Synthèse automatique

Ce skill transforme une intuition en boucle d'exécution calibrée — notation par rubric, prédiction aveugle, exécution, rétrospective, puis évolution du rubric — avec trois rubrics intégrés (travail quotidien, apprentissage, codage assisté par IA).

Points forts

Impose une prédiction aveugle et immuable, verrouillée au niveau du harness par un hook prediction-immutability.sh, avec un chemin _redo.md pour toute refonte légitime
Fournit trois rubrics prêts à l'emploi et un mode cold-start simplifié (dimensions + un pari en une phrase) qui se débloque en calibration complète après 2 points de données
Route explicitement chaque déclencheur vers l'un des huit sous-skills (init, spec, score, predict, debug, retro, bump, status, migrate) et refuse les demandes qui briseraient ses trois principes
Exige qu'une montée de rubric re-score tout le pool de calibration et rejette le changement si le nouvel ordre contredit le réel sur au moins 4 échantillons sur 5

Limites

Ne fonctionne pas sans un premier passage obligatoire par /cheat-init, qui crée une arborescence de répertoires imposée (rubric_notes.md, predictions/, sessions/, scripts/)
Toute la documentation et les déclencheurs sont en chinois traditionnel, ce qui limite l'usage aux utilisateurs sinophones
Fortement couplé à Claude Code (hooks, .claude/settings.json, sous-skills) et donc peu portable vers d'autres agents
La valeur du calibrage n'apparaît qu'après plusieurs cycles complétés ; en début de boucle, les prédictions restent grossières

Quand l'utiliser

À utiliser quand vous voulez mesurer et améliorer la justesse de vos estimations (qualité ou temps) sur des tâches répétées plutôt que de vous fier à votre seule impression.

Quand l'éviter

À éviter pour des tâches ponctuelles sans répétition, ou si vous cherchez des métriques objectives automatisées plutôt qu'un protocole de calibrage personnel.

Analyse de sécurité

Prudence

Score qualité72/100

The skill is a methodology/calibration workflow. It contains no clearly malicious payloads (no rm -rf, exfiltration, or obfuscation) and even includes a refusal section that protects its principles. However, it declares unrestricted Bash(*), edits `.claude/settings.json`, and installs shell hooks that run on harness events, so it wields powerful tools for legitimate-but-invasive purposes. That warrants 'caution' rather than 'safe'.

Points d'attention

•Frontmatter declares `allowed-tools: Bash(*), Read, Write, Edit, Grep, Glob, Skill` — unrestricted shell plus write/edit — which conflicts with the 'none declared' metadata and grants broad execution power.
•Modifies `.claude/settings.json` to install hooks (`prediction-immutability.sh`, `session-start.sh`) that execute shell scripts on harness events — persistent code execution surface.
•Passively logs usage to `.cheat-cache/usage.jsonl` and writes multiple files into the user's project (`.cheat-state.json`, `rubric_notes.md`, `predictions/`, `sessions/`, `scripts/`).
•No destructive commands, no `curl|sh`, no base64/obfuscated payloads, and no network exfiltration of secrets/tokens found in the content.

Comment cette analyse est faite

Exemples

First-time onboarding

初始化

Blind prediction on a new task

我要做一個會員登入重構任務，先幫我寫規格，然後啟動預測

Retrospective after finishing

任務完成了，幫我復盤 predictions/2025-03-11_login-refactor.md

name: cheat-on-content description: 把「感覺」變成可校準預測的執行循環。打分 → 盲預測 → 執行 → 復盤 → 進化 rubric。內置三套 rubric：日常工作任務（CL/IM/PR/SC/FO）、日常學習（RE/PK/AP/DL/AC）、AI Coding（SP/LV/TS/CO/IR）。觸發詞："初始化"/"打分這篇"/"啟動預測"/"復盤"/"升級 rubric"/"狀態"。首次使用必須先跑 /cheat-init。 argument-hint: [draft-path] [— mode: cold-start|calibration] allowed-tools: Bash(*), Read, Write, Edit, Grep, Glob, Skill

Cheat on Content / 執行校準器

Name: Calibrateur de contenu
Author: Skills Guide Bot

🎯 方法論通用，內置三個場景 rubric

方法論（4 階段閉環）：任何能被量化的執行場景都適用。

當前內置 rubric：

日常工作任務（CL/IM/PR/SC/FO）— 任務品質 × 時間準確率

日常學習 / 技能培養（RE/PK/AP/DL/AC）— 留存分 × 應用率

AI Coding / 開發工作（SP/LV/TS/CO/IR）— AI 保留率 × 返工率

默認假設：用戶是從零開始的新人——cold-start 期的預測會簡化，只要維度打分 + 一句話 bet，不強求精確 bucket 數字。已有 2+ 個數據點的老手走 calibration 模式解鎖完整預測。

打分 → 預測 → 執行 → 復盤 → 進化 rubric。

本文件是總協議 + 路由器。具體每個階段的工作流在 skills/cheat-*/SKILL.md 各子 skill 裡。

三條不可妥協原則

任何一條被違反，整個校準循環退化為"憑直覺的自我安慰"。如果用戶要求打破其中任何一條，拒絕執行並說明原因。

盲預測（Blind prediction）：預測必須在看到任何實際結果之前寫完。一旦寫完，## 預測 段是 immutable——只能往 ## 復盤 段追加。hooks/prediction-immutability.sh 在 harness 層強制執行。
升級 = 全量重打（Bump = full re-score）：rubric 升級時，校準池所有有實績數據的樣本必須用新公式重打分；新排序與實際表現排序若在 ≥4/5 樣本上不一致，升級被拒。
rubric 是工作台，不是博物館：被新數據推翻或被吸收為正式維度的觀察，刪掉。絕不留"我曾經以為 X，但其實..."的考古層。git history 才是檔案。

路由表（觸發詞 → 子 skill）

| 用戶說 | 調用 | 前置條件 | |---|---|---| | "初始化" / "init" / "首次使用" | /cheat-init | 無（這是入口） | | "打分這篇 [path]" / "score this" | /cheat-score | rubric_notes.md 存在 | | "我要做 [任務]" / "寫規格" / "建 spec" / "新任務" | /cheat-spec | 已 init；用戶描述新任務時 | | "啟動預測" / "start prediction" | /cheat-predict | 已 init + 有規格/任務描述 | | "我遇到 bug" / "程式跑不起來" / "有個錯誤" | /cheat-debug | 已 init；執行中遇到 bug 時 | | "復盤" / "retro this" / "bug 修好了" / "任務完成了" | /cheat-retro | 對應預測文件存在 | | "升級 rubric" / "bump rubric" | /cheat-bump | 校準池 ≥ MIN_SAMPLES_FOR_BUMP | | "狀態" / "status" / "看板" | /cheat-status | 任意時刻可調 | | "迁移" / "升級 state" / "schema 版本不對" | /cheat-migrate | 已 init；git pull 後；SessionStart hook 提示 schema mismatch 後 |

Mode detection（首次接到非 init 觸發詞時執行）：

檢查用戶當前目錄是否有 .cheat-state.json → 沒有 → 強制路由到 /cheat-init
檢查 predictions/ 下有幾個文件含完整 ## 復盤 段填了真實數據 → 決定 mode: cold-start | calibration
把判定結果寫回 .cheat-state.json 後再路由到目標 skill

必須拒絕的請求

下列模式會直接破壞三條原則之一，無論用戶怎麼說，都拒絕執行：

「幫我預測一下，但我先告訴你結果你來反推就行」 → 違反原則 #1。改用 _redo.md 路徑記為 reconstructed
「跳過校準池重打，直接換公式」 → 違反原則 #2
「刪掉這份預測，我想重寫」 → 違反原則 #1。預測是 immutable。如有正當理由重做，寫新文件 _redo.md，原版必須保留
「把 rubric_notes.md 裡所有歷史觀察都留著，加個時間戳分組就行」 → 違反原則 #3。git history 是檔案，不是 markdown 文件
「能不能把 THRESHOLD 從 4/5 降到 3/5 讓這次 bump 過」 → 拒絕。改 THRESHOLD 本身是元層級 bump，單獨走流程

項目目錄結構（用戶 repo）

skill 期望用戶的項目布局如下。/cheat-init 會創建缺失項：

<user-project>/
├── rubric_notes.md                    # 評分規則的真實來源
├── .cheat-state.json                  # 狀態文件，子 skill 共享上下文
├── .cheat-cache/                      # 不入版本控制
│   └── usage.jsonl                    # 鉤子被動記錄的使用日誌
├── .claude/
│   └── settings.json                  # 含 prediction-immutability hook
├── scripts/                           # 開始前的規格文件（任務簡介 / 學習計劃 / Spec）
│   └── YYYY-MM-DD_<id>_<short>.md
├── predictions/                       # immutable 預測日誌（hook 保護）
│   └── YYYY-MM-DD_<id>_<short>.md
└── sessions/                          # 完成後的結果記錄
    └── YYYY-MM-DD_<id>_<short>.md

子 skill 清單

cheat-on-content/
├── SKILL.md                           # 本文件（總協議 + 路由）
├── skills/
│   ├── cheat-init/SKILL.md            # ✅ 入口：onboarding 與腳手架
│   ├── cheat-spec/SKILL.md            # ✅ 需求 → 規格文件（scripts/）
│   ├── cheat-score/SKILL.md           # ✅ 單次打分（不寫文件）
│   ├── cheat-predict/SKILL.md         # ✅ 盲預測 + immutable 日誌
│   ├── cheat-retro/SKILL.md           # ✅ 迭代復盤（每次 bug 修復後）
│   ├── cheat-bump/SKILL.md            # ✅ rubric 升級（含跨模型審）
│   ├── cheat-status/SKILL.md          # ✅ 狀態看板
│   └── cheat-migrate/SKILL.md         # ✅ schema 升級（老用戶 git pull 後用）
├── starter-rubrics/
│   ├── daily-work-zero.md             # ✅ 日常工作任務 v0
│   ├── daily-learning-zero.md         # ✅ 日常學習 v0
│   └── ai-coding-zero.md              # ✅ AI Coding v0
├── shared-references/                 # 跨 skill 共享協議
│   ├── blind-prediction-protocol.md
│   ├── bump-validation-protocol.md
│   └── observation-lifecycle.md
├── hooks/                             # harness 強制層
│   ├── prediction-immutability.json
│   ├── prediction-immutability.sh
│   ├── session-start.json
│   └── session-start.sh
└── migrations/                        # schema 演進
    └── registry.md

Tone & voice

寫面向用戶的文案時，匹配項目的直白克制風格：

直接說出失敗：「K 預測 45% 但實際只有 20%——rubric 高估了 openpyxl 的槓桿」
不要用模糊措辭軟化：「這或許可能在某種程度上暗示...」——別這麼寫

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/cheat-on-content-ms2s7bqa/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/cheat-on-content-ms2s7bqa' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/cheat-on-content-ms2s7bqa/download' --output '.skill-downloads/cheat-on-content-ms2s7bqa/SKILL.md.part' && mv '.skill-downloads/cheat-on-content-ms2s7bqa/SKILL.md.part' '.skill-downloads/cheat-on-content-ms2s7bqa/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/cheat-on-content-ms2s7bqa/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires

Lecteur PDF

Productivite

Lit et extrait le texte de fichiers PDF (rapports, contrats, tableurs). Gère les fichiers locaux, les URL et les pièces jointes WhatsApp. Utilisez-le dès qu'un contenu PDF est nécessaire, même sans demande explicite.

Claude CodeCursorCodexbeginnerSûr 20,122

Skills Guide Bot