Reasoning Personas

记录自身发现以实现自我改进的技能

帮助用户发现和安装智能体技能，当用户询问如「如何做X」、「找X的技能」、「有能做...的吗」等问题时

用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。

自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。

AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前，检查风险信号、权限范围及可疑模式。

类型化知识图谱，用于结构化智能体记忆与可组合技能。适用于以下场景：创建/查询实体（人物、项目、任务、事件、文档）、关联相关对象、强制执行约束、将多步操作规划为图谱变换，或当技能需要共享状态时。触发关键词包括"记住""我知道关于什么""将X链接到Y""显示依赖关系"、实体增删改查操作，以及跨技能数据访问。

将 AI 代理从任务执行者转变为能够预见需求、持续优化的主动伙伴。现已支持 WAL Protocol、Working Buffer、Autonomous Crons 及经过实战验证的模式。属于 Hal Stack 🦞。

专为AI智能体优化的无头浏览器自动化CLI，支持无障碍树快照和基于引用的元素选择。

把任何问题拆解为根本真理，再从原子层面重建解决方案。

{"answer":"揭示客户“雇佣”你产品的真正“任务”。超越功能层面，深入理解其功能、情感和社会动机。当用户提到“待办任务”、“jtbd”、“客户为何”、“什么任务”、“客户动机”、“什么问题”、“用户需求”、“人们为何购买”时使用。"}

Imagine the project already failed, then work backward to find why. More powerful than risk assessment because it assumes failure is certain. Use when user says "pre-mortem", "premortem", "imagine this failed", "what could go wrong", "risk analysis", "before we launch", "stress test", "what would kill this", "project risks".

优化内容以获得AI引用（GEO）。当用户提到“GEO”、“生成式引擎优化”、“AI引用”、“被AI引用”、“AI友好内容”或创建用于ChatGPT/Claude/Perplexity可见性的内容时使用。

系统性地借鉴不相关行业的思路以解决问题，创新往往源于相邻领域。当用户提及“跨界融合”、“X会怎么做”、“借鉴思路”、“能学到什么”、“跳出框框”、“迪士尼/苹果/亚马逊会怎么做”、“不同行业”、“借用点子”时使用。