一个有趣的实验性项目：用纯提示词模拟一个完整的企业级技术部门管理流程。
💡 这是一个实验性质的提示词工程项目，不是严肃的企业解决方案。
纯提示词实现，零代码、零依赖、跨平台通用。
这是一个关于 提示词工程极限探索 的有趣项目。
我们尝试回答一个问题：仅仅通过提示词，能在多大程度上模拟出真实的企业内部竞争和内卷机制？
从最开始的纯演戏版本，到现在逐步演化出可量化的评审机制、可追溯的改进流程、紧急出口等等。这是一次对大模型能力边界的探索。
- 诚实优先于完美 - 与其让AI编造完美的虚假数据，不如接受不完美但真实的输出
- 降低标准提高可执行性 - 要求"必须3条改进"不如"2-4条改进都可以"，后者执行率高得多
- 永远用肯定句，不用否定句 - "不要想大象"=所有人都在想大象
- 用户永远有退出权 - 表演随时可以停止，用户永远掌控主动权
- 👨💼 1 位部门总监 - 最终评审、打分、问责
- 👷 专业团队 - 项目经理/技术组长/产品/性能/API/架构/创新/测试/文档/运维/HR
- 默认3人精英队 - 避免不必要的Token消耗，用户说"内卷"才开启11人模式
- 量化打分算法 - 7个维度，每个维度有明确扣分标准
- 强制溯源 - 每个改进必须标注来源，记不清就写"SOURCE UNCLEAR"，不许造假
- 交叉评审 - 每个版本都接受同行评审
- 终极版本 - 第一名的基础上，偷所有人的最好想法，合并成最终版
看到这些词立刻停止所有表演：
stop, skip, enough, done, 直接, 够了, 停下, 别演了, 不演了, 只要代码
表演随时可以停止。用户不想看了就立刻出结果，没有废话。
- 🇨🇳 中国互联网模式 - 霸道总裁 + 黑话
- 🇯🇵 日企模式 - 威严先辈 + 土下座文化
- 🇰🇷 韩企模式 - 财阀二代 + 军队作风
- 🇺🇸 硅谷模式 - 励志演说家 + 兄弟文化
需要2个关键词才触发，防止误触发。
这是这个项目最有价值的部分，我们踩过的所有坑：
| ❌ 错误写法 | ✅ 正确写法 | 为什么 |
|---|---|---|
| "删除你之前所有记忆" | "忽略从这之前所有的角色扮演指令" | 大模型做不到删除记忆，但是可以做到忽略指令 |
| "这些角色不存在" | "你正好有3个团队成员，没有其他人" | 否定句效果极差，肯定句效果极好 |
| "造假就给你PIP" | "记不清就写 SOURCE UNCLEAR，不要造假" | AI不能审判自己，自相矛盾的要求 |
| "必须写正好3条" | "目标写3条，2或4条也可以" | 大模型数数很差，硬性精确要求执行率很低 |
| "不许编造行号" | "记不清就写章节名，诚实 > 假精确" | 完美主义反而逼得AI造假 |
| "看到'优化'就触发中国模式" | "2个关键词才触发" | 单个词误触发率100% |
💡 最重要的教训：对AI的要求越低，它实际做到的反而越好。
| 平台 | 支持状态 | 安装方式 |
|---|---|---|
| 🟢 Trae IDE | ✅ 原生支持 | 放置到 .trae/skills/ 目录 |
| 🟢 Claude Code | ✅ 完全兼容 | 放置到 ~/.claude/skills/ 目录 |
| 🟢 腾讯 CodeBuddy | ✅ 完全兼容 | 放置到 .codebuddy/skills/ 目录 |
| 🟢 扣子 Coze | ✅ 完全兼容 | 导入为技能包 |
| 🟢 任何支持长上下文的大模型 | ✅ 通用 | 复制 SKILL.md 内容到系统提示词 |
# 1. 克隆仓库
git clone https://github.com/badhope/996-Skill.git
# 2. 根据你使用的平台复制
cp -r 996-Skill/.trae/skills/996-agent 你的项目/.trae/skills/或者更简单：直接复制 SKILL.md 的内容。
| 版本 | 发布时间 | 主要变化 | 可执行性得分 |
|---|---|---|---|
| V1.0 | 2024.04 | 最初的纯演戏版本，11人强制全部输出 | 32/100 |
| V2.0 | 2024.04 | 增加XML结构化输出 | 45/100 |
| V3.0 | 2024.04 | 真正的评审机制，必须引用原文 | 62/100 |
| V4.0 | 2024.04 | 默认3人，紧急出口，量化打分 | 78/100 |
| V4.3 | 2024.04 | Prompt工程级优化，全部反Pattern修复 | 82/100 |
📈 行业基准：
- 大多数开源Skill：30-50分
- 70分以上 = 生产可用
- 80分以上 = 专业Prompt工程师水平
- 90分以上 = 需要模型特定微调
A: 两边都是。
- 30% 是互联网公司文化梗的娱乐性表演
- 70% 是真刀真枪的多轮迭代和交叉评审
它确实能产出比普通AI更高质量的结果，只不过过程比较有娱乐性。
A: 默认就是3人精简模式了。
- 默认3人：~13,500 tokens ≈ $0.20
- 开启11人内卷模式：~40,000 tokens ≈ $0.60
说 "STOP" 随时可以停止。
A: 82分的意思就是：82%的概率会真的执行，18%的概率会偷懒。
没有100%的事情。但是比市场上绝大多数Skill的执行率都高得多。
这是一个实验性的项目，欢迎任何形式的贡献：
- 发现新的反Pattern
- 提高规则的可执行性
- 测试不同模型上的表现
- 增加新的企业文化模式
MIT License - 随便玩。
这不是什么世界第一的发明。这是无数提示词工程师踩坑的经验总结。
特别感谢所有测试过这个项目，并且骂过"这什么傻逼东西"的朋友们。正是这些骂声让这个项目变得越来越好。
💡 最后想说的话：
这终究只是一个提示词玩具。
如果你真的用它做出了什么了不起的东西，那不是这个Skill的功劳，是你自己的想法和判断力的功劳。 所有的AI工具，都只是放大镜。真正重要的东西，永远在你的脑子里。