把模糊需求翻译成"目标任务书"：开源项目 Leader.skill 在解决什么问题

作者数字生命卡兹克在公众号发文，宣布开源一个叫 Leader.skill 的工具。它的核心功能听起来简单——把用户随口说的需求，改写成 Agent 能自己干上好几个小时的目标任务书。

这套 Skill 脱胎于作者自创的"目标七问"方法论，把模糊意图拆成目的、完成态、反作弊、边界等维度。作者自述在调试过程中"浪费了 20 亿 Token"，才打磨出当前版本。

背景：Agent 跑偏，多半输在目标

真正用过 Agent 的人都知道，多数失败不是模型不够聪明，而是任务定义本身模糊。一句"帮我做一份竞品分析"丢进去，Agent 可能花半小时在搜索引擎上乱撞，最后交出一份没人想看的清单。

目标定义能力，正在成为 Agent 工作流里最被低估的一环。模型推理成本越来越低，但把"人话"翻译成"机器话"这件事，依旧没有标准答案。

核心方法：七问框架拆解意图

"目标七问"本质上是一张问题清单，覆盖目的、终态标准、不能作弊的边界、约束条件等关键维度。用户每回答一个问题，目标说明书就更完整一些。

这种结构化拆解的好处在于——把目标写作从灵感活变成了工程活。开发者可以复用同一套模板，团队成员之间也能快速对齐预期。

模型分工：让对的人做对的事

作者在文中给出了一套推荐分工：用擅长规划的大模型起草目标说明书，再用擅长长程执行的模型去跑任务。换句话说，规划与执行第一次在工程上被刻意分开。

这背后是一种朴素的判断：写作和搬砖，本来就需要不同脾气。把擅长的事交给擅长的模型，整体出错率才有可能降下来。

对开发者和团队的实际意义

对独立开发者来说，Leader.skill 提供了一个即插即用的目标翻译器，省去从零设计提示词的成本。内容创作者则可以拿它当作项目立项前的"自我审问"工具。

企业用户在引入 Agent 流程时，最痛的就是 SLA 难以量化。引入目标完成态的明文定义后，至少能回答"什么时候算交付"这个问题。

中文用户应该关注什么

项目已经开源，意味着可以直接拿到提示词模板进行二次改造。比起闭源工作流，本地可调试、可替换模型、可审计中间步骤，这三点对企业落地更友好。

同时也值得提醒：开源 Skill 的质量高度依赖作者测试覆盖度。在接入生产链路前，最好用自己的真实业务跑一遍压测。

后续观察点

接下来值得看几件事：是否会出现兼容主流 Agent 框架的标准化插件、中文长任务场景下的 Token 经济性如何、以及"目标七问"会不会演化成某种行业通用模板。

工具的爆火或遇冷，往往取决于它能否跨过"演示惊艳、生产拉胯"那道坎。Leader.skill 的开源，至少给从业者多了一个可对比的基线。