Waza — 把工程师的习惯变成 Claude 可执行的技能

核心摘要

一句话核心：Waza（技）把优秀工程师的思维方式打包成 8 个 Claude Code 技能 —— 不是替你写代码更快，而是逼你想清楚再动手。

认知挂钩：像道场里的型（Kata）。每个技能是一个固定套路，练到变成肌肉记忆。

真理锚点："AI makes you faster. It doesn't make you think more clearly."

概念破冰

八字口诀：思设审猎，写学读健

字	技能	阶段
思	`/think`	动手前：挑战问题、压力测试设计
设	`/design`	做界面：产出有辨识度的 UI
审	`/check`	合并前：自审 diff、标记危险操作
猎	`/hunt`	出 bug 时：系统调试、确认根因再修
写	`/write`	写文档：中英双语自然表达
学	`/learn`	新领域：六阶段研究 → 输出 → 自审 → 发布
读	`/read`	读资料：URL/PDF 转干净 Markdown
健	`/health`	定期体检：CLAUDE.md、rules、skills、hooks、MCP

架构概览

+-----------------------------------------------+ | Waza 技能矩阵 | +-----------------------------------------------+ | | | /think → /design → /check /hunt | | 思考设计审查调试 | | ↑ ↑ | | └────── /write ────────────┘ | | 写作 | | | | /learn /read /health | | 学习阅读体检 | | 输入 ──────→ 转化 ──────→ 输出 | +-----------------------------------------------+

深度解析

哲学：为什么是"习惯"而不是"规则"？

Waza 的名字来自日语"技"（わざ），武道中意为"练到成本能的招式"。这与市面上大多数 AI 技能包有根本区别。

维度	规则驱动（Superpowers/gstack）	习惯驱动（Waza）
指令风格	大量 rules，步步规定	设目标 + 约束，然后放手
模型上限	指令写多少，模型做多少	约束关键边界，其余自由发挥
模型进化	模型变强后，旧规则变束缚	模型变强，收益复利增长
学习曲线	陡峭，配置多	扁平，一个技能一个触发场景

工程生命周期

flowchart TD A["开始新任务"] --> B["/read: 读取相关文档"] B --> C["/think: 挑战问题，验证架构"] C --> D{"前端界面?"} D -->|"是"| E["/design: 产出有审美的 UI"] D -->|"否"| F["编码实现"] E --> F F --> G{"遇到 bug?"} G -->|"是"| H["/hunt: 系统调试"] G -->|"否"| I["/check: 自审 diff"] H --> I I --> J{"写作/文档?"} J -->|"是"| K["/write: 润色中英双语"] J -->|"否"| L["完成"] K --> L M["定期"] --> N["/health: 体检环境"] O["新领域"] --> P["/learn: 六阶段研究"]

逐技能拆解

/think —— 先想清楚再动手。挑战问题本身。需求是真的吗？有没有更简单的解法？防止"用正确的方式做错误的事"。

/design —— 界面要有辨识度。产出有明确审美方向的 UI，不是千篇一律的默认样式。

/check —— 合并前的最后一道关。审查 diff，自动修复安全的问题，标记危险命令，用证据说话。支持并行多专家审查。

/hunt —— 系统调试，不靠猜。先复现，再定位，确认根因后才修。

/write —— 像人一样写文章。重写中英双语，去掉生硬公式化表达。

/learn —— 六阶段研究法。收集 → 消化 → 大纲 → 填充 → 精炼 → 自审 → 发布。学习靠产出驱动。

/read —— 把一切变成干净 Markdown。特殊处理 GitHub、PDF、微信、飞书。

/health —— Claude 环境的体检报告。检查 CLAUDE.md、rules、skills、hooks、MCP，按严重程度分级。

项目起源

Waza 来自真实项目的失败积累：找错代码路径来回 4 轮才定位、发布 release 前忘了上传 artifacts、服务器重启 8 次都没看报错信息。30 天、300+ 次会话、7 个项目、500 小时 —— 每个 "gotcha" 对应一次真实失败。

深度裂变

矛盾一："不完整是设计出来的"

"Waza 只有 8 个技能。不是做不到更多，而是刻意不做完。"

市面上的 AI 技能包动辄几十个技能。Waza 反其道：八个习惯，每个做一件事，有明确触发条件，然后让路。对 AI 工具来说，"够用"比"全能"更有价值。

矛盾二："每条规则都是天花板"

"作者写的每一条规则，都成了模型能力的上限。"

传统做法是"把所有规则写进 prompt"，隐含假设是作者比模型聪明。Waza 的做法是"设目标 + 约束，然后放手"——等模型变强了，自由度带来的收益呈复利。

矛盾三："英文推理更强"的隐性红利

"大多数 AI 模型的英文训练量远超其他语言。"

母语写 prompt → 隐形翻译层 → 推理质量打折。切换英文后，回答更精准，顺便练英语。Waza 提供 english.md 规则让 Claude 在英文交互时即时纠错。

实战指南

安装

# Claude Code
npx skills add tw93/Waza -a claude-code -g -y

# Codex
npx skills add tw93/Waza -a codex -g -y

# Statusline
curl -sL https://raw.githubusercontent.com/tw93/Waza/main/scripts/setup-statusline.sh | bash

# 英文教练
mkdir -p ~/.claude/rules && curl -fsSL https://raw.githubusercontent.com/tw93/Waza/main/rules/english.md -o ~/.claude/rules/english.md

避坑指南

反模式	后果	正确做法
跳过 `/think` 直接写	做了错误的事，返工成本高	再急也先想 5 分钟
`/hunt` 时直接猜修复	埋新雷	先复现，确认根因
不看 `/check` 结果就合并	危险命令进主干	审查完再合
装了技能从不调用	形同虚设	养成肌肉记忆
忽略 `/health`	配置逐渐腐烂	每周跑一次

ROI 分析

投入	回报
安装 5 分钟	每个任务避免至少 1 次返工
`/think` 多花 5 分钟	可能省下 2 小时重写
`/check` 多花 2 分钟	避免线上事故
`/learn` 多花 30 分钟	产出 > 消费 10 倍效率

温故知新

FAQ

Q1: Waza 和其他技能包有什么区别？

Superpowers 和 gstack 功能更全但更重。Waza 只做 8 个最核心的习惯。哲学不同：规则驱动 vs 习惯驱动。

Q2: 只能在 Claude Code 里用吗？

不。/health 是 Claude Code 独有的。其余 7 个技能也支持 Codex。

Q3: 可以自己改技能吗？

可以。每个技能是一个文件夹，MIT 协议。包含参考文档、辅助脚本、gotchas。

Q4: 适合什么水平的开发者？

有工程经验但想更系统化的开发者。已有习惯 → 帮你自动化；还没养成 → 逼你养成。

Q5: "Waza" 怎么念？

日语「技」（わざ / waza），发音类似 "哇扎"。

Q6: 作者 tw93 是谁？

活跃在 GitHub 和 Twitter 的独立开发者，MiaoYan 等项目的作者。养了两只猫：汤圆和可乐。

Q7: 最新版本？

截至 2026-04-17，最新版本 V3.10.0，252 commits，3.3k+ stars，202 forks。

Q8: 怎么卸载？

npx skills remove tw93/Waza -g
rm -f ~/.claude/statusline.sh
rm -f ~/.claude/rules/english.md

自测题

Waza 的核心哲学是什么？为什么"不完整是设计出来的"？
8 个技能分别是什么？各自在什么场景触发？
跳过 /think 直接编码，最大风险是什么？举例说明。
描述从接到需求到合并代码的完整 Waza 工作流。
Waza 只有 8 个技能。你觉得缺了什么？为什么作者可能故意不做？
如何在现有工作流中引入 Waza 技能？哪些最容易养成习惯？
如果你要给 Waza 贡献第 9 个技能，会是什么？写 SKILL.md 大纲。

Waza：把工程习惯变成 Claude 可执行的技能