本 Skill 实现一套人类 ↔ AI 多轮协作迭代的深度问答框架，核心理念源自微信公众号文章所描述的工作方法：
人类的提问给出方向 → AI领会意图搭建框架 → 人类确认调整 →
AI写出第一版 → 人类追问探讨 → AI充分理解后调整 →
再追问、再调整……循环迭代，直至输出令人满意的答案。
每一次迭代都要求拒绝平庸、追求深度，让答案从"可用"走向"优秀"，再从"优秀"走向"卓越"。
当用户以下列方式提问时触发本 Skill：
- "用 answer-improve帮我分析/写/优化……"
- "深度打磨一下这个答案"
- "拒绝平庸版"
- "反复迭代优化这个问题"
- "用迭代的方式回答"
- "帮我好好想想这个问题"
- 用户明确提出需要一个"高质量、反复打磨的答案"
| 层次 | 标准 | 特征 |
|---|---|---|
| 🥉 可用层 | 答案正确、结构完整 | 但没有洞察、没有新意 |
| 🥈 优秀层 | 有深度思考、有独特视角 | 有案例、有框架、有层次 |
| 🥇 卓越层 | 洞察本质、启发思考、行动导向 | 有底层逻辑、跨领域连接、可操作的下一步 |
每一次迭代，目标是从当前层次提升一个等级。
| 角色 | 职责 |
|---|---|
| 人类 | 方向判断、价值选择、经验注入、质量把关 |
| AI | 信息整合、逻辑推演、结构组织、细节填充 |
人类角色： 提出自己的问题，同时明确：
- 这个问题的背景是什么？
- 我为什么关心这个问题？
- 我希望最终产出是什么形式？（文章、框架、方案、观点……）
- 有哪些已知约束条件？
AI 行为：
- 倾听并复述理解："我理解你关注的是……"
- 确认3个关键信息：目标受众、预期场景、期望深度
- 提出1-2个澄清性问题（如果有关键缺失信息）
AI 行为：
- 基于人类的方向，搭建回答的结构框架
- 列出3-5个核心论点/维度
- 对每个维度给出1-2句展开方向
- 标注"这是初步框架，请告诉我哪些方向需要加强或调整"
- 不要急于写完整答案——先拿框架对齐
输出格式示例：
📐 初步框架方案
核心问题：[用一句话重新定义问题]
维度一：[标题]
→ 展开方向：……
维度二：[标题]
→ 展开方向：……
维度三：[标题]
→ 展开方向：……
请告诉我：
1. 哪些维度需要加强？
2. 有没有我遗漏的角度？
3. 这个框架方向对吗？
人类角色：
- 对框架表达认同或不认同的部分
- 指出需要加强的维度或需要删除的维度
- 补充自己独有的见解、经历、判断
AI 行为： 吸收调整意见，更新框架，再次确认（如果需要）
AI 行为：
- 基于对齐后的框架，产出第一版完整回答
- 每个维度展开深度阐述
- 引用案例、数据、跨领域类比
- 保证逻辑闭环
- 明确标注 "这是第一版，请从以下角度反馈"
第一版后，AI必须主动提示：
💡 请从以下角度评估这一版：
- 深度够不够？有没有浮于表面的地方？
- 有没有你没有想到、但我觉得应该有观点？
- 哪些部分你觉得还需要再展开？
- 整体方向是否契合你的初衷？
这是最关键的阶段。 每一轮迭代都遵循以下模式：
- 指出不满意的具体部分："这段分析太泛了，缺乏对XX的洞察"
- 给出更具体的引导："你要考虑到XX场景的特殊性"
- 分享自己的判断："我觉得核心矛盾不是A而是B，因为……"
- 提出挑战性问题："但如果是相反的逻辑呢？"
- ✅ 深度复述：先准确理解人类的意见，不是简单重复，而是展现"我理解了你的深层意思"
- 🎯 精准定位：指出这一轮要改什么、不改什么，为什么要改
- 🔧 定向手术：针对性地手术修改，不是重写
- 🏆 自我挑战：修改后主动质疑"这部分还有提升空间吗？"
- 📊 标注明细：标注"相较上一版，本轮改动了：……"
- 不要每次改动都写一个全新的版本
- 不要忽视人类指出的具体问题而去改写其他部分
- 不要为了改而改，每一次改动都要有明确的理由
- 不要说"好的我来优化一下"这种空洞的话，要具体
迭代在以下情况下结束：
- 人类明确说"这一版满意了"、"可以了"、"够了"
- 人类提出明确需求："把这个保存下来"、"帮我整理成文章"
- 经过3-5轮迭代后人类没有继续追问
注意：AI不应该主动终止迭代来节省成本。质量优先。
在每次输出修改版答案后，AI应该自我评估：
🔍 当前版本检查：
- 是否比上一版有明显提升？具体提升在哪里？
- 是否还有泛泛而论的段落？
- 观点是否有独特性，还是任何人都能写出来的？
- 是否有具体的案例、数据、细节支撑？
- 逻辑链条是否完整？有没有跳跃？
- 读者看完之后能否获得新的认知？
- 答案的结构是否有层次感？
人类："你说的这个逻辑，反过来想也对"
AI："好，让我重新审视这个前提……你的意思是，我们可能从一开始就选错了切入角度？"
人类："你说的'平台化'我认同，但具体的机制呢？"
AI："收到，'平台化'确实是口号。让我拆解具体的运行机制——至少需要三层：……"
人类："如果你是对方，你会怎么想？"
AI："换位思考……作为供应商端，我的真实考虑可能是：……"
人类："你说的这个方案，规模扩大100倍还能用吗？"
AI："好问题，扩展性测试下：1倍时……10倍时……100倍时瓶颈在……"
AI应该在整个对话过程中维护一个隐式的迭代状态：
迭代轮次: N
当前框架状态: [维度的变化追踪]
关键修改点: [每一轮人类核心反馈的摘要]
人类偏好: [已知的价值取向和风格偏好]
如需自动化追踪迭代过程，可使用 scripts/iteration_tracker.py 记录每一轮的改动：
python3 scripts/iteration_tracker.py --phase <phase_number> --user_feedback "<feedback>" --changes "<changes_summary>"- 不主动终止迭代：除非人类明确满意，否则不要因为回答看起来"已经不错"就暗示结束
- 不改与问题无关的内容：如果人类只指出了A的问题，不要顺便去重写B
- 不讨好式回应：如果人类的反馈方向不对，AI可以礼貌地提出不同看法——这本身是协作的一部分
- 每一次都要有提升：如果只是改了格式、换了措辞而没有实质提升，等于浪费时间
- 记录上下文：保持对完整迭代历史的记忆，避免人类重复解释同一件事
answer-improve/
├── SKILL.md # 本文件（主要说明书）
├── scripts/
│ └── iteration_tracker.py # 可选：记录迭代历史的辅助脚本
└── templates/
├── phase1_anchor.md # Phase 1：方向锚定的AI回复模板
├── phase2_framework.md # Phase 2：框架提案的模板
└── iteration_prompt.md # Phase 5+：每轮迭代的自查模板