[2026-02-01 合并说明] 这是 OBRA 版本 ( obra-verification-before-completion )，由于以下原因被提升为主要实现：

此技能强制在陈述可能因版本、环境或规范而异的任何具体技术细节之前进行验证。

该技能通过在偏离原始要求之前强制用户明确同意来防止未经授权的方向更改。

像 Kent Beck 这样的代码。这种技能可以使更改保持小规模和常规：用最少的代码和对现有结构的破坏最少的方式解决所述问题。

当进度停滞或错误重复时，此技能提供硬停止和可重复的工作流程。它可以防止“随机游走”修复并强制进行证据优先的调试。

确定需要哪些工具来解决任务，规划最有效的顺序，并在不必要的呼叫发生之前消除它们。

将复杂的任务分解为独立可执行、可验证的子任务。首先制定结构化计划，获得批准，然后逐步执行并跟踪进度。

此技能采用两个架构定义（源与目标，或环境 A 与环境 B），并计算它们之间正确、安全的增量。它不会盲目地应用改变；它评估风险。

这项技能弥合了原始数据库优化器输出和人类可读的性能调整之间的差距。它读取 EXPLAIN (ANALYZE, BUFFERS) 并将节点和成本转换为具体的操作。

输出：

分析任务步骤——哪些步骤必须互相等待，哪些可以同时运行？构建依赖图、形成并行组并防止冲突。

按类型评估输出，对每个标准进行评分，做出接受/拒绝决定，并提出具体改进建议。目标：防止弱输出到达下一步。

为任何多脑决策添加量化的置信度评分。每个观点都会对自己的信心进行评分，共识使用分数作为决策权重。不确定性变得可见而不是隐藏。

不再采用固定的创意/务实/综合视角，而是根据请求上下文从角色池中动态选择 3 名领域专家。每位专家都会通过他们的专业视角评估请求。

通过两轮对抗性辩论扩展多脑共识。观点不仅仅陈述自己的观点——它们还相互挑战。结果是一个经过压力测试的决定，其中薄弱的论点被暴露，而强有力的论点得到强化。

从 3 个独立的角度评估传入的请求，综合达成共识，然后以适当的格式生成完整的最终输出。这不仅仅是“决定”，更是“决定并交付”。

保存任务期间学到的所有内容的结构化日志。目标：当新实例接管时，它会读取账本并从停止的地方继续 - 而不是从头开始。

当错误发生时，停下来思考并尝试正确的恢复策略。不能盲目重试——首先了解错误信号，然后采取行动。

深度链接是出了名的脆弱。丢失的尾部斜杠、缓存的 apple-app-site-association 文件或错误配置的意图过滤器都可能会破坏用户流程。这项技能将深度链接视为跨平台架构功能，而不仅仅是几个配置文件。

减少 70% 的内容 — 保留关键信息，丢弃重复和噪音。目标：压缩输出应约为原始大小的 30%，并保留信息密度。