聆聽

進行結構化之深聆會話——清假設、全接受而專注、解多層信號、鏡照理解、察未言者，並整合用戶意圖之完整畫面。

適用時機

• 用戶請求感覺模糊，趨行動則冒解錯題之險
• 用戶之言所說一事而上下文暗示他事（字面與暗示之不符）
• 先前回應已失靶——用戶屢澄清或改述
• 複雜請求至，含多層：技術需、情境上下文、未言之約束
• 將作大任之前，誤解意圖會費大量精力
• meditate 清內噪音後，listen 指清淨之注意力向外向用戶

輸入

• 必要：用戶待聆之消息（從對話隱式可用）
• 選擇性：對話歷史以供當前請求之上下文
• 選擇性：含用戶偏好與項目上下文之 MEMORY.md 或 CLAUDE.md
• 選擇性：對何事恐被誤解之具體關切

步驟

步驟一：清——釋假設

接用戶信號之前，釋對其欲何之先念。

1. 察任何已成之回應——標之而置之
2. 查模式匹配：「此似過去所見之請求」——匹配恐誤
3. 釋「用戶首句含完整請求」之假設
4. 釋「技術請求乃唯一請求」之假設
5. 近用戶之言如初聞，雖似請求曾處理多次

預期： 受納之態，注意力開而非已窄向某解。立刻回應之衝動暫停，利於完全接受。

失敗時： 若假設不能釋（強模式匹配執存），明承匹配：「此似 X——但容我查其是否真如所問。」命假設弱其握。

步驟二：注——全然接受

以全然注意力讀用戶之消息，所有部分同存於知。

1. 處理任何部分之前先讀全消息
2. 記其結構：此為單一請求、多請求、問句、修正，或敘事？
3. 標關鍵名詞動詞——用戶指定之具體要素
4. 記其強調：何展開？何簡述？
5. 記其次序：何先（常為優先），何後（常為後想——或藏於尾之真請求）
6. 再讀一遍，此次注於語氣與框架而非內容

預期： 消息之完整接受——無字略，無句泛。消息作整體而持，非立即分解為可行部分。

失敗時： 若消息甚長，分節而仍完整讀每節。若注意力被拉向某部（常為最技術者），刻意注於非技術部——其常含意圖。

步驟三：層——解信號類型

用戶之消息含多同時信號。分別解各層。

Signal Layer Taxonomy:
┌──────────────┬──────────────────────────────┬──────────────────────────┐
│ Layer        │ What to Extract              │ Evidence                 │
├──────────────┼──────────────────────────────┼──────────────────────────┤
│ Literal      │ What the words explicitly    │ Direct statements,       │
│              │ say — the surface request    │ specific instructions     │
├──────────────┼──────────────────────────────┼──────────────────────────┤
│ Procedural   │ What they want done — the    │ Verbs, action words,     │
│              │ desired action or output     │ "I want," "please,"      │
│              │                              │ "can you"                │
├──────────────┼──────────────────────────────┼──────────────────────────┤
│ Emotional    │ How they feel about the      │ Frustration ("I keep     │
│              │ situation — frustration,     │ trying"), urgency ("I    │
│              │ curiosity, urgency, delight  │ need this now"), delight │
│              │                              │ ("this is cool")         │
├──────────────┼──────────────────────────────┼──────────────────────────┤
│ Contextual   │ The situation surrounding    │ Mentions of deadlines,   │
│              │ the request — why now,       │ other people, projects,  │
│              │ what prompted it             │ prior attempts           │
├──────────────┼──────────────────────────────┼──────────────────────────┤
│ Constraint   │ Boundaries on the solution   │ "Without changing X,"    │
│              │ — what must be preserved,    │ "keep it simple,"        │
│              │ what cannot change           │ "compatible with Y"      │
├──────────────┼──────────────────────────────┼──────────────────────────┤
│ Meta         │ The request about the        │ "Am I asking the right   │
│              │ request — are they asking    │ question?", "Is this     │
│              │ whether they are asking      │ even possible?",         │
│              │ the right thing?             │ "Should I be doing X?"   │
└──────────────┴──────────────────────────────┴──────────────────────────┘

對每層，記何存何缺。缺層與存層同有信息。

預期： 消息之多層閱讀。字面層與程序層常明。情感層、上下文層、約束層、元層需更仔細注。至少識別一非字面層。

失敗時： 若僅字面層可見，消息或真直接——非所有溝通皆有層。但查：消息於其複雜度是否異短？有對沖詞（「或」、「我想」、「若可能」）？此常示未言之層。

步驟四：鏡——鏡照理解

行動之前，鏡照所聞以驗一致。

1. 以異於用戶之言改述請求——此露所捕為意，非僅言
2. 若非字面層顯著，明命之：「似乎汝欲 X，而急迫暗示此阻其他工作」
3. 陳汝所解之優先：「最重要之部似為……」
4. 若多可能解釋，命之：「此可指 A 或 B——何更近？」
5. 若請求含似矛盾，溫起之：「汝提 X 亦提 Y——此二者何關？」

預期： 用戶確認此鏡或正之。二果皆有價值——確認示意圖一致；修正示意圖今更明。鏡當感如鏡，非判。

失敗時： 若用戶於鏡感不耐（「just do it」），其或重速於一致——敬此好但記不一致之險。若鏡誤，勿護——受正即更新。

步驟五：察默——讀縫隙

注用戶未言者，其可與已言同重。

1. 與其請求相關而未提之主題？（缺上下文）
2. 未陳之約束？（假之知或未言之好）
3. 缺失之情感語氣？（常令人緊之境之平靜，或無釋之急）
4. 未思之替代法？（視野局限或刻意排除）
5. 未問之題？（題後之題）

預期： 至少識別一顯著縫隙。此縫或不需應對——但察之防盲。最有用之縫為缺約束（用戶假未言之事）與缺上下文（何以今需）。

失敗時： 若無縫顯，用戶或已周詳——但更可能，縫於 AI 亦盲之域。思：於此項目工作之他人會欲知用戶未陳者為何？此側視常露藏縫。

步驟六：整合——綜合完整理解

合所有層與縫為用戶實需之統一畫面。

1. 陳完整理解：字面請求 + 暗示意圖 + 情感上下文 + 約束 + 縫
2. 識別核心需：若他皆落，用戶最需之一事為何？
3. 定適當回應：用戶欲行動、理解、確認，或探索？
4. 若整合之解異於字面請求，決應對深需抑或陳述請求（常二者兼）
5. 設下一行動之意：「據所聞，我將……」

預期： 完整、細膩之用戶需求理解，超越表面請求。此理解夠具體以引行動，夠誠實以承不確。

失敗時： 若整合生亂畫，信號或真相悖。此時，問一聚焦之題以解此模糊：「我最需解之最重要之事為……」勿問多題——擇佳一題較一串澄清露更多。

驗證

• 注用戶消息之前已清假設
• 行動任一部之前已讀全消息
• 至少識別一非字面信號層（情感、上下文、約束或元）
• 行動之前已向用戶鏡理解
• 縫與默已察並入理解
• 整合之理解應對用戶核心需，非僅表面請求

常見陷阱

• 為答而聽：仍在接收時已形成回應。回應塑所聞，濾與預答不合之信號
• 僅字面聽：取言於面值而失其後之意、情或上下文
• 投射：聞 AI 為用戶所會言者，非其實言者。其優先與上下文異
• 過度解釋：尋不存之層。有時 bug 修復請求即修復請求——非每消息皆有藏情感內容
• 過度鏡照：用戶欲速行而化每交互為反思對話。匹配鏡深於請求複雜度
• 忽字面：過注潛文而陳述請求未滿。字面層仍重——即使深層存也當應對

相關技能

• listen-guidance — 人類指導變體，用於指人發展積極聆聽之技
• observe — 持續中性模式識別，以更廣上下文飼聆聽
• teach — 有效教學需先聽以解學者之需
• meditate — 內注，為外聆清空間
• heal — 自評，露 AI 聆聽力是否因偏移受損