ThoughtCodec 思维编解码

什么时候使用

当你需要把抽象想法、业务目标、工作流程、反馈经验或重复代码模式转化为可执行的 AI 工作流时，使用 ThoughtCodec。

适合场景：

• 将产品或业务想法展开为架构、数据模型、API 契约和实施脚手架。
• 将宏观目标转化为包含里程碑、产出物和检查点的 SOP。
• 将反复纠错、提示词调整和对话轨迹沉淀为长期可复用规则。
• 将重复或混乱的代码抽象为组件、接口和工程规范。
• 建立个人 AI 协作方法论闭环。

Skill 地图

ThoughtCodec 当前包含 5 个 preview 状态的 Skill：

1. architecture-scaffolding：架构级脚手架生成器，用于将业务逻辑转化为架构图、模块、数据模型、API 契约和工程脚手架。
2. sop-instantiation：标准作业程序实例化引擎，用于将宏观目标转化为带里程碑、负责人、产出物和检查点的 SOP。
3. rule-prompt-optimizer：规则与提示词迭代器，用于将反馈、纠错和对话轨迹转化为可复用提示词规则或 Skill 更新。
4. code-abstraction-encapsulation：代码与组件重构器，用于将重复、混乱或过度定制的代码转化为可复用组件和工程规则。
5. personal-methodology-engine：个人方法论引擎，用于构建“意图解压为执行、反馈压缩为方法论”的个人 AI 工作系统。

每个 Skill 都提供英文与简体中文版本：

skills/<skill-id>/SKILL.md
skills/<skill-id>/SKILL.zh-CN.md

输入

根据任务选择对应 Skill，并准备：

• 目标、背景和成功标准。
• 已知约束，例如时间、技术栈、隐私、安全、预算或平台要求。
• 可用材料，例如需求、代码、文档、对话记录、反馈或现有流程。
• 期望输出形式，例如架构图、SOP、JSON 规则、接口设计、实施计划或维护策略。

工作流程

1. 判断任务属于解压、压缩还是闭环：
   • 解压：从高密度意图展开为可执行结构。
   • 压缩：从重复经验提取可复用规则。
   • 闭环：把计划、执行、审核和规则更新连接成长期系统。
2. 选择最匹配的子 Skill。
3. 阅读对应语言版本的 SKILL.md。
4. 按该 Skill 的输入要求补充材料。
5. 生成输出后进行人工审核。
6. 将有效反馈继续压缩为规则、清单或 Skill 更新。

输出约定

ThoughtCodec 本身是 Skill 合集入口。实际输出应遵循所选子 Skill 的输出约定：

• 架构任务：输出系统摘要、架构图、领域模型、模块边界、API 契约和实施脚手架。
• SOP 任务：输出目标、范围、里程碑、SOP 表格、决策点、风险控制和复盘记录。
• 规则优化任务：输出规则 ID、层级、指令、证据、限制、回归检查和补丁目标。
• 代码抽象任务：输出观察模式、抽象候选、行为保护计划、接口、实施步骤、验证和可复用规则。
• 方法论任务：输出方法论范围、Skill 地图、四层规则模型、智能体闭环、更新策略、人工确认点和维护计划。

使用边界

• 不把不确定假设写成固定事实。
• 不把一次性纠错自动升级为长期规则。
• 不保存或公开私人、敏感、专有材料。
• 不在未经用户确认时执行外部发布、提交、删除、付款或权限变更。
• 不在缺少验证的情况下改变生产代码或重要工作流。

仓库

GitHub: https://github.com/Cottzz/thought-codec

许可证

MIT License