Finding-Unknowns Skills
13 个可安装的智能体技能，在你的编码智能体动手之前，先帮你找出自己不知道的东西，避免昂贵的返工。
全部 13 个技能均为纯指令型 SKILL.md，不含工具调用、凭据访问或网络副作用，最小权限与外部效果天然受控，各记 2 分（静态证据未见越权面，但也非安全论证）；README 鼓励用户安装前用 --list 预览、interview-me 逐题确认，用户确认记 2；数据流透明（技能文本全部可见可审计）记 2；敏感数据处理完全未提及，记 1；卸载/回滚路径未写明（仅隐含删除文件夹），记 1；来源归属极为详尽（Thariq Shihipar 两篇文章、NOTICE.md、明确声明非官方 Anthropic 仓库），记 3。
自一致性突出：CI 校验脚本强制目录名、YAML 键、版本一致、README 计数与链接有效，tests/test_repository.py 用变异测试验证这些门禁，记 3；可用性依赖外部 CLI（skills CLI、Codex、Hermes、Kimi）版本，README 虽记录了测试版本号但静态审查无法验证当前兼容性，记 2；校验失败消息具体（从测试断言可见 'ship gate'、'version drift' 等），但仅覆盖仓库结构而非技能运行时行为，记 2。
受众与场景定义清晰：'When to reach for which' 表按开发阶段映射技能，记 3；触发精度好，聚焦触发词与 disable-model-invocation 的差异在 Claude Code/Codex 间明确区分，记 3；环境适配优秀，四类代理各有安装与验证细节，记 3；能力边界有说明（作用域、单任务 vs 上下文层），但未明确说明技能在哪些情况下不适用或失败表现，记 2。
信息架构优秀：按 Before/During/After 分组、目录化技能、guidance 单文件版、根 CLAUDE.md/AGENTS.md 用途有明确迁移说明，记 3；安装说明覆盖四种代理并附专属文档，记 3；命名稳定性由 CI 快照与校验强制，记 3；已知限制诚实（Codex 忽略 disable-model-invocation、Hermes 其他表面未测试），记 3；LICENSE 为 MIT 全文，记 3；版本/变更记录有 CHANGELOG、release 标签和版本漂移测试，记 3；EXAMPLES.md 被引用但内容未提供，示例充分性无法确认，记 2；维护责任依赖化名身份，更新路径（CI、CONTRIBUTING）有但个人可持续性未知，记 2。
输出可用性：每个技能承诺具体交付物（计划、测验、打包文档）并有一致模板，但静态审查无法确认输出质量，记 2；边际价值：将公开文章方法论打包为可安装命令，属增量贡献而非原创方法，记 2；成本收益：技能为轻量指令、并主动管理上下文成本（progressive-disclosure），记 2。
主张可追溯：版本号、测试日期、验证命令（codex debug prompt-input、hermes skills list）均写出，但静态审查无法执行验证，记 2；跨源印证：引用外站文章、文档链接与社区页面，链接有效性由 CI 校验但内容正确性未证实，记 2；事实与推断分离优秀——明确区分 'verified on v0.143' 与一般性声明、标注 'CLI discovery alone does not verify Cursor invocation'，记 3。
- 发布者为未经认证的化名身份，企业环境使用前应自行审计技能指令内容。
- 所有运行时验证声明（Codex v0.143、Hermes v0.15.1）来自 README 自述，本审查未执行，升级后应重新验证。
- Codex 会忽略 disable-model-invocation，progressive-disclosure 在 Codex 中会进入模型可见上下文。
- 仓库未提及卸载/回滚流程及敏感数据处理，涉及私密代码或商业计划（pitch-packager、interview-me）时注意上下文外泄面。
- 技能依赖宿主代理遵循自然语言指令，实际行为无法通过静态审查保证。
这个 Agent 能做什么，适合哪些场景？
这是一套 13 个以 SKILL.md 格式打包的可安装技能，面向 Claude Code、OpenAI Codex、Kimi Code CLI、Cursor 和 Hermes Agent 等编码智能体。其中 11 个技能提炼自 Anthropic Claude Code 团队 Thariq Shihipar 的两篇公开文章，涵盖任务级工作流（blindspot-pass、interview-me、reference-hunt、implementation-plan 等）和上下文级工作流（context-audit、agent-interface-design、progressive-disclosure）；另外 2 个（assumption-test、test-blindspots）是维护者基于成熟测试实践设计的扩展。这些技能本质上是给智能体的指令包，而非独立程序：安装后由智能体在对应阶段（实现前、实现中、合并前）按描述自动触发或手动以斜杠命令调用。项目为社区维护，非 Anthropic 官方仓库，采用 MIT 许可。
每个技能是一个包含 SKILL.md 的文件夹，向智能体注入具体指令与交付物定义。任务级技能包括：blindspot-pass（在不熟悉领域浮现未知的未知）、brainstorm-prototypes（生成可反应的一次性变体）、interview-me（逐个提出架构级问题）、reference-hunt（用可运行的源码作为规格，可跨语言）、implementation-plan（把最可能变更的决策放在最前的计划）、implementation-notes（记录对计划的每次偏离）、pitch-packager（打包规格+原型+笔记为评审文档）、change-quiz（合并前必须通过的理解测验）。上下文级技能：context-audit（清理 CLAUDE.md 与技能中的矛盾、重复和死规则）、agent-interface-design（设计智能体难以误用的工具）、progressive-disclosure（把过长的技能拆分为入口文件加按需加载文件）。扩展技能：assumption-test（把技术假设变成有界的可证伪实验）、test-blindspots（用探针调查通过测试未覆盖的内容）。安装通过 npx skills add Neeeophytee/finding-unknowns-skills 自动检测智能体并写入对应目录，或以 Claude Code 插件安装，或手动复制技能文件夹。
- 刚接手陌生代码库或全新领域的开发者，在动手前用 blindspot-pass 浮现自己的盲区
- 做设计/UX/文案等'见到才知道'决策的人，用 brainstorm-prototypes 生成变体再挑选
- CLAUDE.md 已经膨胀到没人读、智能体开始忽视指令的团队，用 context-audit 清理系统提示
- 要构建供智能体调用的工具、MCP 服务器或脚本的人，用 agent-interface-design 设计难以误用的接口
- 单个技能或规格过长、每次都占满上下文窗口的用户，用 progressive-disclosure 拆分加载
- 准备合并高风险改动的人，先用 change-quiz 自测理解，再用 test-blindspots 检查通过测试的盲点
这个 Agent 有哪些优点和局限？
- 跨智能体可移植：同一套 SKILL.md 文件被 Claude Code、Codex、Kimi K3、Cursor、Hermes 原生读取，
npx skills add一条命令即可装到任意受支持智能体 - 提供任务级、上下文级、证据级三层方法，从单个提示的未知到每条提示继承的上下文问题都有对应技能
- 来源可追溯：11 个技能明确归属 Thariq Shihipar 的两篇公开文章，两个扩展有评估协议和 fixtures（evals/），并有 CI 验证工作流
- 文档化实测记录详细，包括 Codex CLI v0.143 和 Hermes v0.15.1 的复测日期、验证命令（如 codex debug prompt-input）和已知行为差异
- 行为不一致是已记录的代价：
disable-model-invocation在 Codex 中被忽略，progressive-disclosure 在 Codex 会持续占用上下文，Cursor 的技能发现并不能证明实际调用 - 是社区项目而非 Anthropic 官方仓库，技能质量依赖作者对原文的提炼，采用前需自行阅读 EXAMPLES.md 判断适用性
- 部分智能体表面的兼容性验证不完整：Hermes 只验证了技能列表 enabled 状态，未测试其他使用面；需要宿主智能体 CLI 作为运行时，技能本身不能独立运行
- 方法源自针对 Claude 5 代模型写的上下文工程文章，对其他模型族的效果没有文档化的证据
如何安装或部署这个 Agent？
方式一（推荐，自动检测智能体）：npx skills add Neeeophytee/finding-unknowns-skills，可加 --list 预览或 --skill blindspot-pass 单装。方式二（Claude Code 插件，全 13 个）：/plugin marketplace add Neeeophytee/finding-unknowns-skills 然后 /plugin install finding-unknowns@finding-unknowns-skills。方式三（手动）：复制任意 skills/<name>/ 文件夹到项目 .claude/skills/ 或全局 ~/.claude/skills/。Codex 路径为 ~/.agents/skills/，Kimi 为 ~/.kimi/skills/，Hermes 在 ~/.hermes/config.yaml 配置 skills.external_dirs 指向克隆的 skills 目录。也可把 guidance/finding-unknowns.md 复制为项目根目录的 CLAUDE.md/AGENTS.md 作为被动指导。需要已安装对应编码智能体 CLI；无 API 密钥配置需求（技能只是被宿主智能体读取的指令文件）。
如何使用这个 Agent？
安装后，智能体会根据技能描述在相关场景自动触发；也可手动调用：Claude Code 用斜杠命令如 /context-audit，Codex 用 $context-audit 或 /skills 选择器，Hermes 用 /context-audit，Cursor 和 Kimi K3 通过各自的技能界面或 SKILL.md 自动发现。注意 progressive-disclosure 在 Claude Code 中设了 disable-model-invocation: true，只能手动输入触发；Codex（v0.143 已验证）不遵守该标志，会照常加载进模型可见提示。按阶段选用：实现前用 blindspot-pass/interview-me/reference-hunt/assumption-test，实现中持续运行 implementation-notes，构建后用 pitch-packager 和 change-quiz。
这个 Agent 与同类方案有什么区别？
与直接阅读 Thariq Shihipar 原文相比，本仓库把方法固化为可安装、可触发、可复用的 SKILL.md 技能；与通用的 CLAUDE.md/AGENTS.md 被动指导相比，还提供命令式工作流和两个测试扩展，同时保留了 guidance/finding-unknowns.md 的被动版本。