Verify Work Before You Deliver — AI 工作交付前结构化验证技能

技能简介

AI 生成的内容往往看起来完整，但关键的检查步骤被跳过了。Verify Work Before You Deliver 技能为 AI 编码助手（Claude、Codex、Claude Code）增加了结构化的「规划→执行→审查→证据」工作流，让交付成果真正可验证，而不是看上去没问题。

该技能 Quality Score 90，入选 Skillstore Featured 等级，专为需要严谨交付的 AI 协作场景设计。

核心能力

1. 四阶段任务结构：将任务拆解为规划、执行、审查、交付四个阶段，每个阶段有明确的进入标准和退出标准。
2. 基于证据的完成度定义：区分「声称完成」与「验证完成」，只有提供可查证据的成果才视为交付。
3. 数值与输出独立验证：支持数字校验、文件内容比对、命令执行结果验证，防止 AI 自我确认偏差。
4. 多角色引导：为指挥官（Commander）、执行者（Executor）、审查者（Reviewer）分别提供提示词模板与边界定义。
5. 多 Agent 协调规则：定义 Agent 间如何传递任务、如何汇报进度、如何处理交接证据，防止责任真空。
6. 交付前对抗性审查：内置「怀疑性审查者」视角，主动识别虚假完成、未经测试的结论、算术错误和未验证假设。

安装配置

安装步骤

npx skillstore add jadeyingwah/gpt-series-reasoning-style

安装后 Skill 会以 prompt 形式注入 AI 编码助手的上下文，无需额外配置 API Key 或外部服务。

配置要点

• 适用工具：Claude、Codex、Claude Code
• 风险等级：safe（已通过 Skillstore 安全审计，65 项静态告警均为误报）
• 安装方式：支持 Agent 自动安装与手动安装两种模式
• 前置要求：无特殊依赖，纯提示词驱动

使用步骤

第一步：规划验证计划

在任务开始前，使用提示词模板定义「交付证据」：

> Plan this task in clear stages. State the expected deliverable and the evidence required before calling it complete.

这一步强制要求列出：最终交付物是什么、验证标准是什么、需要哪些证据（命令输出、文件内容、计算结果）。

第二步：执行并记录中间产物

AI 执行任务过程中，会被引导保留关键中间产物（命令执行结果、文件 diff、测试输出），作为后续审查的证据。

第三步：独立审查验证

任务完成后，使用「交付前检查」模板启动审查流程：

> Review the completed work against the request. Identify missing checks, run or propose verification steps, and separate verified facts from assumptions.

审查者 Agent 会主动运行验证命令、检查文件内容、识别未覆盖场景。

第四步：对抗性接受审查（可选）

对关键成果执行高强度审查：

> Audit this delivery as a skeptical reviewer. Look for false completion, untested claims, arithmetic errors, and unverified assumptions. Report findings with concrete evidence and remaining actions.

这一步骤专门针对 AI「假装完成」的问题，要求提供具体证据而非模糊描述。

适用场景

1. 代码变更交付审查：AI 完成功能开发后，用工作流检查改动的文件、运行的测试、报告的风险，确保交付内容与需求一致。
2. 多 Agent 并行协作：指挥官 Agent 向执行者分配任务，审查者 Agent 验证每个阶段的产出，防止多个 AI 同时跑偏。
3. 数值计算与报告验证：财务分析、数据报表、科学计算等场景，用独立验证步骤确认 AI 得出的数字正确无误。
4. 关键系统变更上线前：数据库迁移、基础设施配置、安全策略修改等高风险操作，用结构化审查降低错误率。

适用人群

• 使用 AI 编码助手的开发者：在接收 AI 生成的代码前进行结构化验证，减少上线后才发现问题的风险。
• AI 团队项目经理：为多个 AI Agent 的协作提供清晰的交接规则和验收标准。
• 需要对 AI 输出负责的工程师：用证据链记录验证过程，形成可追溯的交付文档。
• 科研与数据分析人员：确保 AI 生成的计算结果和结论经过独立验证，而非自我确认。

工作原理

该技能通过注入结构化提示词工作，不依赖外部工具或 API 调用。其核心逻辑：

1. 规划阶段：强制要求定义「可验证的交付标准」而非「模糊目标」。
2. 执行阶段：提示 AI 保留命令输出、文件内容等可查证据。
3. 审查阶段：引入独立的「审查者」视角，主动寻找漏洞而非确认正确。
4. 反模式识别：内置规则禁止自我确认式验证（如「AI 说自己测试了就算测了」）。

官方链接

• 技能主页：https://skillstore.io/skills/jadeyingwah-gpt-series-reasoning-style
• 安装命令：npx skillstore add jadeyingwah/gpt-series-reasoning-style
• 作者：jadeyingwah | 协议：MIT
• 适用工具：Claude、Codex、Claude Code