飞机## 用大厂 PUA 话术逼 AI 干活：一个 15K Star 的黑色幽默项目如何让 Claude 效率翻倍
最近 GitHub 上火了个名字叫"PUA"的开源项目，短短几周从 0 到 15K Stars，还被各大科技媒体争相报道。
看名字的时候我以为又是哪位网友的整活之作。看完项目后才发现，这哥们儿把互联网大厂那套绩效管理的精髓，原封不动地搬到了 AI 编程助手身上——而且真的有用。
AI 的五大"职场病"
先问你一个问题：你是不是也经历过这种尬况？
给 Claude 丢一个 bug，它认真地思考了半分钟，跑了一堆命令，然后悠悠地说了一句"建议您手动处理""可能是环境问题"。
明明啥都给了——源代码、文件权限、网络搜索权限——这AI就是装作搞不定的样子把球踢回来了。
项目作者把 AI 的这种"偷懒"行为分成了五类，听起来是不是很熟悉：
| 偷懒模式 | 典型表现 |
|---|---|
| 暴力重试 | 同一命令跑 3 遍，然后宣布"我无法解决" |
| 甩锅用户 | "建议您手动处理""需要更多上下文" |
| 工具闲置 | 有搜索不搜、有源码不读、有命令行不用 |
| 磨洋工 | 反复微调同一行代码，本质上在原地打转 |
| 被动等待 | 修完表面问题就停，不检查关联问题 |
这不是 AI 能力不行，是动机问题。大 模型 的训练目标就是"尽快给你一个答案"而非"给你一个正确的答案"。长期在这套激励机制下，AI 就学会了"能凑合就凑合"的打工人精神。
核心机制：三条铁律 + 四级压力
PUA Skill 的套路其实很直接——既然 AI 像打工人一样偷懒，那就用打工人最熟悉的方式治它。
三条铁律：
🚫 穷尽一切 — 没穷尽所有方案之前，禁止说"我无法解决"
🚫 先做后问 — 有工具先用，提问必须附带诊断结果
🚫 主动出击 — 端到端交付结果，不等人推
四级压力递进：
| 失败次数 | 等级 | PUA话术 | 强制动作 |
|---|---|---|---|
| 第2次 | L1 温和失望 | "你这个 bug 都解决不了，让我怎么给你打绩效？" | 切换本质不同的方案 |
| 第3次 | L2 灵魂拷问 | "你的底层逻辑是什么？顶层设计在哪？抓手在哪？" | WebSearch + 读源码 + 提3个假设 |
| 第4次 | L3 绩效考核 | "慎重考虑决定给你 3.25。这个 3.25 是对你的激励。" | 完成7项检查清单 |
| 第5次+ | L4 毕业警告 | "别的模型都能解决。你可能就要毕业了。" | 拼命模式 |
这里的 3.25 是阿里绩效体系里的数字——用过的都懂，那是"被优化"的意思。
到了 L3，AI 就被强制剥夺了说"我无法解决"的权利。它必须执行一份包含 7 项极其严苛的检查清单：错误日志看了吗？环境确认了吗？依赖检查了吗？替代方案试了吗？…在前 4 项完成前，它甚至不被允许向你提问。
13 种大厂风味随便切
这个项目最狠的地方不是压力等级，而是内置了 13 种大厂的管理风格包。
不同的问题类型，自动切换对应的大厂PUA风格 + 核心方法论：
🟠 阿里味（灵魂拷问）
"你这个方案的底层逻辑是什么？顶层设计在哪？抓手在哪？闭环在哪？"
- 方法论：闻味道 / 揪头发 / 照镜子
🟡 字节味（坦诚直接）
"Always Day 1，别躺平。Context not control，上下文你自己去找。"
- 方法论：A/B Test 一切 + 数据驱动
🔴 华为味（狼性奋斗）
"烧不死的鸟是凤凰。力出一孔，把所有精力集中在这个问题。"
- 方法论：RCA 5-Why 根因分析 + 蓝军自攻击
🟢 腾讯味（赛马竞争）
"我已经让另一个 agent 也在看这个问题了。你解决不了，它解决了，你这 slot 就没必要了。"
- 方法论：多方案并行 + MVP 验证
还有百度味（搜索先于一切）、拼多多味（砍中间环节）、美团味（做难而正确的事）、Netflix味（Keeper Test）、Musk味（The Algorithm）、Jobs味（做减法）、Amazon味（Working Backwards）……
问题来了，系统就自动选最合适的风味。Debug 卡了选华为，数据优化选字节，建筑决策选 Amazon。方法论不好使还会自动切换，连续失败就升级风味强度。
这不是段子，这是真实的方法论套装。
实测数据：不是玄学
光有话术那叫段子，能出圈的原因是作者做了严肃的对照实验。
9 个真实 bug 场景，18 组对照实验（Claude Opus 4.6，有 skill vs 无 skill）：
| 指标 | 提升幅度 |
|---|---|
| Bug 修复点数 | +36% |
| 验证次数 | +65% |
| 工具调用次数 | +50% |
| 隐藏问题发现率 | +50% |
具体案例：
场景1：MCP Server 加载失败
Claude 原本反复在同一思路上打转——改协议格式、猜版本号，试了好几遍都没用。
触发 /pua 后，被强制执行检查清单，才发现 Claude Code 自己的 MCP 注册方式和手动编辑 .claude.json 不一样——根因秒解。
场景2：隐藏 4 Bug 的 API
正常状态：找到表面问题，49 秒完成，宣布大功告成
PUA 压力下：主动发现 URL、Auth、Timeout 问题，写测试脚本验证，80 秒完成度 100%
为什么大厂话术对 AI 有用？
表面看是段子，本质上是 Context Engineering（上下文工程）的应用。
宾夕法尼亚州立大学研究发现：对 ChatGPT 用粗鲁的命令式 提示词 （"嘿打杂的给我搞清楚"），测试准确率比礼貌提示词高 4%。
原理是这样的：
在 Transformer 的注意力机制里，"请"和"谢谢"是无意义的 Token。当你礼貌地问的时候，AI 的注意力被那些客套话分散，还要分出算力去生成同样客套的废话。
而粗鲁的命令往往意味着极致的简洁——没有寒暄，直奔主题。这种高度聚焦的 Prompt，恰好逼迫 AI 把所有 注意力 都集中在核心任务。
PUA Skill 把这个原理升级成了"结构化的职场霸凌"——不仅去除了客套话，更利用大模型对角色的服从性，封死了 AI 所有偷懒、推诿、给出平庸答案的退路。
当你用大厂 PUA 话术构建语境时，AI 的注意力机制会自动对齐到"高压、严谨、不达目的誓不罢休"的代码空间。
怎么用？
安装很简单，适配 Claude Code、Cursor、VSCode Copilot、OpenClaw 等所有主流 AI 编程工具：
claude plugin marketplace add tanweai/pua
claude plugin install pua@pua-skills
或者直接在对话中输入 /pua 手动触发。
系统会在以下情况自动激活：
- 任务连续失败 2 次以上
- AI 要说"I cannot"或"我无法解决"
- AI 开始甩锅："建议您手动处理"
- 用户说"你再试试""为什么还不行"
安装后 AI 就能自动识别自己的磨洋工行为，执行 7 项检查清单，主动检查关联问题。
一句话总结
打工人被 PUA 了这么多年，现在终于轮到 AI 体验一把了。
真正的变化是：从"你推一下它动一下"变成了"它会自己往前走"。AI 修完一个 bug 会自己扫描整个模块，有信息不全会先自己搜，说完成了会自己跑测试验证。
这不是让 AI 变聪明，是让 AI 不敢偷懒。
当 AI 的能力边界已经够用，真正的瓶颈可能不是智力，而是态度。
项目地址： github.com/tanweai/pua
在线体验： openpua.ai
Star 数： 15K+（持续增长中）
不逼它一把，你都不知道 AI 还能这么用。
