如何和AI对齐技能意图？Yao Meta Skill的意图对话与置信度门槛实战
【免费下载链接】yao-meta-skillYAO = Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skill
用 AI 帮你做重复工作时，最常见的翻车方式是：你以为 AI 懂了，其实它只是猜了个大概。Yao Meta Skill（YAO = Yielding AI Outcomes）是一套面向可复用 Agent 技能的工程、评测、治理与可移植系统，其中"意图对话 + 意图置信度门槛"正是为了解决这个问题：在动手写技能之前，先用一段轻松的对话把真实任务、输入、输出和边界聊清楚，再让系统自动打分——分数不够高就不许开工，直到意图清晰为止。
为什么意图没对齐，后面全会跑偏？
Yao Meta Skill 把"意图对齐"放在整个技能生产流程的最前面（见 SKILL.md 中的 Compact Workflow），原因很直接：
- 📌边界选错，返工代价极高——一开始就把"该拒绝的相似请求"划出去，比事后修便宜得多；
- 📌触发质量取决于"不做什么"——排除清单是提升技能触发精度的最快路径；
- 📌输出先于架构——先确认要交付什么，再决定需要哪些引用、脚本和模板。
方法论完整写在 references/intent-dialogue.md，核心思想一句话：用 5-7 个锋利的问题，而不是一份冗长的调查问卷。
意图对话怎么做：4 个值得记住的原则
对话不是填表。references/intent-dialogue.md 对开场方式有明确要求——先像"坐在旁边的伙伴"一样聊天，而不是冷冰冰的录入员：
- 先让用户用自然语言讲，讲完再帮其提炼结构，而不是上来就甩模板；
- 边界问题问早一点，输出问题问在架构问题之前；
- 一句话说得清就停——当技能能用一句话描述时，对话就该结束；
- 中文对话有三种语气可选：温柔陪伴型（想法模糊时）、专业教练型（目标明确时）、共创伙伴型（想一起打磨时）。
对话结束时，系统应沉淀出这 6 样东西：
一句清晰的能力描述、真实输入清单、必备输出清单、排除清单、参考偏好、一个推荐的评测起点
这套过程在本仓库自己身上就有实例：reports/intent-dialogue.md 记录了 Yao Meta Skill 自身的开场框架、问题清单和最终锚点。
置信度门槛：分数不够，不许开工
光聊清楚还不够，系统还要可验证地判断"清楚没有"。这就是意图置信度门槛（Intent Confidence Gate）：
- 打分：对能力描述做置信度评分，0-100 分，并划入 high / medium / low 档位；
- 拦截：
gate_passed为 false 时，推荐动作是"继续澄清"，而不是进入技能包制作； - 追问题库：针对 6 类缺口（任务、输入、输出、排除、约束、标准）内置了追问话术，哪个缺口问哪句。
评分逻辑在 scripts/render_intent_confidence.py 中，有个细节很有意思：系统会识别"把重复工作变成可复用技能"这类万能套话（GENERIC_PHRASES）和泛化词（workflow、package、task 等），描述越像模板空话，分越低——逼着意图描述必须具体。
Yao Meta Skill 自己的打分结果可以当范文看（reports/intent-confidence.md）：
- 置信度：100/100，档位
high，门槛通过 ✅ - 强信号：重复任务足够具体、输入形态明确、交付输出明确、边界排除已显式声明
- 遗留缺口：无；推荐动作："意图已足够清晰，可以打包第一个可路由版本。"
对应的机器可读数据在 reports/intent-confidence.json，结构化的意图上下文（任务、输入、输出、排除、约束、标准）则存于 reports/intent-context.json——后者正是触发评测的输入来源之一。
把这套方法搬进你自己的 AI 工作流
即使不装 Yao Meta Skill，这套"先对齐、再动手"的思路也能直接借鉴：
| 步骤 | 做什么 | 卡点 |
|---|---|---|
| 1️⃣ 意图对话 | 问清"重复任务 / 真实输入 / 交付输出 / 明确拒绝什么" | 能一句话说清能力 |
| 2️⃣ 排除边界 | 列出 3-5 个"相似但不该触发"的请求 | 边界显式化 |
| 3️⃣ 置信度自测 | 给意图描述打分，空话套话一律扣分 | 分数达标才开工 |
| 4️⃣ 留档 | 把对话产出存成结构化记录，供后续评测复用 | 可追溯、可回归 |
想深入理解门槛如何选取、与其他质量门（触发评测、输出评测）如何搭配，可以看 references/gate-selection.md；更多示例（如 examples/team-frontend-review/）也展示了从意图到技能包的完整路径。
写在最后
和 AI 对齐技能意图的关键，不是写更长的 prompt，而是先花 5 分钟把"做什么、不做什么、交付什么"聊成白纸黑字，再用一个可打分的门槛拦住含糊其辞。Yao Meta Skill 的意图对话与置信度门槛，把这两步变成了工程化的习惯——意图清晰之前，一切架构都是猜。
【免费下载链接】yao-meta-skillYAO = Yielding AI Outcomes. A rigorous engineering, evaluation, governance, and portability system for reusable agent skills.项目地址: https://gitcode.com/gh_mirrors/ya/yao-meta-skill
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
