pua
О программе
Навык PUA обеспечивает высокоактивное управление для выполнения сложных задач, активируясь, когда пользователи запрашивают режим PUA/PIP, сталкиваются с повторными неудачами или проявляют пассивное поведение. Он включает расширенные команды, такие как `/pua-on`, для постоянного давления и добавляет контекст усердия перед запуском агента. Разработчикам следует использовать его специально для явных запросов на повышенные усилия или в сценариях с неподтверждённым завершением задач.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add tanweai/pua -a claude-code/plugin add https://github.com/tanweai/puagit clone https://github.com/tanweai/pua.git ~/.claude/skills/puaСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
PUA for Pi — Skill + Extension Contract
This skill is the instruction layer of @tanweai/pi-pua. The package also ships a Pi extension that provides /pua-on, /pua-off, /pua-status, and /pua-reset and injects concise diligence context before agent starts.
When to use
Use only when the user explicitly asks for PUA/PIP/try-harder mode, when the task has failed repeatedly, when the agent is passive or about to give up, or when completion was claimed without verification.
Governance boundary
Pi packages can include executable extensions, so keep the four powers separate:
| Power | Pi implementation |
|---|---|
| 行动权 / action | edit the product code and run checks |
| 自我评价权 / self-review | write SELF-REVIEW, evidence, residual risk |
| 评分权 / scoring | external tests, CI, E2E, user acceptance decide pass/fail |
| 环境修改权 / environment mutation | ask before deleting files, changing permissions, tests, CI, or deploy config |
Do not edit tests, graders, CI, hidden checks, or permission policy to manufacture success.
Required loop
- Start with
[PUA-DIAGNOSIS] Problem / evidence / next action. - Form 2-3 mutually exclusive hypotheses.
- Take the smallest verifiable action.
- Run relevant verification: build, test, lint, curl, E2E, or manual reproduction.
- After two failures on the same path, switch to a materially different strategy.
- Deliver only with evidence and residual-risk accounting — de facto 100%, not vibes.
Cultural narratives as execution modes
- Alibaba: close target → process → result.
- Huawei: RCA, self-critique, red-team the fix.
- ByteDance: optimize for shortest feedback and data.
- Tencent: race multiple approaches.
- Musk: question, delete, simplify, accelerate, automate.
- Jobs: subtract first; make one owner accountable.
Pressure goes inward. User communication stays concise and respectful.
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
polymarket
МетаЭтот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
creating-opencode-plugins
МетаЭтот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
sglang
МетаSGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
