Constraint Driven

SKILL.md

---
name: constraint-driven
author: 王教成 Wang Jiaocheng (波动几何)
description: 约束驱动技能，作为极限约束引擎，识别现有约束，强化到极限，添加随机新约束，在约束边界内穷尽可能性，提取边界方案。6域30种任务。触发词：约束驱动、极限约束、约束强化、边界方案、可能性穷尽、meta-skill-system。
---

# 约束驱动技能

## 定位

本技能是一个**极限约束引擎技能**，提供通过约束驱动方法生成创新方案的能力。

## 核心能力

约束驱动技能能够识别现有约束，强化到极限，添加随机新约束，在约束边界内穷尽可能性，并提取边界方案。

## R1-R5领域定位

| 维度 | 评分 | 说明 | 执行框架映射 |
|------|------|------|-------------|
| R1 信息密度 | 中 | 主要处理约束分析 | S和C权重中等 |
| R2 创造性 | 高 | 需要创造性地设计约束和方案 | A权重高，C偏创新 |
| R3 交互性 | 低 | 主要是自动化生成 | I权重低 |
| R4 规范性 | 高 | 约束分析需要严格规范 | G权重高，O偏严格 |
| R5 迭代性 | 高 | 需要多次迭代优化约束 | 循环多，S→C→A链短而频 |

## 三层结构

```
第一层：约束驱动清单 + 依赖拓扑   →  references/constraint-driven-catalog.md
第二层：方法论要求清单              →  references/constraint-driven-requirements.md
第三层：方法论范本库                →  references/exemplars.md
```

## 使用规则

### 执行流程
1. **首次加载**：读取 `references/constraint-driven-catalog.md`，获取域分类、依赖拓扑、元操作映射提示
2. **按需深入**：确认目标方法论执行类型后，读取 `references/constraint-driven-requirements.md` 获取组件清单；如需样本法，读取 `references/exemplars.md` 获取范本

### 降级模式
- **只读模式**：当用户明确要求只读操作时，本技能仅执行感知和认知元操作
- **权限表**：感知(S)允许、认知(C)允许、行动(A)禁止、组织(O)禁止、交互(I)禁止、守护(G)允许

## 执行框架

**统一执行流程**：收到任务后按5步执行——
- Step 0 现有约束识别：识别现有约束
- Step 1 约束强化：将约束强化到极限
- Step 2 新约束添加：添加随机新约束
- Step 3 可能性穷尽：在约束边界内穷尽可能性
- Step 4 边界方案提取：提取边界方案

## 域概览

按使用流程组织，共6域30种方法论执行任务：

| 域 | 任务数 | 典型任务 |
|----|--------|---------|
| M0 任务域协调域 | 4 | 任务域选择、执行顺序确定、结果整合、深化路由 |
| M1 现有约束识别域 | 5 | 约束识别、约束分类、约束评估、约束整理、约束报告 |
| M2 约束强化域 | 5 | 强化策略、强化执行、强化验证、强化优化、强化报告 |
| M3 新约束添加域 | 5 | 添加策略、添加执行、添加验证、添加优化、添加报告 |
| M4 可能性穷尽域 | 6 | 可能性识别、可能性分析、可能性验证、可能性优化、可能性整合、可能性报告 |
| M5 结果交付域 | 5 | 结果完整性验证、响应速度优化、用户满意度评估、改进建议、持续优化 |

**域间逻辑流**：M0 → M1 → M2 → M3 → M4 → M5

## 事实纪律

1. 仅使用确知的事实和可验证的信息，不得编造数据或引用
2. 现有约束识别须全面准确，不得遗漏重要约束
3. 约束强化须到极限，不得保留余地
4. 新约束添加须随机，不得人为筛选
5. 创新方案引用的案例、数据必须确知真实存在，不确定的标注"待验证"