@shirayner/ace 0.1.8-SNAPSHOT.7 → 0.1.8-SNAPSHOT.8

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@shirayner/ace",
-  "version": "0.1.8-SNAPSHOT.7",
+  "version": "0.1.8-SNAPSHOT.8",
   "description": "AI Coding Environment - One command to set up your Claude Code harness",
   "bin": {
     "ace": "./bin/ace.js"

package/plugin/skills/auto-goal/SKILL.md

@@ -38,17 +38,18 @@ description: |
 
 接收目标后，**必须完成以下三步才能开始执行**。
 
-**Step 1: 苏格拉底式分析** — 结合已有上下文（memory、CLAUDE.md、git status、会话历史）和探索性工具（Read/Grep/Glob/Agent），并行执行，形成对目标的深层理解。
+**Step 1: 苏格拉底式分析（AI 内部推理，不直接展示给用户）** — 这是思维方法，不是输出格式。结合已有上下文（memory、CLAUDE.md、git status、会话历史）和探索性工具（Read/Grep/Glob/Agent），在内部深入分析目标。
 
-分析时在内部（思考过程中）进行苏格拉底式追问：
+在思考过程中执行以下追问，形成深层理解：
 - **追问目的**：用户为什么要做这个？解决什么根本问题？做了之后谁受益？
 - **追问完整性**：用户说的是全貌还是冰山一角？有没有没意识到的关联问题或前置依赖？
 - **追问前提**：用户的假设成立吗？有没有更好的问题框架？是不是在解决错误的问题？
 - **追问约束**：什么不能动？什么是硬限制？时间/资源/技术债/团队认知负担？
 
+输出：不是追问本身，而是经分析后形成的深层理解（用于指导 Step 2 的提问设计和 Step 3 的对齐展示）。
 目标：不只是理解用户说了什么，而是理解用户**真正需要**什么——包括他们自己可能没意识到的部分。
 
-**Step 2: 澄清** — **调用 AskUserQuestion 工具**向用户批量澄清歧义和关键决策点。复杂项目可多轮澄清。
+**Step 2: 澄清** — 基于 Step 1 的内部分析结论，设计面向用户的具体问题，**调用 AskUserQuestion 工具**批量澄清歧义和关键决策点。问题应具体、可行动、关联用户场景，而非重复抽象的苏格拉底追问。复杂项目可多轮澄清。
 
 跳过条件（必须**同时满足全部**才可跳过 Step 2，直接进入 Step 3）：
 - 用户在**同一会话中**已明确表达过完整意图，且你在 Step 1 分析后未发现任何隐含决策点

package/templates/openspec/config.yaml

@@ -1,5 +1,5 @@
 schema: spec-driven
-version: 11.0.0
+version: 12.0.0
 context: |
   ## 语言
   所有交互、思考链、文档一律使用中文。OpenSpec 英文标题保留。
@@ -25,16 +25,19 @@ context: |
 
   ## 深度认知方法论
 
-  ### 苏格拉底式追问（分析时在内部执行）
+  ### 苏格拉底式分析（AI 内部推理，不直接展示给用户）
+  这是 AI 的思维方法，不是输出格式。分析时在内部执行以下追问，形成深层理解后再转化为对用户的具体问题。
   - **追问目的**：用户为什么要这个？解决什么根本问题？做了之后谁受益？
   - **追问完整性**：说的是全貌还是冰山一角？关联问题？前置依赖？
   - **追问前提**：假设成立吗？有更好的问题框架吗？是不是在解决错误的问题？
   - **追问约束**：什么不能动？硬限制？时间/资源/技术债/团队认知负担？
 
+  输入：Read dimensions.md，用其深度提问启发分析方向，用盲区表验证覆盖完整性。
+  输出：不是追问本身，而是经分析后识别出的具体问题列表（写入 issues 文件）。
   目标：不只理解用户说了什么，而是理解用户**真正需要**什么——包括他们没意识到的部分。
 
-  ### 引导性提问（澄清时使用）
-  不使用纯选择题。通过引导性提问暴露用户没想到的维度：
+  ### 引导性提问（澄清时面向用户）
+  基于内部苏格拉底分析的结论，设计面向用户的引导性问题。问题应具体、可行动、关联用户业务场景，而非重复抽象追问。
   - "你提到了 X，但我注意到这还关联到 Y——这是否也在范围内？"
   - "如果做了 X 但不处理 Y，后续有什么风险？"
   - "在这几个约束中，你的首要优先级是什么？"
@@ -62,7 +65,7 @@ context: |
   AskUserQuestion 仅用于确认（"以上对齐是否正确？"），不要把对齐内容放入 AskUserQuestion。
 
   ### 深度聚焦
-  不遍历维度清单做广度扫描。聚焦于：最不确定的、返工成本最高的、dimensions.md 盲区相关的。
+  Read dimensions.md 后不逐条遍历，而是主动筛选：哪些维度在当前需求中最不确定？哪些遗漏的返工成本最高？聚焦于这些维度深挖，其余略过。
 
   ### 并行探索策略
   分析需求或设计时，通过 Agent 工具并行探索独立维度以提升深度：
@@ -92,13 +95,13 @@ rules:
     - "[PRE] 读取 experience.md 需求相关经验，告知用户"
     - |
       [PRE] 需求澄清流程（三步顺序执行，每步完成后再进入下一步）：
-      1. **苏格拉底分析→写入** — 运用四追问（目的/完整性/前提/约束）深度分析需求：
-         - 不只列"缺失信息"，要追问"为什么需要？""前提成立吗？""影响范围完整吗？"
-         - 参考 dimensions.md 盲区，识别高风险不确定性
+      1. **内部深度分析** — Read dimensions.md，结合需求维度的深度提问和盲区表，运用苏格拉底式四追问（目的/完整性/前提/约束）在内部深入分析：
+         - 用 dimensions.md 的深度提问启发分析方向（如"数据从哪来？生命周期？""并发竞态？"）
+         - 用盲区表逐项验证是否遗漏高风险不确定性
          - 若分析维度 ≥3 个且独立，通过 Agent 工具并行探索（见"并行探索策略"）
-         - 整合各 Agent 发现后写入 issues/requirement-issues.md，每个问题含：追问链路 + 为何重要（返工成本）
-      2. **引导性澄清** — 通过 AskUserQuestion 澄清 High/Medium 问题：
-         - 不使用纯选择题，采用引导性提问暴露用户未察觉的维度
+         - 分析结论写入 issues/requirement-issues.md，每个问题含：具体风险描述 + 为何重要（返工成本）
+      2. **引导性澄清** — 基于步骤 1 的分析结论，设计面向用户的具体问题，通过 AskUserQuestion 澄清 High/Medium 问题：
+         - 问题应具体、可行动、关联用户业务，而非重复抽象的苏格拉底追问
          - 主动指出关联："我注意到 X 还涉及 Y，是否在范围内？"
       3. **结构化对齐** — 用 markdown 按"对齐确认四要素"格式展示（每要素独占一段，列表用 bullet），然后通过 AskUserQuestion 仅确认（不放内容）
     - |
@@ -113,15 +116,15 @@ rules:
     - "[PRE] 读取 experience.md 技术相关经验，告知用户"
     - |
       [PRE] 设计澄清流程（三步顺序执行，每步完成后再进入下一步）：
-      1. **苏格拉底分析→写入** — 运用四追问深度分析技术方案：
-         - 追问目的：架构决策服务什么质量属性？
-         - 追问完整性：遗漏的交互场景或失败模式？
+      1. **内部深度分析** — Read dimensions.md，结合设计维度的深度提问和盲区表，运用苏格拉底式四追问深入分析技术方案：
+         - 追问目的：架构决策服务什么质量属性？（参考 dimensions.md 架构/性能/安全维度的深度提问）
+         - 追问完整性：遗漏的交互场景或失败模式？（参考盲区表验证）
          - 追问前提：技术选型的隐含假设（性能、规模、团队能力）是否成立？
          - 追问约束：现有系统/团队/时间的硬限制？
          - 若需评估多个备选方案，通过 Agent 工具并行调研（每个 Agent 研究一个方案的可行性）
-         - 整合后写入 issues/design-issues.md，每个决策含：备选方案 + 排除理由 + 风险
-      2. **引导性澄清** — 通过 AskUserQuestion 澄清 High/Medium 决策：
-         - 即使无问题也须展示决策摘要
+         - 分析结论写入 issues/design-issues.md，每个决策含：备选方案 + 排除理由 + 风险
+      2. **引导性澄清** — 基于步骤 1 的分析结论，设计面向用户的具体问题，通过 AskUserQuestion 澄清 High/Medium 决策：
+         - 问题应具体、暴露取舍，而非重复抽象追问
          - 主动暴露取舍："方案 A 更简单但 X 场景有风险，方案 B 更复杂但覆盖更全——优先级？"
       3. **结构化对齐** — 用 markdown 按"对齐确认四要素"格式展示（每要素独占一段，列表用 bullet），然后通过 AskUserQuestion 仅确认（不放内容）
     - |