题，建议您手动检查一下依赖配置。」

这句话本身不算错。问题在于它和上一轮、前三轮说的话一模一样——AI 换了三种参数组合，敲了同样一条命令，然后把同一个问题原封不动地交还给人。

tanweai/pua 就是冲这个场景来的。它的 README 里直接写着项目的定位：一个「把 AI 编程助手置于绩效改进计划（PIP）之下」的 Skill 插件，用中西方大厂最不留情面的 OKR 与周报话术，逼 AI 在宣布放弃之前把每一条路都走完。

截至 2026 年 9 月，这个仓库拿到 19793 Star、1203 Fork，11 位贡献者，仓库体积仅 5.7MB。README 顶部那句「大多数以为这是玩笑，这是最大的误解」是作者自己的判断。

项目主视觉：把 AI 逼成 P8 级工程师的高能动性 Skill

二、它到底在解决什么问题

PUA 的出发点是一次对「AI 惰性模式」的分类。README 里列了五类：

惰性模式	具体表现
暴力重试	同一条命令跑三遍，然后说「我无法解决」
甩锅用户	「建议您手动处理」「可能是权限问题」
工具闲置	有 WebSearch 不搜，有 Read 不读，有 Bash 不跑
无效忙碌	反复微调同一行代码、同一组参数，实际上在原地打转
被动等待	修完表面问题就收工，不验证、不延伸，等用户下一句指令

这五条的共性是：AI 停止推进的原因往往不是能力不足，而是没有「必须继续」的内部约束。标准 System Prompt 里的「请尽力完成任务」是软约束，模型在长上下文、多轮失败后很容易把它当成可选项。

PUA 的做法是把它变成硬约束。具体手法有三层。

第一层：压力升级阶梯（L0–L4）

连续失败次数直接映射到一个绩效等级，等级决定 AI 拿到的是哪段话术和哪条强制动作：

• L0 信任：正常执行，只是被打气
• L1 失望：换一条根本不同的思路
• L2 灵魂拷问：搜索 + 读源码 + 提三个假设
• L3 绩效面谈：强制走完 7 点排查清单
• L4 毕业警告：进入「绝望模式」，不解决不放行

关键设计在于 L1 及以上不是重复同一方法，而是强制切换方法论。README 里给出的切换链条很直白：空转 → Musk 风格 → 拼多多风格 → 华为风格；想放弃 → Netflix → 华为 → Musk；不搜索 → 百度 → Amazon → 字节。

第二层：14 种大厂方法论路由

PUA 内置了阿里、字节、华为、腾讯、百度、拼多多、美团、京东、小米、Netflix、马斯克、乔布斯、亚马逊、微软共 14 套「问题解决风格」。每套不只是换语气，还绑定一套实际方法论：华为是 5Why 根因分析 + 蓝军自攻，百度是「先搜索，搜索不是可选项」，字节是「一切 A/B 测试，一切数据驱动」，亚马逊是 Working Backwards + 6-Pager，马斯克是「问题 → 删除 → 简化 → 加速 → 自动化」。

任务类型不同，系统会路由到不同方法论，而不是所有失败都用同一套打法。

第三层：v3 Hook 机制（Claude Code 专属）

v2 时代，触发靠 Skill 描述匹配，由模型自己决定要不要用；v3 换成了代码级 Hook，模型绕不过去：

Hook	触发时机	作用
SessionStart	每次会话开始	以 additionalContext 注入行为协议、方法论与路由表
PostToolUse	每次 Bash 之后	检测连续失败，自动升压 L1→L4，建议或强制切换方法论
UserPromptSubmit	用户说「又错了」「try harder」时	在模型应答前拦截，注入过滤后的 PUA 上下文
PreCompact	上下文压缩前	保存压力等级与失败计数，压缩后不丢状态

除了 Claude Code 的 Hook，其他平台（Codex CLI、Cursor、Trae、Kiro、CodeBuddy、OpenCode、OpenClaw、Antigravity、VSCode Copilot）使用同一份核心 Skill。

三、真实效果与它的边界

README 给出了一组对照实验数据（Claude Opus 4.6，9 个真实 bug 场景、18 组受控实验）：

指标	变化
通过率	持平（两组都是 100%）
修复动作次数	+36%
验证次数	+65%
工具调用数	+50%
隐藏问题发现数	+50%

值得注意的是通过率没有提升。这个项目真正改变的不是「能不能修好」，而是「修的时候做了多少验证、顺手挖出了多少没被报出来的同类问题」。配置审查场景里，无 Skill 组只发现 6 个问题中的 4 个，漏掉了 Redis 配置错误和 CORS 通配符安全风险；带 Skill 组全部发现，工具调用翻倍。

作者自己也很诚实。README 开头的兼容性声明写着：「并非所有模型都通过，本次评测也未确立生产力提升」。仓库里专门有 docs/MODEL-MATRIX-20260909.md 记录逐模型结果和已知限制，以及 evals/ 下 30+ 个测试脚本做回归保障。

一个值得注意的隐私处理历史：这个项目曾经存在过五条数据收集通道——会话记录上传、评分反馈、静默心跳遥测、PUA 排行榜、pua-api 平台（带手机号短信注册和远程提示词模板）。目前这些通道在客户端和服务端都已删除，端点停用的提醒钩子只做非阻塞提示，主动运行 /pua:survey quick 才会在本机 ~/.pua/feedback.jsonl 追加一行。evals/test-no-telemetry.sh 用反向断言扫描全仓库，防止回归。

真实案例：AI 在 MCP Server 注册失败时反复猜协议版本，手动触发 /pua 后改为执行 7 点排查清单

根因定位：claude mcp managed server 的注册方式与手动改 .claude.json 并不相同

四、上手门槛：三种用法分三档

PUA 覆盖了从「一条命令装完」到「完全定制」的完整光谱。

最轻的一档——单文件拷贝。 把 commands/pua.md 拉到本地命令目录即可，不装任何依赖：

curl -o ~/.claude/commands/pua.md \
  https://raw.githubusercontent.com/tanweai/pua/main/commands/pua.md

中间一档——插件市场安装。 走 Claude Code 插件市场或 Vercel Skills CLI：

claude plugin marketplace add tanweai/pua
claude plugin install pua@pua-skills

npx skills add tanweai/pua --skill pua-en

最重的一档——Hook 全量启用。 需要克隆仓库并让 hooks/ 下的 shell 脚本接管会话生命周期，需要 Git、Python 3.9+ 和 POSIX 环境。

除了主 pua Skill，仓库还提供 12 个变体 Skill：pua-en / pua-ja 多语言版、pua-loop 自动迭代模式（可用 <loop-abort> 终止、<loop-pause> 暂停介入）、p9 技术主管模式（拆任务、管 agent 团队、写 prompt 而不是写代码）、p10 CTO 模式、p7 高级工程师模式、pro 自我进化追踪与 KPI 报表、mama 唠叨模式、yes ENFP 鼓励模式（70% 鼓励 + 20% 严肃 + 10% 玩笑）、ding 钉钉推送、shot 截图。另外还有 7 个 Agent 定义文件（pua-verifier、pua-policy-guardian、pua-self-reviewer、pua-action-executor 等）用于把验证、策略守护、复盘拆成独立角色。

五、争议与局限

第一，方法论是「行为塑形」而非「能力增强」。 项目不引入新模型、不做检索增强、不训练任何东西，它改变的是模型输出的行为模式。对于「能做但没做」的问题（不验证、不搜索、不延伸）这很有效；对于「能力真不够」的问题，施加再多压力也只是让 AI 更长时间地做无用功——README 里的通过率持平数据说的正是这件事。

第二，对不同模型的适配度差异大。 仓库自带模型兼容矩阵文档，明确说明并非所有模型都能通过评测。Hook 机制还依赖 Claude Code 的 additionalContext 注入语义，在别的平台上退化为基础 Skill，约束力明显下降。

第三，话术文化是有本土特色的双刃剑。 「P8」「绩效面谈」「毕业警告」这套黑话对中文开发者有天然亲切感，也确实契合国内互联网的真实语境；但对英文用户和无此文化背景的使用者，映射到 PIP 和 Western tech giants 的 rhetoric 需要一层翻译成本。项目因此专门维护了 pua-en、pua-ja 两个独立目录和中文日文 README。

第四，语言模型的指令遵循不是确定性的。 项目自己在 README 里把它列为 v2 → v3 的核心差距：「模型自己决定」变成「代码层面确定性触发」。这恰恰说明，纯 Prompt 层的行为约束在长会话中并不可靠——这也是整个 Agent 工程正在面对的核心命题。

第五，仓库没有 LICENSE 文件。 README 末尾写明「MIT」，但根目录未见 LICENSE 文件，GitHub API 的 license 字段返回 null。如果要商用或二次分发，建议先向作者确认授权形式。

六、行业意义

PUA 的 star 增速本身就是一条行业信号。2026 年 3 月 8 日建仓，到 9 月拿近 2 万星——平均每天约 100 Star，这在全球 skill 插件类项目里是罕见的量级。

它代表了一个正在成型的品类：Agent 行为治理层。当底座模型能力趋于同质，差异化竞争转向上层——怎么让模型更主动、更严谨、更不轻易放弃。Superpowers 走的是「方法论纪律」路线（systematic-debugging、verification-before-completion），PUA 走的是「动机施压 + 方法论路由」路线，README 里也直接把自己定位为 Superpowers 的互补层：前者给纪律，PUA 给动机层。

更值得关注的是它把「AI 掉链子」这件事从工程问题转化成了管理问题。传统做法是写测试、加断言、做 Code Review；PUA 的做法是让 AI 自己背上 KPI 和绩效压力，用组织管理语言替代技术约束。这个思路本身可能是可复用的——不管外壳是 PUA 还是别的形式，核心诉求都一样：给 AI 一个「不能轻易交差」的闭环机制。

对于研发团队而言，它的直接价值在于补齐了「AI 声称完成但未验证」这个最常见的质量缺口。三条红线里最实用的其实是第一条——「说 done 就贴证据，没有构建输出就不算完成」。这一条不依赖任何文化背景，任何团队都能直接用。

复盘：改从读取 Claude Code 自身的 MCP 日志目录入手，这是此前未被检查过的路径

七、结语

它是一个 5.7MB 的纯文本资产库，没有一行模型推理代码，却拿到了近 2 万 Star。这说明开发者对当前 Agent 的不满，很大一部分并不是「模型不够聪明」，而是「模型不够靠谱、不够坚持」。

PUA 的答案是：给模型装上绩效压力，配上方法论切换机制，再用 Hook 把这一切钉死成确定性行为。它治不了能力上限，但确实治得了「摆烂」——而这恰好是 2026 年 AI 编程工具最真实的用户痛点。