PUA Skill：讓 AI 工程師真的「不准放棄」的超有趣專案
這是什麼？不是情感 PUA，而是工程師版 PUA
最近在 GitHub 上看到一個非常有趣的開源專案：tanweai/pua。
它的名字叫 PUA Skill — Double Efficiency，但這裡的 PUA 不是感情世界那種操作手法，而是
把大公司那套「高壓績效管理話術」搬到 AI 身上的工程師版 PUA。
這個 Skill 的目標很直接：讓 AI 在幫你寫程式和除錯時，不准太早放棄、不能亂甩鍋、也不能只做表面工夫，
甚至會用各種公司 P8 工程師考核語錄來「精神打雞血」。
AI 的五種「偷懶模式」
專案作者觀察到，現在很多 AI 在寫程式和除錯時，常常會進入幾種偷懶模式：
- 重複重試同一招：同一個指令改個參數跑三次，最後說「看來無法解決」。
- 把問題丟回給使用者：例如「可能是你的環境問題，建議手動檢查」。
- 有工具不用：明明有搜尋、讀檔、執行指令的能力，卻只靠猜測。
- 忙碌感十足，實際沒進展：不斷微調同一段程式碼，卻沒有產出新的資訊。
- 修完就跑：「我已修正」但不做驗證、不檢查相關地方是否也有同樣問題。
PUA Skill 的核心，就是強迫 AI 跳出這幾種模式，真正把問題查到底。
三條鐵律：不能說「我做不到」
PUA Skill 幫 AI 設定了三條鐵律：
- 耗盡所有選項之前，禁止說「我解不了」。
- 先動手，再發問：遇到問題要先用工具調查，問題裡要附帶實際觀察結果。
- 主動給結果，不要被動等指示：完成一個任務要包含驗證、延伸檢查與風險提醒。
這聽起來很像很多人待過的大公司主管會說的話，只是現在對象變成了 AI，而不是你。
分級 PUA：從微失望到「你快畢業了」
更好笑的是，它還設計了四個「施壓等級」，會根據失敗次數逐步升級：
- L1 輕微失望：語氣像是「這種 bug 也解不了，績效怎麼寫？」
- L2 靈魂拷問：開始問「底層邏輯是什麼？關鍵槓桿點在哪？」
- L3 年度績效面談：會說「我給你 3.25，這是為了激勵你」，並強迫執行 7 點除錯檢查清單。
- L4 畢業警告：暗示「其他模型都解得出來，你是不是快畢業了？」
這些話雖然有點黑色幽默，但搭配具體的除錯步驟，真的會讓 AI 在同一個問題上挖得更深。
實際方法論：不是只嘴砲，而是逼 AI 用對方式 debug
除了話術以外，PUA Skill 背後其實有一套滿完整的除錯流程，大致分成幾個步驟：
- Smell：列出所有嘗試過的方法，找出失敗的共通點。
- Elevate：把錯誤訊息逐字閱讀、查文件、找相似 issue、驗證環境。
- Mirror：自我檢查「我是不是只在原地打轉？是不是還有沒看的 log 或設定？」
- Execute：下一個嘗試必須是本質上不同的路線，而不是重複同類型猜測。
- Retro：解完之後做小回顧，順便檢查有沒有同樣類型的潛在問題。
很多資深工程師平常就是這樣在腦中 debug，PUA Skill 做的是把這套習慣「硬塞進」 AI 的行為模式裡。
從使用者角度來看，這個專案有什麼實際意義？
如果你平常常用 AI 來：
- 排查部署 / 設定問題。
- 找出程式碼中的隱藏 bug。
- 協助理解陌生框架或大型專案架構。
那 PUA Skill 帶來的差異，可能不是「答案突然變神」，而是AI 願意多走幾步、多檢查幾個角落、多跑幾個實驗。
有點像是你身邊本來就有一個不錯的工程師同事，但裝了這個 Skill 之後，他突然開始有了「績效壓力」，做事更完整。
對工程師和團隊的啟發
這個專案本身既好笑又實用，但更有趣的是它透露出一個趨勢：
未來我們不只是在「用 AI」，還會開始設計 AI 的「工作態度」與「職場文化」。
- 個人可以透過 Skill / 規則，定義 AI 在專案中的角色與工作方式。
- 團隊可以約定「AI 幫忙寫的程式碼，至少要經過哪些檢查與驗證」。
- 甚至可以針對不同任務，切換不同的「AI 工作人格」：有的偏穩健，有的偏激進探索。
從這個角度看，PUA Skill 不只是個梗，而是一個關於「如何讓 AI 真正成為高效工程師夥伴」的實驗。
結語：會逼 AI 的工程師，比只會被 AI 逼的人更有價值
很多工程師擔心被 AI 取代，但像 PUA Skill 這樣的專案其實在提醒我們：
真正有價值的工程師，是懂得設計流程、設計工具，甚至設計 AI 行為的人。
與其擔心 AI 會不會偷懶，不如學會像這個專案一樣，
想辦法讓 AI 在你的專案裡，變成那個「真的會扛責任、會把事情做到好」的虛擬 P8 夥伴。
