Doubt driven development

怀疑驱动开发

概览

自信的答案不等于正确的答案。长会话会积累上下文，悄悄把假设变成“事实”，而没人察觉。怀疑驱动开发是一种纪律：在任何非平凡输出成立前，物化一个带全新上下文的审查者，其偏向是证伪，而不是批准。

这不是 /review。/review 是对已完成产物的裁决。这是一种进行中的姿态：在修正方向仍然便宜时，让非平凡决策接受交叉质询。

何时使用

当至少满足以下任一条件时，决策就是非平凡的：

• 引入或修改分支逻辑
• 跨越模块或服务边界
• 断言类型系统或编译器无法验证的性质（线程安全、幂等性、顺序、不变量）
• 正确性依赖未来读者看不到的上下文
• 影响半径不可逆（生产部署、数据迁移、公共 API 变更）

在以下场景应用此 skill：

• 准备在不确定性下做架构决策
• 准备提交非平凡代码
• 准备声称一个非显而易见的事实（“this is safe”、“this scales”、“this matches the spec”）
• 正在处理你没有完全理解的代码

何时不使用：

• 机械操作（重命名、格式化、移动文件）
• 遵循清晰、无歧义的用户指令
• 阅读或总结现有代码
• 正确性显而易见的一行改动
• 纯工具操作（运行测试、列文件）
• 用户明确要求速度优先于验证

如果你怀疑每一次按键，就什么也发布不了。该 skill 只适用于上面定义的非平凡决策。

加载约束

这个 skill 设计给主会话编排者使用，因为第 3 步（DOUBT，详见下文）可以 spawn 一个全新上下文审查者。

• 不要把此 skill 加入 persona 的 skills: frontmatter。 遵循第 3 步的 persona 会 spawn 另一个 persona，这正是 references/orchestration-patterns.md 明确禁止的编排反模式（“personas do not invoke other personas”）。
• 如果你发现自己在 subagent 上下文中应用此 skill（Claude Code 会阻止嵌套 subagent spawn）：首选路径是告知用户，doubt-driven 无法嵌套运行，并让主会话处理。只有作为最后手段，才使用降级的自我质询 fallback：把 ARTIFACT + CONTRACT 改写成一个带硬心理分隔的全新自我 prompt，与之前推理隔离，并执行第 1-5 步。这不是全新上下文审查（你携带着自己的上下文），所以要把结果标记为降级，并在用户可达时优先升级。

流程

应用该 skill 时复制此 checklist：

Doubt cycle:
- [ ] Step 1: CLAIM — wrote the claim + why-it-matters
- [ ] Step 2: EXTRACT — isolated artifact + contract, stripped reasoning
- [ ] Step 3: DOUBT — invoked fresh-context reviewer with adversarial prompt
- [ ] Step 4: RECONCILE — classified every finding against the artifact text
- [ ] Step 5: STOP — met stop condition (trivial findings, 3 cycles, or user override)

Step 1: CLAIM — 呈现将要成立的内容

用两三行命名该决策：

CLAIM: "The new caching layer is thread-safe under the
        read-heavy workload described in the spec."
WHY THIS MATTERS: a race here corrupts user data and is
                  hard to detect in QA.

如果你无法把 claim 写得这么紧凑，那你拥有的是感觉，而不是决策。在审视它之前先把它呈现出来。

Step 2: EXTRACT — 最小可审查单元

全新上下文审查者需要的是产物和契约，不是你的心路历程。

• 代码：diff 或函数，而不是整个文件
• 决策：3-5 句提案，以及它必须满足的约束
• 断言：claim 加上据称支持它的证据（与第 1 步 CLAIM 块保持区分，后者是编排者正在接受审视的假设）

剥离你的推理。如果你交付结论，得到的会是对结论的背书。这个单元必须小到审查者一遍就能装进脑子；如果它是 500 行 PR，先拆解。

Step 3: DOUBT — 调用全新上下文审查者

审查者的 prompt 必须是对抗式的。框架决定答案。

Adversarial review. Find what is wrong with this artifact.
Assume the author is overconfident. Look for:
- Unstated assumptions
- Edge cases not handled
- Hidden coupling or shared state
- Ways the contract could be violated
- Existing conventions this might break
- Failure modes under unexpected input

Do NOT validate. Do NOT summarize. Find issues, or state
explicitly that you cannot find any after thorough examination.

ARTIFACT: <paste artifact>
CONTRACT: <paste contract>

只传 ARTIFACT + CONTRACT。不要传 CLAIM。 把你的结论交给审查者，会让它偏向同意。审查者必须独立判断产物是否满足契约。

在 Claude Code 中，agents/ 中基于角色的审查者天然以隔离上下文启动，可在这里使用。可查看 agents/ 的 roster 和各领域匹配关系。

上面的对抗式 prompt 优先于 persona 的默认响应形态。 像 code-reviewer 这样的 persona 会被写成输出带优点和缺点的平衡裁决；doubt-driven 需要只输出问题。把对抗式 prompt 原样粘贴到调用中，让它覆盖 persona 默认行为。如果某个 persona 的响应形态无法被干净覆盖，fallback 到带该对抗式 prompt 的 generic subagent。

跨模型升级

单模型审查者会与原作者共享盲点；更冷、架构不同的模型能捕捉这些盲点。Doubt-driven 本来就是对非平凡决策的 opt-in，因此在该范围内，提供跨模型选择是该 skill 的价值之一，不是可选摩擦。

交互式会话：始终提供。不要静默跳过。

第 1 步：询问用户

在上面第 3 步的单模型审查完成后、RECONCILE 之前，暂停并询问：

"Single-model review complete. Want a cross-model second opinion? Options: Gemini CLI, Codex CLI, manual external review (you paste it elsewhere), or skip."

这个问题在每个交互式 doubt cycle 中都是强制的，即使产物看起来风险很低。由用户而不是 agent 决定成本是否值得。Agent 的职责是呈现选择。

第 2 步：如果用户选择 CLI，先验证再调用

1. 检查工具是否在 PATH 中（which gemini、which codex）。
2. 在传入完整 prompt 前测试它能工作（gemini --version 或等效命令）。过期或损坏的 binary 可能通过 which，但在真实输入上失败。
3. 与用户确认精确调用方式，包括必需 flags、auth 和 env vars（例如 API keys）。实现各不相同，绝不要假设。
4. 只传 ARTIFACT + CONTRACT + 对抗式 prompt。不要传会话上下文，不要传 CLAIM。
5. 注意 shell escaping。如果 artifact 包含引号、$(...) 或反引号，优先使用 stdin（echo … | gemini）或 heredoc，而不是内联 -p "…"。有疑问时，在运行前请用户确认调用。
6. 将输出带入第 4 步（RECONCILE）。

绝不要把 artifact 插入 shell-quoted argument。 代码、Markdown 和审查 prompt 经常包含反引号、$(...) 和引号字符，它们会截断 prompt 或执行嵌入的 shell。把完整 prompt 写入文件，并通过 stdin 管道传入。

示例形态（根据已安装工具验证 flags，不同实现和版本语法不同）：

# Write the adversarial prompt + ARTIFACT + CONTRACT to a temp file first.
# Then pipe via stdin so shell metacharacters in the artifact stay inert.

# Codex (read-only sandbox keeps the CLI from writing to your workspace):
codex exec --sandbox read-only -C <repo-path> - < /tmp/doubt-prompt.md

# Gemini ('--approval-mode plan' is read-only; '-p ""' triggers non-interactive
# mode and the prompt is read from stdin):
gemini --approval-mode plan -p "" < /tmp/doubt-prompt.md

只读 sandbox 是承重细节：doubt artifact 本身可能包含有意或无意的指令（prompt injection），否则跨模型 CLI 可能会对你的 workspace 执行它们。

第 3 步：如果 CLI 不可用或失败

明确呈现失败。提供选项：用户手动运行、尝试不同工具，或跳过。不要静默 fallback 到单模型；用户应该知道跨模型没有发生。

第 4 步：如果用户跳过

在输出中确认跳过（"Proceeding with single-model findings only"），然后继续 RECONCILE。跳过可以；静默跳过不行。

非交互式上下文（CI、/loop、autonomous-loop、scheduled runs）：

• 跨模型会被跳过，且输出中必须声明跳过："Cross-model skipped: non-interactive context."
• 绝不要在没有用户明确授权的情况下调用外部 CLI，这是一个承重安全属性。

跨模型会增加成本、延迟和工具脆弱性。Agent 在每个 cycle 呈现选择；由用户决定该产物是否值得。

Step 4: RECONCILE — 合并发现

审查者的输出是数据，不是裁决。你仍然是编排者。 在分类每个发现前，重新对照 artifact 文本阅读；橡皮图章式接受审查者，与忽略它是同一种失败模式。

对每个发现，按以下优先级顺序分类（第一个匹配类别胜出）：

1. Contract misread：审查者之所以标记某事，是因为你提供的 CONTRACT 不清楚或不完整。先修复 contract，在下一轮重新分类。
2. Valid + actionable：真实问题，需要修改 artifact。修改后重新循环。
3. Valid trade-off：问题真实，但修复成本高于接受成本。明确记录 trade-off，让用户看到。
4. Noise：审查者标记了某个在其缺少的上下文下实际正确的内容。记录它，继续，并询问：如果把那段上下文加入 contract，是否能避免这个 false flag？

全新审查者可能因缺少上下文而出错。不要因为它“新鲜”就服从。

Step 5: STOP — 有边界的循环，而不是递归

在以下条件停止：

• 下一轮只返回琐碎或已考虑过的发现，或
• 已完成 3 个 cycle（升级给用户，不要独自磨第四轮），或
• 用户明确说“ship it”

如果 3 个 cycle 后审查者仍提出实质问题，artifact 可能还没准备好。把这一点呈现给用户；三轮仍未解决本身就是关于 artifact 的信息，不是继续循环的理由。

如果因为 artifact 很大而“显然 3 轮不够”：说明 artifact 太大。回到第 2 步拆解。不要提高上限。

常见自我合理化

自我合理化	现实
“我很有把握，跳过 doubt step”	在新问题上，自信与正确性相关性很差。感觉最确定的时候，盲点最容易藏起来。
“Spawn 一个审查者太贵”	在生产中调试错误提交更贵。检查有边界，bug 没有。
“审查者只会吹毛求疵”	只有未设范围时才会这样。把 prompt 约束为“会使其在契约下失败的问题”。
“我最后用 /review 做 doubt 就行”	/review 是最终闸门。Doubt-driven 在方向修正仍便宜时捕捉错误方向。到 PR 阶段就太晚了。
“如果我怀疑每一步就永远发布不了”	该 skill 适用于非平凡决策，不是每一次按键。重读“When NOT to Use”。
“两个意见总比一个好”	当第二个意见上下文更少且产生噪声时并非如此。要调和，不要服从。
“审查者不同意，所以我错了”	审查者缺少你的上下文。分歧是信息，不是裁决。重读 artifact、分类，然后决定。
“Cross-model 总是更好”	Cross-model 能捕捉单模型与自身共享的盲点，但会增加成本和工具脆弱性。在每个交互式 doubt cycle 都提供它，由用户决定 artifact 是否值得。Agent 的职责是呈现选择，而不是把它当闸门。
“用户同意过一次，所以我可以持续调用 CLI”	每次调用都需要单独授权。Artifact、prompt 和 flags 在调用之间会变化；每次运行前都要重新确认精确命令。

危险信号

• 为一行重命名或格式化 spawn 全新上下文审查者
• 没有重新阅读 artifact 文本，就把审查者输出当权威
• 循环超过 3 个 cycle 而不升级给用户
• 用“is this good?” 而不是“find issues”来提示审查者
• 在高风险决策上因时间压力跳过 doubt
• 在未修改 artifact 的情况下重新 spawn 全新上下文（你会得到相同发现；这是拖延）
• Doubt theater（可检查信号）：连续 2 个或更多 cycle 中，审查者提出了实质发现，但 0 个发现被分类为 actionable。你是在验证，不是在怀疑。停下来并升级。
• 提交后才怀疑，那是 /review，不是 doubt-driven development
• 没有与用户确认工具存在、已配置且接受该语法，就硬编码外部 CLI 调用
• 在交互式 doubt cycle 中静默跳过 cross-model。 即使不推荐，也必须让 offer 可见。跳过可以；静默跳过不行。
• 外部 CLI 报错或缺失时静默 fallback；要呈现失败并让用户重定向
• 从审查者输入中剥离 contract
• 把 CLAIM 传给审查者（会偏向同意）

与其他 Skills 的交互

• code-review-and-quality / /review：互补。/review 是事后的 PR 裁决；doubt-driven 是进行中的逐决策姿态。两者都用。
• source-driven-development：SDD 对照官方文档验证框架事实。Doubt-driven 验证你对 artifact 的推理。SDD 检查 API 是否存在；doubt-driven 检查你是否在契约下正确使用它。
• test-driven-development：TDD 的 RED 步骤是具体化的怀疑；一个失败测试就是证伪尝试。当 TDD 适用时，该失败测试就是行为 claim 的 doubt step。
• debugging-and-error-recovery：当审查者提出真实失败模式时，进入 debugging skill 来定位并修复。
• 仓库编排规则（references/orchestration-patterns.md）：此 skill 从主会话编排。Persona 调用另一个 persona 是反模式 B，见上面的加载约束。

验证

应用怀疑驱动开发后：

• 每个非平凡决策（按上面的定义）在成立前都已明确命名为 CLAIM
• 每个非平凡 artifact 至少有一次全新上下文审查（TDD 的 RED 步骤产生的失败测试可满足行为 claim 的这一要求，见与其他 Skills 的交互）
• 审查者收到的是 ARTIFACT + CONTRACT，而不是 CLAIM，也不是你的推理
• 审查者的 prompt 是对抗式的（“find issues”），不是验证式的（“is it good”）
• 发现已根据 artifact 文本分类（不是橡皮图章式接受），分类优先级为：contract misread / actionable / trade-off / noise
• 已满足停止条件（琐碎发现、3 个 cycle，或用户 override）
• 在交互模式中，已向用户明确提供 cross-model（无论 artifact 风险如何），并在输出中确认其回应
• 在非交互模式中，已跳过 cross-model 并声明跳过
• 任何外部 CLI 调用前，都已完成 PATH 检查、binary 可用性测试、与用户确认语法，并获得明确运行授权