给AI装上工程纪律检查清单：这套Skill让Coding Agent不再”盲目冲锋”
你有没有这种感觉——AI 编程工具越来越强大，但用它干活反而更累？
代码倒是写得飞快，就是……边界情况没考虑周全，diff 动不动改了几百行，review 时发现它”顺手”重构了完全不在需求范围内的文件。你让它修个 bug，它把整个模块重写了。
这不是能力问题，是纪律问题。
AI Coding Agent 的普遍困境：太快、太自信、太不善于”停下来想一下”。
这套 Skill 出场
GitHub 上有个仓库叫 fable-discipline-skills，作者从 Fable 5（一个工程决策方法论）里提炼出 14 个思维纪律，做成了 SKILL.md 格式的 Skill 包，专门给 Claude Code 这类 AI 编程工具装上”工程判断力”。
核心逻辑很简单：在 AI 执行前强制它过一遍工程师的决策框架，而不是上来就开干。
几个很实用的 Skill 速览
premortem-plan-check（计划预演）
让你在敲代码之前，先假设”这个方案已经失败了”，然后倒推：最可能哪里出问题？
触发条件也很宽泛——只要你说”给我个计划””我们怎么 rollout””propose 一个方案”，它就会自动跳出这套思维流程。
reversibility-check（不可逆操作审查）
每次要执行有破坏性的操作前——删文件、批量改数据、发邮件给全公司、发布上线——强制分类这是一道”单向门”还是”双向门”。单向门找可逆替代方案，双向门才动手。
stop-and-reassess（停止并诊断）
同一个问题尝试两次都失败了？强制停下来诊断，而不是直接第三次冲锋。听起来是常识，但 AI agent 恰恰最缺这个——它会不断 retry，直到 token 耗尽。
assumption-audit（假设审查）
每次给出结论之前，把”支撑结论的假设”逐条列出来，标注哪个有证据支撑、哪个没有，再用最弱的假设去做压力测试。
calibrated-claims（校准声明）
不是简单地说”这个方案可行”，而是把置信度挂上去：”我有 80% 把握这个方案可行，依据是……，主要风险是……”——说白了，就是逼 AI 不说废话、不乱打包票。
为什么这套 Skill 值得装
AI 编程工具的能力边界这两年被讨论得很多，但决策质量这事儿一直没被认真对待。
这套 Skill 的价值不在于给 AI 添加什么新功能，而是给它装上一套”工程纪律检查清单”。就像老工程师会在脑子里自动过一遍”这改动会影响谁？有没有回滚方案？最坏情况是什么？”——现在 AI 也能做到了。
适合两类人：
- 用 Claude Code 做生产级项目的开发者：装上这套 Skill，review 成本会明显下降
- 团队管理者：可以把它作为 AI 辅助开发的质量门禁，要求所有 AI 生成的计划先过这套检查
GitHub 链接：https://github.com/kalshamsi/fable-discipline-skills
GitHub: https://github.com/kalshamsi/fable-discipline-skills
评论区
登录后可评论。