pdca-skill 是一套给 AI 编程助手用的协作框架。核心理念：将质量管理中验证了70年的 PDCA（计划-执行-检查-处理）循环，嫁接到 AI 协作中，让 AI 助手从"凭感觉干活"变成"有章法协作"。
pdca-skill 不是平级三件套，而是层级 + 闭环——三个定位互锁，形成核心架构：
跟随你本人（不跟项目、不跟工具）——经验沉淀（做过什么、学到什么）+ 状态记忆（做到哪、卡在哪）两个分量持续积累，越用越厚。AI 是流水的兵，记忆是铁打的营盘。
所有能力归到 /plan /do /check /act 四指令——记忆系统、副 agent 调度、文档三件套、/loop 循环、learn 自进化、handoff_tidy、触发钩子、第一性原理拆解、对抗性审查、用户数据外置、Bootstrap 初始化、Git 回溯保障、SUMMARY 根索引、Red Flags、安全处理、手绘呈现、HTML/PPT 制作、agent-find。用户只需记 4 个词。
把 AI 协作从"聊完就散"升级为工程化方法。spec（方案）+ task（执行清单）+ handoff（交接记录）+ memory（结构化记忆）——每次协作成果都变成文件留下来。pdca-skill 自身就是这套方法搭出来的活样本。
这不是拍脑袋想出来的流程，而是被全球制造业、服务业、软件开发验证了70年的管理科学。
PDCA（Plan-Do-Check-Act）循环，又称戴明环，由质量管理大师 W·爱德华兹·戴明在1950年代提出。它最初用于日本制造业的质量改进（丰田生产方式的核心），后来被 ISO 9001 国际标准采纳，成为全球公认的持续改进方法论。
核心思想：任何工作都可以拆成四步循环——先计划（Plan）、再执行（Do）、然后检查（Check）、最后处理改进（Act）。完成一轮后，把经验教训带入下一轮，形成螺旋上升的持续改进。
为什么适用于 AI 协作？ AI 助手最大的问题不是"不聪明"，而是"没章法"——没计划就动手、做完了不检查、做错了不复盘。PDCA 正好解决了这4个问题。pdca-skill 把 PDCA 做成统一调度中枢：你只需记 /plan /do /check /act 四个词，所有能力——记忆系统、副 agent 调度、文档三件套、/loop 循环、learn 自进化、handoff_tidy、触发钩子、第一性原理拆解、对抗性审查、用户数据外置、Bootstrap 初始化、Git 回溯保障、SUMMARY 根索引、Red Flags、安全处理、手绘呈现、agent-find——都在这四步里自动归位。
丰田用 PDCA 把汽车缺陷率降到百万分之一，ISO 用 PDCA 管理全球数百万企业的质量体系。
pdca-skill 做的事很简单：把 PDCA 从"管理学课本"搬进"AI 助手的日常习惯"。你说 /plan，AI 就进入"计划模式"——先想清楚再动手；你说 /do，它才动手干；你说 /check，它对照标准逐条验收；你说 /act，它把经验教训存进记忆，下次用得上。
PDCA 不是新东西，但 pdca-skill 做了两个核心创新：①把 PDCA 固化到 AI 协作流程；②把所有能力归到 /plan /do /check /act 四个指令下——用户只需记四个词，就能驱动整个框架。
不是 AI 不够聪明，而是它缺少一套"协作规矩"。以下4个问题，几乎所有 AI 助手用户都遇到过：
你说"帮我优化一下"，AI 直接改了一大堆代码，结果改的方向和你想的完全不一样。来回返工，浪费时间。
AI 改代码没做备份，改着改着功能全崩了，想回退也回不去。就像装修没留图纸，砸了墙发现里面是承重墙。
上下文窗口是有限的，对话一长 AI 就"失忆"——上次确认过的方案、踩过的坑，全忘了，又要重新说一遍。
AI 遇到报错就反复试同一个方法，试了3次还不行继续试，浪费 token 不说，还把代码改得更乱。
pdca-skill 自己不画图、不做表格、不跑爬虫——它只管"AI 怎么协作才靠谱"。
想象你雇了一个新员工（AI），他很聪明但刚来公司什么规矩都不懂。你需要给他三样东西：
员工手册 + 部门索引 + 行政助理
员工手册就是 7 条铁律——"动手前必须请示""做完必须留记录""出错必须报告"，永远不忘。
部门索引就是触发钩子表——遇到安全问题找安全部，遇到代码问题找技术部，不会瞎干。
行政助理就是 32 个自动化脚本——帮你整理文件、写会议纪要、做交接归档、生成技能图谱。
就像交通规则——红灯停绿灯行，不管你开什么车、去哪，这些规则永远不变。
启动先读记忆，结束必写记忆。重要信息写进文件（"存硬盘"），不能只记在上下文里（"RAM"易失）。
动手前必须先呈现方案，等你明确说"可以/行/确认"才动手。没有"太简单不用确认"的豁免。
接到任务第一步永远是判断走什么流程（1%原则），不能拿到就干。模糊输入先用澄清菜单。
给完整代码和命令，不给 TBD/省略号/伪代码。就像菜谱必须写全步骤和用量，不能写"适量"。
报错读调试手册、写代码读代码规范……凭记忆动手=偏离。就像生病了去看对应科室，不能凭感觉吃药。
动手改代码前必须确保工作区已 commit（Git 检查点），改错了能回退，任务中断能回到稳定点。
执行按 task 逐项打勾，验收对照 spec 逐条核对。跳过任务项直接做后面的 = 偏离，必须立即停下补做。
管理学有一句话："你考核什么，就得到什么。" Loop Engineering 就是 AI 的考核与约束系统——让它在安全边界内自动循环，碰到问题自动停下。
定位：/loop 不是第5环，而是 /do+/check 的"自动循环模式"。用户说 /loop 后，AI 在约束下自动推进 /do→/check→/do→/check 循环，直到完成或触发熔断。
3 个前置条件（必须全满足）：
python scripts/loop_admission.py . 退码=0 且 level≥L2| 等级 | 名称 | 定义 | /loop 行为 |
|---|---|---|---|
| L0 | 拒绝 | 不具备 loop 条件 | 不准入 |
| L1 | Report-only | 只分析/出报告，不改代码 | 拒绝（全程人工决策） |
| L2 | Assisted | /plan 确认后，AI 在约束下自动执行小改动 | 可选半自动 |
| L3 | Unattended | 完全无人值守自动执行 | 可选全自动 |
🏢 类比：自动巡航——/loop 是自动巡航开关，但司机（用户）随时可踩刹车
Loop Engineering 的设计哲学来自控制论（Cybernetics）：任何自动系统都需要反馈回路 + 安全边界。pdca-skill 把这一思想落地为：loop_admission（准入审计 22项信号）→ loop_guard（运行时熔断）→ loop_audit（事后审计），形成完整的自动化治理闭环。
AI 助手的上下文窗口是有限的（就像人的短期记忆），对话一长就会"忘记"。pdca-skill 用三层记忆体系解决这个问题——把重要信息从"RAM"存到"硬盘"。
7条铁律、触发钩子表、PDCA流程——这些是"协作宪法"，每次对话开始时自动加载到 AI 的上下文中，永不遗忘。
跨项目的长期经验沉淀——关键决策、踩过的坑、验证过的模式。按项目分段，自动 upsert 去重。外置存储，升级 0 丢失。
单个项目的任务级记忆——每个 /act 阶段自动写入，包含决策、验证结果、经验教训。下一轮 /plan 自动读取。外置存储，升级 0 丢失。
AI 的上下文窗口 = 电脑的 RAM（内存）——易失、有限、速度快。
文件系统 = 电脑的硬盘——持久、无限、跨对话保留。
任何重要信息必须写入文件。只在上下文里记着 = 没存。
pdca-skill 的 Memory First 原则就是：启动先读硬盘（恢复记忆），结束必写硬盘（保存记忆），中间关键节点存盘（防止丢失）。
📦 用户数据外置：记忆、文档、输出等用户数据放在 ~/.pdca-skill/data/，与框架文件物理分离。升级时解压覆盖框架文件，用户数据 0 丢失——再也不用担心升级覆盖丢数据。三级优先级路径解析（环境变量 > 配置文件 > 默认值），老用户首次启动自动迁移。
pdca-skill 融合了多个领域的优秀思想，形成了一套完整的 AI 协作体系。
复杂任务方案探索前必做三问：本质目标是什么？不可压缩的约束有哪些？从约束出发的最优解是什么？
大改后用独立 AI 审查员做6维度批判性审查：内部一致性/逻辑完整性/可执行性/边界case/安全性/可维护性。产出 HIGH/MEDIUM/LOW 分级报告，HIGH 清零才交付。
spec（方案）+ task（执行步骤）+ handoff（交接）自动生成。统一命名规范，generate_docs.py 一键创建目录结构。每次协作成果都变成文件留下来。
48个参考手册不全部加载到上下文——而是按"你正在做什么"自动指引读取。写代码→读 code_rules.md，报错→先问意图再决定。
框架本身不实现具体业务能力，但内置 agent-find 动态搜索机制——需要浏览器操控、Office处理、金融分析等专业能力时，自动搜索并调度外部技能。此功能为可选，需配置 Exa API Key（见 README），不配置时降级为 WebSearch 兜底，不影响框架核心功能。
/act 阶段按记忆累积量自动触发 learn——达到阈值自动扫描 skill 规则与记忆库（重复规则/冲突/过时内容/死引用），生成建议清单 proposals.md（仅建议、不自动应用），经 HARD-GATE 人工确认后才应用。框架越用越聪明。
验收/汇报时自动生成手绘风 SVG 速记图——内容→手绘 SVG 信息图，单文件自包含，零依赖。
说一声"master_graph"，自动扫描所有 AI 工具的记忆，对比多源技能全集，生成"已掌握/未掌握"三段式技能图谱，三格式同步输出（md/csv/svg）；每轮 /act 自动刷新左轨（--auto，零成本缓存）
框架本身是纯本地 Markdown + Python 脚本，不联网、不调外部 API。把整个目录复制到 AI 助手的 skills 目录即可。
从 GitHub 克隆到你的 AI 编程助手的 skills 目录：
下载 ZIP 解压，或直接复制整个 pdca-skill/ 目录到 skills 目录：
第一次对话时，框架会自动检测缺失文件并引导 Bootstrap 初始化，按提示确认创建即可。无需任何手动配置。