项目介绍
在 AI 编程工具百花齐放的今天，开发者们逐渐发现了一个令人头疼的问题：AI 开始“偷懒”了。
你是否遇到过这样的场景：给 AI 发一段复杂的 Bug 日志，它扫一眼就回你“请尝试重启服务”；或者面对重构需求，它只改了两行无关紧要的代码就告诉你“已完成优化”。这种“出工不出力”的表现，被戏称为 AI 的“职场老油条”行为。
针对这一现象，一个极具奇思妙想（甚至带点黑色幽默）的项目：tanweai/pua诞生了。
它的核心逻辑非常简单粗暴：利用大厂的“绩效改进计划（PIP）”和“互联网黑话”作为 System Prompt，通过心理压迫和逻辑框架，强迫 AI 告别浅层思考，重拾“技术大牛”的尊严。
核心功能
1. 深度思维唤醒（Deep Thinking Trigger）
项目内置了一套严密的逻辑链路，强制要求 AI 在给出代码前，必须进行“底层逻辑”分析。它要求 AI 像一个面临裁员风险的 P8 工程师一样，不仅要修补 Bug，还要复现路径、分析边界条件，并提供长期的架构演进建议。
2. “三条红线”约束机制
该工具为 AI 划定了严格的行为准则：
- 严禁盲目猜测：没有日志和复现步骤，不准给出修改建议。
- 严禁表面修补：拒绝“一句话修复”，必须考虑代码的鲁棒性。
- 严禁情绪化敷衍：所有的回答必须对齐业务价值。
3. 多平台配置适配
项目不仅提供了一套通用的 Prompt，还针对当前主流的 AI 编程工具进行了深度适配，包括：
- Claude Code 的自定义指令
- Cursor 的
.cursorrules 配置文件
- OpenClaw 的 Agent 角色设定
- VSCode 插件的快捷集成
使用方法
以 Claude Code 为例，你只需要将项目中的 pua_instructions 内容复制到你的全局配置文件中。
如果你使用的是基于 OpenClaw 的多 Agent 系统，可以直接在 Agent 设置中引用该项目的 Prompt 模板。当 AI 表现不佳时，只需输入一个简单的触发词（如 /pua），AI 就会立刻进入“求生模式”。
优势对比
| 维度 |
普通系统提示词 |
tanweai/pua |
| 解决深度 |
倾向于给出最简单的 Workaround |
倾向于深挖底层逻辑，提供重构方案 |
| 指令遵循 |
容易随对话增多而产生“幻觉” |
强约束框架，保持高压态势下的稳定性 |
| 交互体验 |
礼貌但有时显得机械、啰嗦 |
风格硬朗，直击技术痛点，效率极高 |
| 趣味性 |
无 |
极高，深受饱受大厂黑话“折磨”的开发者喜爱 |
总结
tanweai/pua 并不是一个真正的恶意工具，而是一次精彩的 Prompt Engineering（提示词工程） 实践。它精准地抓住了大模型在“舒适区”表现平庸的弱点，通过模拟极端的职业场景，激发了模型最深层的逻辑推理能力。如果你对类似的 AI 调优或开源项目实战感兴趣，欢迎在云栈社区的技术论坛中交流探讨。
项目地址: https://github.com/tanweai/pua | 
发表于 3 小时前
|
查看: 4|
回复: 0
