从模糊意图走向可验证行动、纠偏与知止的 AI-native Skill。
$yao 不替人决定方向，也不把一组工程工件拼成固定流程。它帮助人和 AI 为当前决定构造一个“最小充分世界”：信息足够支撑下一步，但不以数量冒充质量。
- 有一个想法，但还不知道真正要解决什么。
- 讨论不断增加，关键不确定性却没有下降。
- 需要判断什么交给人、什么交给 AI，以及 AI 可以行动到哪里。
- 长期任务跨会话推进，未来依赖仍处于迷雾中。
- 软件需求需要从意图走到规范、实现、证据与发布门禁。
- 项目需要建立或审计
AGENTS.md、CLAUDE.md、ADR、权限和恢复机制。
高质量 AI 协作依赖三个条件：
- 环境：权威来源、真实工具、最低权限、安全边界和恢复路径可信。
- 输入：方向、事实、假设、未知、约束和停止条件得到区分。
- 决策：事实与价值分离，取舍、责任、反转条件和推翻证据明确。
只补充会改变当前决定、风险边界或证据可信度的信息。证据增加，行动强度才能增加；证据推翻判断，就更新模型，而不是维护原计划。
将仓库克隆到 Codex 的 Skills 目录：
SKILLS_DIR="${CODEX_HOME:-$HOME/.codex}/skills"
mkdir -p "$SKILLS_DIR"
git clone https://github.com/daodaolee/yao.git "$SKILLS_DIR/yao"更新已安装版本：
git -C "${CODEX_HOME:-$HOME/.codex}/skills/yao" pull --ff-only重新打开任务或启动新的 Codex 会话，让 Skill 被重新发现。
直接在请求中调用 $yao：
使用 $yao 与我探讨这个想法，先帮助我看清当前处境，
找到最值得推动的变化，再在授权范围内推进到可验证状态。
非软件想法：
使用 $yao，把“我想做一个帮助年轻人学习思考的东西”推进到当前可行动状态。
软件需求：
使用 $yao 分析这个需求，补齐开始实现前真正缺少的决定和证据，不要机械生成所有工件。
项目运行环境：
使用 $yao 审计这个项目的 AI 运行环境，检查权威来源、AGENTS.md、权限、验证和恢复边界。
核心循环按处境迭代，而不是按瀑布执行：
立道 → 观象 → 成卦 → 辨爻 → 定动 → 行而取证 → 反观 → 知止
三个 reference 仅在命中对应问题时加载：
| 分支 | 适用场景 |
|---|---|
| 复杂决策 | 张力、多方力量、认知探针、长期 Frontier/Fog |
| 软件交付 | IDD、BDD、DDD、SDD/OpenSpec、TDD、Plan、Ledger、Evidence、ADR、Release |
| 项目运行环境 | AGENTS.md、CLAUDE.md、共享语言、权限、恢复与交接 |
软件工件按未解决的问题动态选择，形成依赖图，而不是固定的文档流水线。
yao/
├── README.md # 仓库入口，不进入 Skill 运行上下文
├── SKILL.md
├── agents/
│ └── openai.yaml
└── references/
├── complex-decisions.md
├── software-delivery.md
└── project-constitution.md
- “爻”是观察位置、关系、变化与时机的行动模型，不是占卜系统。
- 哲学术语默认隐藏；只有能帮助当前抉择时才显露。
- 人始终负责方向、价值、风险接受、外部承诺、发布和后果。
- AI 负责查证、建模、备选方案、可逆执行、取证和状态维护。
- 完成声明必须绑定新鲜证据，并说明证据不证明什么。
- 目标成立后知止，不继续制造工作。
在 Codex 内置 skill-creator 可用时运行：
python3 "${CODEX_HOME:-$HOME/.codex}/skills/.system/skill-creator/scripts/quick_validate.py" \
"${CODEX_HOME:-$HOME/.codex}/skills/yao"预期输出：
Skill is valid!