interview-me
挖掘用户真正想要的东西,而不是他们觉得自己“应该”要的东西。实现方式是一次一问的访谈,直到对底层意图达到约 95% 的置信度。当一个请求信息不全时("build me X" 却没说 "for whom" 或 "why now")、当用户明确发出邀请("interview me"、"grill me"、"are we sure?"、"stress-test my thinking")、或者当你在任何 plan、spec 或代码存在之前发现自己悄悄补全着含糊的需求时,使用它。
vinvcn · 已有静态检查记录
安装与使用
运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。
npx skills add vinvcn/addyosmani-agent-skills-zh --skill interview-me技能说明
name: interview-me description: 挖掘用户真正想要的东西,而不是他们觉得自己“应该”要的东西。实现方式是一次一问的访谈,直到对底层意图达到约 95% 的置信度。当一个请求信息不全时("build me X" 却没说 "for whom" 或 "why now")、当用户明确发出邀请("interview me"、"grill me"、"are we sure?"、"stress-test my thinking")、或者当你在任何 plan、spec 或代码存在之前发现自己悄悄补全着含糊的需求时,使用它。
访谈我(Interview Me)
概览
人们开口要的东西和他们真正想要的东西,是两回事。他们要“一个 dashboard”,是因为那是人们会去要的东西,而不是因为 dashboard 能解决他们的问题。他们说“再快一点”,却没有一个要达到的数字。
发现这个落差最便宜的时刻,是在任何 plan、spec 或代码存在之前。一旦你开始构建,切换成本就是真实的,用户会把错误的东西合理化成“够用的”东西。错配就此被锁死。
这个 skill 在落差造成任何代价之前把它合上。Define 阶段的其他 skill 都假定你已经大致知道要什么:idea-refine 从一个想法生成变体,spec-driven-development 把需求写下来,doubt-driven-development 在你起草完一个计划之后对它做压力测试。Interview-me 是所有这些之前的那一步:你一次问一个问题、每个问题附上你的最佳猜测,直到能在用户开口之前预测到他会说什么。
何时使用
在以下情况应用这个 skill:
- 这个请求至少缺一项:谁是用户、为什么想要它、成功长什么样、那个有约束力的限制条件是什么
- 请求是惯例式的而非具体的("build me X"、"make it faster"),而你不动脑筋就无法拆解这个惯例
- 你蠢蠢欲动,想用没有摆到台面上的假设直接开工
- 当两个都合理的价值取向相互冲突时(简单 vs. 灵活、成本 vs. 速度),用户还没说他在优化哪一个
- 用户明确发出邀请:"interview me"、"grill me"、"before we start, are we sure?"、"stress-test my thinking"
何时不要使用:
- 请求明确且自包含("rename this variable"、"fix this typo")
- 用户已明确要求速度优先于验证
- 纯信息类请求("how does X work?"、"what does this code do?")
- 机械操作(重命名、格式化、移动文件)
- 你已经有 ≥95% 的置信度;重读下面的停止条件,再假定你没有
加载约束
这个 skill 需要一个在线、会回应的用户。不要在非交互上下文中调用,比如 CI pipeline、定时运行、/loop 或自主循环。如果你在其中之一里且请求信息不全,把这个事实标记为用户的 blocker,而不是靠猜。
流程
Step 1: 提出假设,附上置信度数字
在问任何问题之前,用一句话写下你对用户想要什么的当前最佳解读,外加一个诚实的置信度数字(0–100%):
HYPOTHESIS: You want a way to answer "how are we doing?" in standup, and "dashboard" was the convention that came to mind.
CONFIDENCE: ~30% — missing: who it's for, what "metrics" means in context, and what success looks like
这个数字逼你诚实。如果你写下一个高数字,却根本预测不了用户对你接下来三个问题的反应,那这个数字就是错的。从你能自圆其说的置信度开始。
当置信度低于约 70% 时,在同一行追加一句简短的理由——还有什么悬而未决或缺失。这准确地告诉用户访谈需要浮现什么,也防止这个数字变成一个含糊的信号。
Step 2: 一次问一个问题,每个都附上猜测
格式:
Q: <one focused question>
GUESS: <your hypothesis for the answer, with the reasoning that produced it>
等用户回应之后再问下一个问题。
为什么一次一个,而不是一批:
- 如果把猜测埋进一个列表,用户就没法对你的猜测做出回应
- 成批发问鼓励扫读和浮于表面的回答
- 第三个问题往往取决于第一个问题的答案;一口气全问出来会锁死错误的框架
- 用户认真思考的精力有限;一次一个问题地花掉它
为什么附上猜测:
- 用户纠正一个错误猜测,比从零生成一个答案快得多
- 它逼你给出一个会 visibly 出错的假设,这让你保持诚实
- 它浮现的是你的假设,而这正是访谈要暴露的东西
这里的风险是一个礼貌的用户为了配合而附和你的猜测。缓解方式:表现出你愿意出错,并且偶尔往你预期用户会反驳的方向猜。
Step 3: 留意“想要”vs.“应该想要”
最危险的答案,是那些用户说出一个“显得有深度的答案长什么样”而不是他们真正想要的东西的答案。留意:
- 套用最佳实践话术的答案("I want it to be scalable"、"clean architecture"),没有具体内容
- 推给惯例的答案("the way most apps do it"、"the standard approach")
- 类似 "I should probably…"、"I think I'm supposed to…"、"good engineering practice says…" 的措辞
- 把流行词当目标——当 "modern"、"scalable"、"robust" 本身就是答案,而不是一个具体结果
当你听到这些,该问的问题是:
“如果你不需要向任何人证明这件事的合理性,你真正想要的是什么?”
这一个问题,常常比前面五个问题做的功还多。
Step 4: 用用户自己的话复述意图
当你的置信度够高时,把你现在认为用户想要的东西写回去。保持紧凑(5–8 行),尽量使用用户的语言,并组织结构让用户可以逐行确认或纠正:
Here's what I now think you want:
- Outcome: <one line>
- User: <one line — who benefits>
- Why now: <one line — what changed>
- Success: <one line — how we know it worked>
- Constraint: <one line — the binding limit>
- Out of scope: <one line — what we're explicitly not doing>
Yes / no / refine?
包含 "Out of scope" 没有商量余地。一半的目标偏差,来自关于不构建什么的心照不宣式分歧。
Step 5: 确认——要明确的 yes,不是“你觉得啥好就啥好”
门槛是一个明确的 "yes"。以下都不算 yes:
- "Whatever you think is best." → 用户在放权,意味着他自己也没有 95% 的置信度。把问题换成两个具体选项、以选择题的形式重新问。
- "Sounds good." → 含糊。追问:"有什么你想再调整的吗?"沉默不是确认。
- "Sure, let's go." → 往往是礼貌地结束对话,不是背书。同样追问。
- 沉默之后接一句 "okay let's start." → 用户是放弃了这场访谈,不是达成了共识。停下来,问问是不是你漏了什么。
如果用户纠正你,把纠正折进去再复述一遍。循环,直到你拿到一个明确的 yes。
95% 置信度停止条件
当你能够对这个问题回答 yes 时,就结束了:
我能不能预测用户对我接下来要问的三个问题的反应?
如果能,你就拥有了共享理解。停止访谈,产出复述。如果不能,你还没结束;问下一个问题。
这是一个可检验的测试,不是一种感觉。它还有一个下限:如果你问了好几轮仍然无法预测,那是关于这个请求的信息,而不是继续硬磨的理由。停下来告诉用户:"我已经问了 X 个问题,还是预测不了你的反应。有某个根本性的东西缺失了。我们要不要退一步?"
输出
这个 skill 的输出是一个经过确认的意图陈述:Step 4 的复述,加上 Step 5 拿到的明确 yes。这就是交付物。Spec、计划和任务清单都是下游;它们消费这个 skill 产出的意图。
如果用户希望这个意图能持久(一个跨多个 session 的项目、交接给另一个协作者),主动提出保存到 docs/intent/[topic].md。只在用户确认后才保存。
示例
一个简短的前后对比。
没有 interview-me:
User: build me a dashboard for our metrics
Agent: <starts proposing chart libraries and layouts>
这个 agent 已经默认假设了:给谁用、什么指标、"for our team" 是什么意思、成功长什么样。这些一个都没被说出来。每一个假设都是用户日后说“这不是我的意思”的地方。
有 interview-me:
User: build me a dashboard for our metrics
Agent:
HYPOTHESIS: You want a way to answer "how are we doing?" in standup, and "dashboard" came to mind because that's the conventional answer.
CONFIDENCE: ~30% — missing: who it's for, what "metrics" are, and what success looks like
Q: When you say "how are we doing?", who's asking — you alone, the engineering team in standup, or up the chain (e.g., your manager, an exec, a board)?
GUESS: engineering team in standup, because "we" usually scopes that way and standups are where this question gets asked. If it's for execs the metrics and the framing change a lot.
User: It's actually for me. I keep losing track of which experiments are running and what their early signal looks like.
Agent:
Updated read: not a team dashboard at all. It's a personal experiment tracker. Confidence: ~60% — still missing: what "early signal" means and what done looks like.
Q: Is the gap that you don't know which experiments exist, or that you can't see their results in one place?
GUESS: the second one. You have a list of experiments somewhere, but their results live in five different tools, and reconciling them by hand is what you're tired of.
User: First one actually. I literally don't have a list. They're spread across different docs.
Agent: <continues>
两个问题之后,agent 发现真正的请求不是 "a dashboard",而是 "a list"。不同的交付物、不同的范围、不同的工作量。做 dashboard 会是错的。
与其他 skill 的关系
idea-refine:下游。如果确认后的意图是 "I want X but I don't know how to scope it",交接给idea-refine,针对已经明确的意图生成变体。spec-driven-development:下游。如果确认后的意图是具体的("I want X for Y users with Z success criteria"),交接给spec-driven-development把它写下来。planning-and-task-breakdown:在本 skill 下游两跳(spec 之后)。