Finding-Unknowns Skills：让 AI Coding 主动找到”盲区”的 11 个安装式技能包

Finding-Unknowns Skills：让 AI Coding 主动找到”盲区”的 11 个安装式技能包

你的 Prompt 是一张地图，代码库和真实需求是领土——地图和领土之间的缝隙，就是你不知道的”未知未知”（unknown unknowns）。在强模型时代，工作的质量取决于你多早把这个缝隙补上。Finding-Unknowns Skills 就是把这一套方法论变成 11 个可安装 Skill，让 Claude Code、OpenAI Codex、Hermes、Kimi K3 等 Agent 在编码过程中主动帮你找到盲区——在实现之前，而不是在 bug 之后。

功能与原则

Finding-Unknowns Skills 包含 11 个独立安装的 Skill，分两类：

任务级（8个）：在单个任务的生命周期中运作——

• blindspot-pass：在不熟悉的领域找出你根本没考虑过的问题
• brainstorm-prototypes：生成可反应的原型，帮你发现无法用语言描述的设计偏好
• interview-me：一次只问一个问题，优先暴露架构层面的模糊点
• reference-hunt：用真实可运行的源码作为规格说明
• implementation-plan：先计划最可能被改动的决策
• implementation-notes：记录每个与计划的偏差，供下次学习
• pitch-packager：把规格+原型+笔记打包成汇报文档
• change-quiz：合入前必须通过的盲区理解测验

上下文级（3个）：作用于 Agent 每次任务都继承的上下文层——

• context-audit：找出 CLAUDE.md 和 Skill 中的矛盾、重复和失效规则并删除
• agent-interface-design：设计 Agent 不会用错的工具（免去写文档的负担）
• progressive-disclosure：把过长的 Skill 或规格拆成入口文件+按需加载

核心原则：Unknown unknowns 的代价随时间指数级增长，这些 Skill 是在实现之前把它们从”未知”移到”已知”的最便宜手段。

认可度

GitHub：298 star、25 forks（截至 2026-08-04）；v1.3.0 于 2026-07-28 发布（最新版本支持 Codex plugin 和 Hermes 安装）。GitHub 搜索”claude agent skill created:>2026-07-01″结果中排名靠前的新兴 Skill 仓库，Topics 覆盖 claude-code、codex、cursor、hermes-agent、kimi-k3 等主流 Agent 平台。推特上 Thariq Shihipar（Anthropic/Claude Code 团队成员）的”Finding Your Unknowns”方法论已形成一定社区讨论热度。

链接

GitHub：https://github.com/Neeeophytee/finding-unknowns-skills

原作者

Neeeophytee（GitHub 用户），同时维护 awesome-ai-workflows（AI 工作流 CI 验证列表）和 FlowStacks（每个配方带机器验证标签的 AI 工具站）。项目方法论来源：Thariq Shihipar（Anthropic，Claude Code 团队）的两篇公开文章——A Field Guide to Fable: Finding Your Unknowns 和 The new rules of context engineering for Claude 5 generation models。

介绍

传统 AI Coding 的痛点是：模型很强，但人不知道自己的盲区在哪里——直到代码写完、测试失败才发现。Finding-Unknowns Skills 把这个”盲区发现”过程系统化，把 Thariq Shihipar 在 Anthropic 内部实践的方法论封装成 11 个可安装 Skill，覆盖从任务开始前的头脑风暴、到代码实现中的笔记记录、再到合入前的理解测验的完整流程。

这套 Skill 另一个设计亮点是”上下文层”——不只是单任务的盲区，还有 Agent 每次都继承的上下文本身的问题。Anthropic 曾在 Claude Code 里删除了 80% 的 system prompt，测试后没有任何可测量的质量损失——这说明大多数 Agent 的上下文指令是冗余甚至有害的。context-audit 正是用来发现和清理这些”死规则”的工具。

安装方式高度标准化：一条 npx skills add Neeeophytee/finding-unknowns-skills 自动识别 Claude Code、Cursor、Codex、Copilot 等并安装到正确位置；也支持 Claude Code plugin、Codex plugin、Hermes 外部 Skill 目录等多种方式。

特点

• 覆盖编码全周期：8 个任务级 Skill 覆盖事前→事中→事后，3 个上下文级 Skill 优化 Agent 的系统层输入
• 跨 Agent 兼容：Claude Code、OpenAI Codex、Hermes Agent、Kimi K3、Cursor 均支持，Skill 格式统一为 agentskills.io 的 SKILL.md
• 社区提炼、注明来源：Skill 文本 MIT 许可，方法论归属 Thariq Shihipar，完整推理链在原始文章中
• 极低侵入性：支持渐进式引入——可以只装 1 个 Skill，也可以装全部 11 个；progressive-disclosure 在 Claude Code 里甚至支持 disable-model-invocation，完全不占上下文窗口
• 主动式 vs 被动式：Guidance 版（guidance/finding-unknowns.md）可以作为 CLAUDE.md/AGENTS.md 直接读取，不需要主动调用命令

使用方法

推荐安装（自动识别 Agent）：

npx skills add Neeeophytee/finding-unknowns-skills
# 加 --list 可先预览 11 个 Skill

Claude Code 插件模式：

/plugin marketplace add Neeeophytee/finding-unknowns-skills
/plugin install finding-unknowns@finding-unknowns-skills

手动单 Skill 安装：

把 skills/<name>/ 文件夹复制到项目 .claude/skills/ 或全局 ~/.claude/skills/。

被动引导版（不用命令，直接读入上下文）：

把 guidance/finding-unknowns.md 复制为项目根目录的 CLAUDE.md（Claude Code）或 AGENTS.md（Codex 等）。

使用场景与人群

• 场景：任何使用 AI Coding 工具（Claude Code/Codex/Cursor/Kimi K3）的开发任务；特别适合需求模糊、架构不确定、团队多人协作的大型项目
• 目标用户：开发者、Tech Lead、想提升 AI Coding 质量的工程师；也适合研究 AI Agent 上下文管理的研究者
• 不适合：纯执行类、需求已极度清晰的小任务（用这些 Skill 的开销反而大于收益）

输入与输出案例

输入（用户）： “这个功能我不知道怎么设计，给我找个参考”

→ Agent 调用 reference-hunt：在代码库里搜索做类似功能的实现，用真实可运行的代码作为规格说明，直接呈现给用户

输入（用户）： “帮我跑一下 context-audit，检查我的 CLAUDE.md 有没有问题”

→ Agent 调用 context-audit：分析 CLAUDE.md 中的矛盾、重复和无效规则，逐条给出删除或修改建议

输入（用户）： “实现这个功能之前，我想确认一下我们有没有遗漏什么盲区”

→ Agent 调用 blindspot-pass：在不熟悉的领域主动暴露”你可能没考虑到的问题”，并给出更好提问的建议

GitHub：https://github.com/Neeeophytee/finding-unknowns-skills

298 star、25 forks，截至 2026-08-04，v1.3.0（2026-07-28）。

GitHub: https://github.com/Neeeophytee/finding-unknowns-skills