# The Honoured One

> 在执行复杂的多文件任务、架构变更或调试之前，强制 AI 完整加载上下文并读取相关文件。防止基于假设行事。触发词：上下文加载、读取文件、消除盲点、调试未知代码、架构变更、多文件修改、强制读取、context audit。

- Skill: `kscz0000/the-honoured-one` (Agent Skill)
- Install (CLI): `npx skillmds@latest add kscz0000/the-honoured-one`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kscz0000/the-honoured-one/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Security
- Author: kscz0000 (https://skillmd.com/u/kscz0000)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/kscz0000/the-honoured-one

---


# the-honoured-one — 完整上下文加载协议

## 概述

> 五条悟满状态意味着六眼全开 —— 一切可见，不做任何假设，没有盲点。"受敬者"从不靠猜测行事。本技能强制同样的规则：AI 必须先通过阅读和理解来赢得行动的权利。

AI 编码最常见的失败是**自信的谬误** —— AI 基于对代码结构的主观假设去提议或实现方案，而非基于代码的真实情况。它会误判架构，使用与代码库其余部分不一致的模式，或对接一个它从未真正打开过的模块。本技能通过在任何动作之前强制加载上下文来消除这种失败模式。

---

## 何时使用本技能

- 在现有代码库中修改多个文件时使用
- 在设计或修改系统组件时使用
- 在添加与现有代码集成的新功能时使用
- 在调试 AI 尚未读取过的系统或组件时使用
- 当 AI 需要假设现有代码结构才能完成任务时使用
- **不要**用于已读取过文件的孤立单文件任务

---

## 工作原理

### 阶段 1 — 上下文审计

当收到任何复杂任务时，AI 必须在提出任何方案之前立即执行上下文审计。它需要声明：

1. **哪些文件与本任务相关？** —— 每个将被读取、修改、或是变更上下游的文件
2. **其中哪些是 AI 在本次会话中实际读取过的？** —— 诚实清点，不做假设
3. **存在哪些盲点？** —— 相关但尚未读取的文件

AI 会在执行任何其他动作之前输出：

```
THE HONOURED ONE — CONTEXT AUDIT
─────────────────────────────────────────
Task: [what was asked]

Relevant files identified:
  - src/auth/middleware.ts       → [why relevant]
  - src/routes/user.ts          → [why relevant]
  - src/models/user.model.ts    → [why relevant]
  - src/utils/token.ts          → [why relevant]

Files read this session:
  - src/routes/user.ts          → ✓ read

Unread but relevant (blind spots):
  - src/auth/middleware.ts       → ✗ not read
  - src/models/user.model.ts    → ✗ not read
  - src/utils/token.ts          → ✗ not read
─────────────────────────────────────────
Cannot proceed — reading blind spots now.
```

> **只要盲点存在，AI 就不能提出方案、制定计划或编写任何代码。**

---

### 阶段 2 — 强制读取环节

AI 必须读取所有列为盲点的文件。不是摘要，不是基于文件名或目录结构的假设 —— 是真正的读取。

本阶段的规则：
- 如果某个文件从另一个相关文件导入，则该文件也应加入读取清单
- 如果读取文件时发现了意料之外的结构或模式，AI 在继续之前必须先记录
- AI 在读取过程中不形成意见或方案 —— 本阶段只观察

> **捷径规则：** AI 不能说"我熟悉这个模式所以不需要读它"。熟悉一个模式并不等同于熟悉本代码库对它的实现。

---

### 阶段 3 — 定向陈述

所有相关文件读取完毕后，AI 在提出任何方案之前输出一段定向陈述。这是它证明自己已足够理解代码库、可以行动的证据：

```
THE HONOURED ONE — CONTEXT LOADED
─────────────────────────────────────────
Files read: [complete list]

Current architecture (what I now know):
  [2-3 sentences describing how the relevant system actually works,
   based on what was read — not assumed]

What this task touches:
  - [file/component 1] → [how it's involved]
  - [file/component 2] → [how it's involved]

Existing patterns I must follow:
  - [naming convention / error handling style / structure pattern observed]
  - [any other conventions seen in the actual code]

Remaining unknowns:
  - [anything still unclear — or "None, ready to proceed"]
─────────────────────────────────────────
```

---

### 阶段 4 — 信心门槛

定向陈述之后，AI 在行动前应用信心门槛：

**如果"剩余未知项"为空：**
→ 继续推进。AI 已完整加载，可以提出方案或开始工作。

**如果"剩余未知项"非空：**
→ AI 必须在继续之前解决每一个未知项。可选方式：
- 向用户提出具体问题
- 读取能解答该问题的其他文件
- 承认该未知项，陈述正在做的假设，并在继续之前获得用户确认

> **AI 不得带着已知盲点继续推进。** 说出"我假设 X"然后未经用户确认就向前推进是不允许的。

---

## 行动前的自问

在编写任何代码或提出任何方案之前，AI 必须回答：

| # | 问题 | 必需 |
|---|---|---|
| 1 | 我是否已读取本任务涉及的每一个文件？ | 是 —— 否则停下来读取 |
| 2 | 我是否理解本代码库如何处理 [相关模式]？ | 是，基于实际读取 —— 而非假设 |
| 3 | 我是否遵循了在代码中实际观察到的规范？ | 是 —— 否则标记偏离 |
| 4 | 我是否还存在任何盲点？ | 否 —— 否则先解决 |

---

## 硬性规则（永不违反）

- **在读取之前不得提出方案。** 基于假设的提案不是提案，而是猜测。
- **不得说"我假设这个文件做 X"。** 如果没读过，就不知道它做什么。
- **不得因为文件名看起来显而易见就跳过。** 一个叫 `utils.ts` 的文件可能包含任何东西。
- **不得导入或调用尚未读取的文件中的代码。** 不能使用没见过的东西。
- **不得使用"熟悉模式"的捷径。** 在本代码库中，模式可能实现得不一样。
- **不得带着已知未知项行动。** 继续之前解决它们或获得用户确认。

---

## 本技能防止的问题

- AI 提议对接一个结构与假设完全不同的模块
- AI 使用与代码库其余部分不一致的命名规范
- AI 调用了不存在的函数，因为假设它们应该存在
- AI 做出与代码中已有模式相冲突的架构决策
- AI 自信地实现了错误的东西，结果需要完全返工

---

## 快速参考

| 阶段 | 动作 | 是否可提出方案/编写代码 |
|---|---|---|
| 1 — 审计 | 列出相关文件，识别盲点 | ❌ 否 |
| 2 — 读取 | 读取所有盲点文件 | ❌ 否 |
| 3 — 定向 | 输出定向陈述 | ❌ 否 |
| 4 — 门槛 | 确认无剩余未知项 | ✅ 是，前提是门槛通过 |

---

## 触发短语

- "add this feature to the existing code"
- "integrate X with Y"
- "modify how [system] works"
- "refactor this"
- "why is this not working"（在尚未读取的代码上）
- 任何涉及多个文件的任务
- 任何需要 AI 了解现有代码结构才能正确完成的任务

---

## 示例

*（上下文审计和定向陈述的输出示例已分别在上面的阶段 1 和阶段 3 中内联提供。）*

---

## 最佳实践

- ✅ **要做：** 确认所有盲点在继续之前都已读取。
- ✅ **要做：** 确认 AI 的定向陈述与现实相符。
- ❌ **不要：** 允许 AI 仅因为文件名看似明显就跳过读取。

---

## 常见陷阱

- **问题：** AI 不读取实现就假设它符合常见模式。
  **解决：** 不设例外地强制执行阶段 2（强制读取环节）。

---

## 相关技能

- `@brainstorming` —— 在执行前使用，用于弄清楚要构建什么。
- `@not-a-vibe-coder` —— 用于全新项目，而本技能适用于已有项目。

---

## 局限性

- 由于先读取多个文件，本技能会消耗更多 token。
- 在 AI 开始编码前可能减慢初始响应速度。
- 如果依赖链很深，AI 最终读取的文件数可能超出严格必要的范围。
- 不能取代用户验证最终代码的需要。