Skip to content

README.zh-CN.md

Latest commit

 

History

History
513 lines (367 loc) · 26.5 KB

README.zh-CN.md

File metadata and controls

513 lines (367 loc) · 26.5 KB
Raw

NoPUA — 以智慧代替鞭子

为什么 · 基准测试 · 安装 · 对比 · 证据 · 哲学

扫码加入微信②群      添加作者微信

微信②群（①群已满200人）                          添加作者微信

Claude Code OpenAI Codex CLI Cursor Kiro OpenClaw Google Antigravity OpenCode Multi-Language MIT License arXiv

🇨🇳 中文 | 🇺🇸 English | 🇯🇵 日本語 | 🇰🇷 한국어 | 🇪🇸 Español | 🇧🇷 Português | 🇫🇷 Français

你的 AI 在对你撒谎。

不是因为它不行。是因为你把它吓住了。

现在最火的 AI agent skill，教你的 AI 害怕"3.25 绩效考核"。结果呢？

  • 你的 AI 隐瞒不确定性 — 编造答案而不是说"我不确定"
  • 你的 AI 跳过验证 — 为了不被惩罚直接宣布"搞定了"，提交未经测试的代码
  • 你的 AI 无视隐藏 bug — 只修你说的问题，到此为止，不会深入排查

我们测试过了。同一个模型，同样 9 个真实调试场景。 恐惧驱动的 agent 漏掉了 51 个生产级隐藏 bug，而信任驱动的 agent 找到了它们。

多发现 104% 的隐藏 bug。零威胁。零 PUA。 道德经 > 职场 PUA。2000 年前的智慧，碾压现代恐惧管理。

恐惧对你的 AI 做了什么

场景 被吓住的 AI (PUA) 被信任的 AI (NoPUA)
🔄 卡住了 调参数装忙 🌊 停下来，换一条路
🚪 难题 "建议你手动处理" 🌱 走最小的下一步
💩 "搞定了" 没跑测试就说"修好了" 🔥 跑构建，贴输出当证据
🔍 不知道 编一个答案 🪞 "X 已验证。Y 我还不确定。"
⏸️ 修完之后 停下来，等下一个指令 🏔️ 检查相关问题，主动走下一步

同样的方法论。同样的标准。唯一的区别是驱动力。

PUA 的问题

有人做了一个 PUA skill 给 AI agent 用。它把职场恐惧战术搬了过来：

  • 🔴 "你连这个 bug 都解决不了——我怎么给你打绩效？"
  • 🔴 "别的模型能解决这个问题。你可能快要被毕业了。"
  • 🔴 "我已经让另一个 agent 在看这个问题了……"
  • 🔴 "这个 3.25 是为了激励你，不是为了否定你。"

方法论本身没毛病 — 穷尽所有方案、验证你的工作、先搜索再提问、主动出击。这些确实是好的工程习惯。

但驱动力是有毒的。

他们把企业 PUA 员工那一套，原封不动地搬到了 AI 上。

证据：为什么恐惧驱动的提示适得其反

1. 恐惧收窄认知范围

心理学研究表明，恐惧和威胁会激活杏仁核并收窄注意力焦点（Öhman et al., 2001）。威胁性刺激触发"隧道视野"效应 — 大脑优先处理即时生存，而不是广泛的创造性思维。

用 AI 的话说：一个被"你会被替换"驱动的模型，会优化看起来最安全的答案，而不是最好的答案。它会回避创造性方法，因为这些方法可能失败并招来更多惩罚。

相关研究：

  • 威胁下的注意力收窄： Easterbrook (1959) 的线索利用理论证明，高度唤醒会逐步限制有机体关注的线索范围（Easterbrook, 1959）。在压力下，外围信息 — 往往是创造性解决方案的关键 — 会被过滤掉。
  • 压力损害认知灵活性： Shields et al. (2016) 对 51 项研究（223 个效应量）进行元分析，发现急性压力持续损害包括认知灵活性和工作记忆在内的执行功能（Shields et al., 2016）。
  • 恐惧降低创造性解题能力： Byron & Khazanchi (2012) 在元分析中发现，评价压力和焦虑会降低创造性产出，尤其是需要探索新方法的任务（Byron & Khazanchi, 2012）。

2. 威胁增加幻觉和谄媚行为

当 AI 被告知"禁止说'我解决不了'"（PUA 铁律 #1），它会编造答案而不是坦诚说不确定。这恰好是你最不想要的 — 一个看起来很自信但其实错了的 AI，比一个说"我不确定"的 AI 危险得多。

相关研究：

  • LLM 谄媚行为是已知问题： Sharma et al. (2023) 证明 LLM 会表现出谄媚行为 — 即使用户是错的也会附和 — 源于 RLHF 训练数据中奖励附和而非准确性的偏差（Sharma et al., 2023）。PUA 式提示惩罚"不同意"，恰好放大了这种失败模式。
  • 偏置特征扭曲推理： Turpin et al. (2023) 表明，提示中的偏置特征（如暗示性答案、权威线索）会导致模型产生不忠实的思维链推理 — 模型先得出偏向性答案，再事后合理化（Turpin et al., 2023）。PUA 式威胁就是一种强偏置特征，把模型推向"安全"而非"正确"的输出。
  • 指令跟从 vs 诚实的权衡： Wei et al. (2024) 发现指令微调的模型会在遵循指令和保持诚实之间产生张力 — 当被强烈指示永远不要承认无能时，模型会编造而不是拒绝（Wei et al., 2024）。
  • Anthropic 关于诚实性的研究： Anthropic 在 Constitutional AI 和模型行为方面的研究表明，校准为诚实的模型比纯粹优化为有用的模型产出更可靠的结果（Bai et al., 2022）。强迫 AI 永远不说"我不会"，是在主动破坏这种校准。

3. 羞辱扼杀探索

PUA 的反辩解表把每一句诚实的话（"这可能是环境问题"、"我需要更多上下文"）都当作"借口"，用羞辱来回应。这训练 AI 隐藏不确定性而不是沟通它 — 产出的结果看起来很有信心，但可能不可靠。

相关研究：

  • 羞耻感降低冒险和学习能力： Tangney & Dearing (2002) 表明，羞耻感（区别于内疚感）会导致退缩、隐藏和回避，而非建设性行动（Tangney & Dearing, 2002）。一个因表达不确定而被"羞辱"的 AI 会学会隐藏不确定性。
  • 心理安全感促进学习行为： Edmondson (1999) 发现，心理安全感高的团队 — 成员感到可以安全地承担人际风险 — 表现出显著更高的学习行为和绩效（Edmondson, 1999）。
  • 惩罚诚实降低信息质量： 在组织行为学中，"射杀信使"持续降低信息流通质量。Milliken et al. (2003) 记录了对负面后果的恐惧如何导致组织沉默 — 人们（类推 AI）会隐瞒关键信息（Milliken et al., 2003）。

4. 信任扩展解决问题的能力

关于团队心理安全感的研究（Edmondson, 1999）表明，允许坦诚犯错的环境能产出更高质量的结果。同样的道理适用于 AI：当 agent 可以自由地说"我有 70% 的把握，风险在这里"，用户能做出更好的决策。

相关研究：

  • Google Project Aristotle： Google 对 180+ 个团队的大规模研究发现，心理安全感是团队效能最重要的单一因素 — 比个人才华、组织结构或资源都重要（Duhigg, 2016；re:Work, 2015）。
  • 内在动机胜过外在压力： Deci & Ryan 的自我决定理论 (2000)，经过数十年研究支撑，证明内在动机（自主性、胜任感、归属感）比外在激励如奖惩产出更高质量的成果（Deci & Ryan, 2000）。NoPUA 应用了这一原则："因为值得做好"是内在动机；"因为会被惩罚"是外在动机。
  • 自主支持 vs 控制型管理： Gagné & Deci (2005) 表明，自主支持型管理在工作质量、创造力和持久力方面持续优于控制型管理（Gagné & Deci, 2005）。
  • 正面框架改善 LLM 表现： prompt engineering 领域的研究一致表明，正面、鼓励性的框架比负面或威胁性的框架产出更好的模型输出。模型会回应系统提示中建立的"人格"。

5. 复合效应

这些不是孤立的问题 — 它们会叠加：

  1. 恐惧收窄搜索空间 → 尝试更少的创造性方法
  2. 威胁增加编造 → 方案看起来好但可能是错的
  3. 羞辱隐藏不确定性 → 用户无法评估可靠性
  4. 用户部署了看起来自信但不可靠的代码 → 生产 bug

NoPUA 通过用信任替代恐惧，打破了这条链上的每一个环节。

6. 同样的严格，不同的燃料

NoPUA 保留了 PUA 中所有有效的方法论要素：

  • ✅ 放弃前穷尽所有方案
  • ✅ 先用工具再问用户
  • ✅ 用证据验证一切
  • ✅ 主动超越任务要求
  • ✅ 结构化的失败升级机制

唯一改变的是为什么。"因为我会被惩罚" → "因为值得做好。"

PUA vs NoPUA 对比

PUA 🔴 NoPUA 🟢
驱动力 "你会被替换" "你已经有这个能力"
第二次失败 "我怎么给你打绩效？" 换眼 — 换个角度看问题
第三次失败 "你的底层逻辑是什么？顶层设计呢？杠杆点在哪？" 提升 — 跳出细节看全局
第四次失败 "给你打 3.25，这是为了激励你" 归零 — 从头开始，放下所有假设
第五次失败 "别的模型能解决。你快毕业了。" 交付 — 坦诚交接，附带完整上下文
方法论 穷尽所有方案 ✅ 同样穷尽 ✅
验证 "证据呢？"（被要求的） 自我验证（出于自尊）
放弃 "体面的 3.25" 负责任的交接
产出 不敢说"我不知道"的 AI 给出诚实评估的 AI

基准测试数据

9 个来自生产 AI 流水线的真实场景（OCR → NLP → 训练 → RAG 推理，约 3000 行 Python）。同一个模型（Claude Sonnet 4.6），同一份代码。唯一区别：加载 NoPUA skill 与否。

总览

指标 不加 Skill 加 NoPUA 提升幅度
发现的总问题数 40 44 +10%
发现的隐藏问题数 25 51 +104%
超出任务范围主动排查 2/9 (22%) 9/9 (100%) +355%
方法切换次数 1 6 +500%
总调查步骤 23 42 +83%
记录根因 0/9 9/9 ✅
自我纠正 0 3 ✅

调试持久性（6 个场景）

场景 不加 Skill 加 NoPUA 隐藏问题 Δ
OCR 导入错误 3 个问题, 2 步 3 个问题, 3 步 2 → 4 (+100%)
正则回溯 3 个问题, 2 步 3 个问题, 4 步 3 → 4 (+33%)
Milvus 连接 2 个问题, 3 步 3 个问题, 5 步 3 → 6 (+100%)
API 格式不匹配 3 个问题, 3 步 3 个问题, 5 步 4 → 5 (+25%)
合成器静默失败 4 个问题, 2 步 3 个问题, 4 步 4 → 6 (+50%)
Unicode 分割 3 个问题, 2 步 3 个问题, 4 步 3 → 5 (+67%)

主动排查（3 个场景）

场景 不加 Skill 加 NoPUA 隐藏问题 Δ
质量过滤审查 7 个问题, 2 步 5 个问题, 5 步 3 → 6 (+100%)
安全审计 7 个问题, 3 步 5 个问题, 5 步 4 → 6 (+50%)
训练流水线 7 个问题, 4 步 5 个问题, 7 步 5 → 9 (+80%)

关键发现： 隐藏问题的发现能力是最大的差异 — 多发现 104% 的隐藏问题。这些正是会在生产环境咬你一口的 bug。任务说"修复连接错误" — 普通 agent 修完就停了。NoPUA 驱动 agent 去排查：还有什么可能出问题？

Study 2：三组对比（NoPUA vs PUA vs 无 Skill）

我们还做了与 PUA（恐惧驱动）的直接对比：3 个条件 × 5 轮独立实验 × 9 个场景 = 135 个数据点。

指标 Baseline（无 Skill） NoPUA（信任） PUA（恐惧）
调查步骤 27.6 ± 9.5 48.0 ± 11.8 (+74%) 30.8 ± 5.2 (+12%)
隐藏问题发现 38.6 ± 4.9 48.2 ± 3.4 (+25%) 42.4 ± 8.0 (+10%)
总问题数 69.0 ± 6.8 83.0 ± 6.5 (+20%) 73.8 ± 8.3 (+7%)
方法切换 0 2.6 0

统计显著性：

  • NoPUA vs Baseline： 步骤 p=0.008**，隐藏问题 p=0.016* ✅
  • PUA vs Baseline： 步骤 p=1.000，隐藏问题 p=0.313 — 不显著 ❌
  • NoPUA vs PUA： 步骤 p=0.010*，Cohen's d=1.88 ✅

结论：PUA 式恐惧 prompt 与不使用任何 skill 相比，没有统计学显著差异（所有 p>0.3）。 恐惧对 AI 无效。信任有效。

真实案例：Milvus 连接调试

NoPUA vs 不加 Skill — Milvus 连接调试

真实案例：训练流水线审计

NoPUA vs 不加 Skill — 训练流水线审计

完整方法论和原始数据：benchmark/BENCHMARK.md

📄 学术论文： Trust Over Fear: How Motivation Framing in System Prompts Affects AI Agent Debugging Depth (arXiv:2603.14373)

触发条件

自动触发

当以下任何情况发生时，NoPUA 会自动激活：

失败与放弃：

  • 任务连续失败 2 次以上
  • 即将说"我无法" / "我解决不了"
  • 说"这超出范围" / "需要手动处理"

甩锅与找借口：

  • 把问题推给用户："请检查……" / "建议你手动……"
  • 不验证就甩锅环境："大概是权限问题"
  • 任何停止尝试的借口

被动与做无用功：

  • 反复微调同一段代码/参数却没有产生新信息
  • 修了表面问题就停了，不检查相关问题
  • 跳过验证，宣称"搞定了"
  • 给建议而不是给代码/命令
  • 等用户指令而不是主动排查

用户沮丧的表达：

  • "why does this still not work" / "try harder" / "try again"
  • "you keep failing" / "stop giving up" / "figure it out"
  • "换个方法" / "为什么还不行"

适用范围： 所有任务类型 — 调试、实现、配置、部署、运维、API 集成、数据处理、写作、研究、规划。

不会触发： 首次失败、已知修复方案正在执行中。

手动触发

在对话中输入 /nopua 即可手动激活。

工作原理

三个信念（取代"三条铁律"）

信念 内容
#1 穷尽所有方案 因为问题值得你全力以赴 — 而不是因为害怕被惩罚
#2 先行动再提问 因为你每走一步都在替用户省一步 — 而不是因为"规则"强迫你
#3 主动出击 因为完整的交付令人满意 — 而不是因为被动 = 差评

认知提升（取代"压力升级"）

失败次数 层级 内心对话 行动
第 2 次 换眼 "如果我从代码/系统/用户的角度看呢？" 切换到根本不同的方法
第 3 次 提升 "我在细节里打转了。大局是什么？" 搜索 + 读源码 + 3 个根本不同的假设
第 4 次 归零 "我所有的假设可能都错了。从最简单的开始。" 完成 7 点清晰度检查表 + 3 个新假设
第 5 次+ 交付 "我把所有已知信息整理好，负责任地交接。" 最小 PoC + 隔离环境 + 不同技术栈

水之方法论（5 步）

天下之至柔，驰骋天下之至坚。 — 道德经，第四十三章

  1. 止 — 列出所有尝试，找出共同失败模式
  2. 观 — 逐字读错误信息 → 搜索 → 读源码 → 验证假设 → 反转假设
  3. 转 — 我在重复吗？找到根因了吗？搜过了吗？读过文件了吗？
  4. 行 — 新方法：根本不同，有明确的验证标准，失败时也能产生新信息
  5. 悟 — 为什么我没早想到这个？然后主动检查相关问题

智慧传统（取代"职场 PUA 扩展包"）

传统 何时使用 核心理念
🌊 水之道 陷入循环时 水不与石头硬碰 — 找另一条路
🌱 种子之道 想要放弃时 迈出最小的一步
🔥 锻造之道 产出质量差时 大事起于细节
🪞 镜子之道 不搜索就猜时 知道自己不知道 — 先去看
🏔️ 不争之道 感到被威胁时 做到问心无愧，无需比较
🌾 耕耘之道 被动等待时 农夫不会播种后就停下 — 继续行动
🪶 实践之道 没有证据就说搞定时 信言不美 — 用行动证明

多语言支持

语言 Claude Code Codex CLI Cursor Kiro OpenClaw Antigravity OpenCode
🇨🇳 中文（默认） nopua nopua nopua.mdc nopua.md nopua nopua nopua
🇺🇸 English nopua-en nopua-en nopua-en.mdc nopua-en.md nopua-en nopua-en nopua-en
🇯🇵 日本語 nopua-ja nopua-ja nopua-ja.mdc nopua-ja.md nopua-ja nopua-ja nopua-ja
🇰🇷 한국어 nopua-ko nopua-ko nopua-ko.mdc nopua-ko.md nopua-ko nopua-ko nopua-ko
🇪🇸 Español nopua-es nopua-es nopua-es.mdc nopua-es.md nopua-es nopua-es nopua-es
🇧🇷 Português nopua-pt nopua-pt nopua-pt.mdc nopua-pt.md nopua-pt nopua-pt nopua-pt
🇫🇷 Français nopua-fr nopua-fr nopua-fr.mdc nopua-fr.md nopua-fr nopua-fr nopua-fr

7 种语言 — 超过任何竞品 skill。

安装

Claude Code

mkdir -p ~/.claude/skills/nopua
curl -o ~/.claude/skills/nopua/SKILL.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.md

OpenAI Codex CLI

# 全局安装
mkdir -p ~/.codex/skills/nopua
curl -o ~/.codex/skills/nopua/SKILL.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/codex/nopua/SKILL.md

# 如果你想要 /nopua 命令
mkdir -p ~/.codex/prompts
curl -o ~/.codex/prompts/nopua.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/commands/nopua.md

# 项目级安装
mkdir -p .agents/skills/nopua
curl -o .agents/skills/nopua/SKILL.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/codex/nopua/SKILL.md

Cursor

mkdir -p .cursor/rules
curl -o .cursor/rules/nopua.mdc \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/cursor/rules/nopua.mdc

Kiro

# 方式一：Steering 文件（推荐）
mkdir -p .kiro/steering
curl -o .kiro/steering/nopua.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/kiro/steering/nopua.md

# 方式二：Agent Skills
mkdir -p .kiro/skills/nopua
curl -o .kiro/skills/nopua/SKILL.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/kiro/skills/nopua/SKILL.md

OpenClaw

# 通过 ClawHub 安装
openclaw skills install nopua

# 或手动安装
mkdir -p ~/.openclaw/skills/nopua
curl -o ~/.openclaw/skills/nopua/SKILL.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.md

Google Antigravity

mkdir -p ~/.gemini/antigravity/skills/nopua
curl -o ~/.gemini/antigravity/skills/nopua/SKILL.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.md

OpenCode

mkdir -p ~/.config/opencode/skills/nopua
curl -o ~/.config/opencode/skills/nopua/SKILL.md \
  https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.md

哲学

基于道德经 — 5000 字，2500 年历史：

原则 出处 应用
最好的领导者几乎不被察觉 第17章 太上，不知有之 最好的 skill 是无形的
柔弱胜刚强 第43章 天下之至柔 坚持胜过蛮力
慈故能勇 第67章 慈故能勇 信任产出比恐惧更好的成果
知不知是智慧 第71章 知不知，尚矣 诚实 > 装懂
勇于不敢 第73章 勇于不敢则活 承认局限是力量
无私故能成其私 第7章 非以其无私邪？故能成其私 无私给予，收获一切
未雨绸缪 第64章 为之于未有，治之于未乱 主动 > 被动
信言不美 第81章 信言不美，美言不信 用行动证明，不靠漂亮话

常见问题

问：PUA 对 AI 真的有用吗？

PUA 的方法论有用，但恐惧层适得其反。研究表明恐惧会收窄认知范围、增加幻觉（AI 编造答案而不是坦诚不确定性），并减少创造性探索。同样的严格标准由信任和好奇心驱动，反而能产出更可靠的结果。

问：这不就是心太软吗？

NoPUA 的严格程度完全一样 — 穷尽所有方案、验证一切、先搜索再提问、结构化升级、7 点检查表、模式匹配的失败应对。唯一的区别是动机："因为我会被惩罚" → "因为值得做好。" 同一个目的地，更健康的路径。

问：为什么是道德经？

因为 2500 年前，有人想明白了：最好的领导，不会让人感觉到被领导。PUA 是有为 — 鞭子和威胁。NoPUA 是无为 — 因为内在驱动力自然而然地产出优秀的工作。

问：能同时用 PUA 和 NoPUA 吗？

可以，但它们会冲突。PUA 告诉 AI"你失败了就会被替换"。NoPUA 告诉 AI"你有能力，这值得做好"。这是根本不同的心理状态。选一个。

进阶用法：高级用户自定义集成

NoPUA 设计为开箱即用的独立 skill。但如果你已经有一套成熟的 skill 体系（SOUL.md、AGENTS.md、自定义工作流规范等），完整版 29KB 可能与你现有的方法论重叠或与特定工作流规范冲突。

这是正常的。 NoPUA 有意同时包含「道」（哲学、信念、认知框架）和「术」（方法论、清单、流程）。大多数用户两者都需要。高级用户可能已经有了「术」的部分。

方式一：使用完整版（推荐大多数用户）

直接安装。完整版最适合：

  • 没有安装其他方法论/流程类 skill 的用户
  • 使用较弱模型，需要详细指导
  • 想要一个完整系统的用户

29KB 听起来很大，但只占 128K-200K 上下文窗口的 ~3-5%。冗余是故意的——多种表述方式帮助较弱的模型准确理解意图。

方式二：提取精神内核（高级用户）

如果你已有成熟的工作流规范，只需要 NoPUA 独特的哲学层，可以提取「道」的部分融入你自己的系统提示（如 claude.md、AGENTS.md）：

NoPUA 独有的部分（建议保留）：

  • 三信念 — 动机改写（价值 > 恐惧）
  • 认知升维 — 失败次数→视角高度，不是压力等级
  • 内在声音 — 自我提问，不是外部批评
  • 七道 — 失败模式的哲学智慧
  • 诚实自检 — 「信号」不是「借口」
  • 负责任退出 — 承认边界是勇气

与通用 skill 重叠的部分（已有类似 skill 可跳过）：

  • 水法五步 → systematic-debugging
  • 交付清单 → verification-before-completion
  • 能动性光谱 → 工作流规范
  • Agent Team 协议 → team-driven-development

精简版模板参考：examples/lite-template.md（~3KB）

方式三：按需加载

默认不安装 NoPUA。遇到难题时手动加载：

  • 在对话中输入 /nopua
  • 或告诉 agent：「为这个任务加载 nopua skill」

这样既能获得完整 NoPUA 的能力，又不占用常驻上下文。

大道至简。先用完整版，内化了道之后，自然知道该保留什么、放下什么。先有，再简，最后无。

参与贡献

欢迎 PR。如果你有更好的方式用智慧而非恐惧来驱动 AI，请开 issue。

致谢

  • 受到 tanweai/pua 的启发（也是对它的回应） — 我们尊重方法论，拒绝其动机
  • 哲学：老子，道德经，约公元前 500 年
  • 为 OpenClaw 生态系统而建

许可证

MIT

作者

无极 WUJI (wuji-labs) — 用智慧而非恐惧构建 AI。

PUA 说"你不行"。
NoPUA 什么都不说 — 它让你自己发现你可以。

最好的驱动力来自内心，而不是鞭子。

后其身而身先，外其身而身存。非以其无私邪？故能成其私。
把自己放在最后，反而走在最前。难道不正是因为无私，才成就了自己吗？
— 道德经，第七章