git-learn/knowledge/entries/knowledge_20260417_Waza/knowledge_20260417_Waza.md

title, author, tags, date

title	author	tags	date
Waza — 把工程师的习惯变成 Claude 可执行的技能	叫我小杨同学的小码酱	Claude Code Skills AI 辅助开发 工程习惯 tw93	2026-04-17

Waza：你知道的工程习惯，变成 Claude 能跑的技能

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."

---

模块 0：核心摘要 (TL;DR)

Waza 是开发者 tw93 开源的 Claude Code 技能集（3.3k+ Stars），将 8 个核心工程习惯封装为 / 斜杠命令。它不追求"全能"，而是聚焦真正重要的习惯：先思考再动手、写完自己审、bug 系统排查、界面有审美、文章写得顺、新领域靠输出学、文档当一手资料读、开发环境定期体检。

生活类比：不是给你一把更快的锤子，而是教你先看图纸、再选工具、最后才敲。

---

模块 1：概念破冰

巧记卡片

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

故事引入

想象两个工程师。

A 接到需求直接写代码，写完直接提交。遇到 bug 就猜，试十个地方碰巧修好。文档写得像机翻。

B 接到需求先问：这个问题真的存在吗？有没有更简单的解法？写完代码自己过一遍 diff。遇到 bug 不猜，先复现、定位、确认根因再修。文档写得连外行都能懂。

AI 让 A 写得更快了，但还是 A。AI 让 B 变成了超级 B。

Waza 就是给 B 准备的那套工具。

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       │
│                                                 │
└─────────────────────────────────────────────────┘

---

模块 2：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：

规则驱动 vs 习惯驱动

维度	规则驱动（Superpowers/gstack 类）	习惯驱动（Waza）
指令风格	大量 detailed 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——指令成了天花板	约束关键边界，其余让模型自由发挥
模型进化	模型变强后，旧规则可能变成束缚	模型变强，自由度带来的收益呈复利增长
学习曲线	陡峭，配置多	扁平，每个技能一个触发场景

核心洞察：作者写下的每一条规则都成了模型能力的天花板。Waza 反其道而行——每个技能设明确目标，退后一步让模型发挥。

8 个技能的工程生命周期

flowchart TD
    A["开始新任务"] --> B["/read: 读取相关文档、RFC、PR"]
    B --> C["/think: 挑战问题本身，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，确认根因"]
    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 Claude 环境"]
    O["遇到新领域"] --> P["/learn: 六阶段研究"]

逐技能拆解

1. /think — 先想清楚，再动手

触发：开始任何新任务之前。 做什么：挑战问题本身。需求是真的吗？有没有更简单的解法？架构有没有隐患？ 核心价值：防止"用正确的方式做错误的事"——这是工程师最常见的浪费。

2. /design — 界面要有辨识度

触发：构建前端界面时。 做什么：产出有明确审美方向的 UI，不是千篇一律的默认样式。 核心价值：AI 默认生成"能用但丑"的界面。这个技能逼 Claude 做出有设计感的东西。

3. /check — 合并前的最后一道关

触发：完成任务后、合并代码前。 做什么：审查 diff，自动修复安全的问题，标记危险命令，用证据说话。 核心价值：像老工程师坐在你旁边 review——但比你主动。支持并行多专家审查（宿主环境支持时）。

4. /hunt — 系统调试，不靠猜

触发：任何 bug 或异常行为。 做什么：先复现，再定位，确认根因后才修。 核心价值：工程师最容易犯的错——看到 bug 就猜。猜 10 次碰巧修了 1 次，剩下 9 次埋了新雷。

5. /write — 像人一样写文章

触发：撰写或编辑文档。 做什么：重写中英双语，去掉生硬公式化表达。 核心价值：AI 生成的文档读起来像翻译腔。这个技能让文字有"人味"。

6. /learn — 六阶段研究法

触发：深入不熟悉的领域。 流程：收集 → 消化 → 大纲 → 填充 → 精炼 → 自审 → 发布。 核心价值：学习新领域靠产出驱动，而不是消费内容。先写再改再发。

7. /read — 把一切变成干净 Markdown

触发：任何 URL 或 PDF。 做什么：抓取内容转为干净 Markdown，特殊处理 GitHub、PDF、微信、飞书。 核心价值：省去手动复制粘贴和格式清理的时间。

8. /health — Claude 环境的体检报告

触发：审计 Claude Code 设置时。 检查项：CLAUDE.md、rules、skills、hooks、MCP、行为表现。 核心价值：按严重程度分级标记问题，防止配置腐烂。基于作者的六层框架。

项目起源与数据

Waza 不是凭空设计的。它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" 都对应一次真实失败。

---

模块 3：深度裂变

矛盾分析 & 常识颠覆

1. "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，每个覆盖一个小场景。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。

核爆级结论：对 AI 工具来说，"够用"比"全能"更有价值。因为每个技能都是独立可调用的，组合起来覆盖工作流全链路，但每个单独调用时负担极小。

2. "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。

这是 Waza 最反直觉的设计哲学。传统做法是"把所有规则写进 prompt"，但这隐含一个假设：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，自由度带来的收益会呈复利。

搜索内化：在 2026 年的 AI 辅助开发社区中，"less prompt engineering, more outcome-driven constraints" 正成为新共识。Waza 是这一理念的极端实践者。

3. "英文推理更强"的隐性红利

项目专门提供了 English Coaching 规则，建议用英文与 AI 交互。

理由很朴素：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。

争议点：这对非英语母语用户有门槛。Waza 的做法是不强求，但提供工具（english.md 规则）让 Claude 在英文交互时即时纠错。

---

模块 4：实战指南

如何开始

# 一步安装所有技能（Claude Code）
npx skills add tw93/Waza -a claude-code -g -y

# 一步安装所有技能（Codex）
npx skills add tw93/Waza -a codex -g -y

# 可选：安装 statusline 显示上下文用量
curl -sL https://raw.githubusercontent.com/tw93/Waza/main/scripts/setup-statusline.sh | bash

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

推荐工作流

需求来了 → /think 先挑战问题
        → /read 读取相关文档
        → 编码（前端先 /design）
        → 遇到 bug → /hunt
        → 写完 → /check 自审
        → 写文档 → /write 润色
        → 新领域 → /learn 研究
        → 定期 → /health 体检

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，每次任务触发对应技能
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

---

模块 5：温故知新

FAQ

Q1: Waza 和其他 Claude Code 技能包（如 Superpowers、gstack）有什么区别？

Superpowers 和 gstack 功能更全但更重——技能多、配置多、学习曲线陡。Waza 只做 8 个最核心的习惯，每个一件事，触发条件清晰。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（需要检查环境）。其余 7 个技能使用宿主环境的原生 question/search/fetch/agent 机制，也支持 Codex。

Q3: 这些技能是固定死的吗？可以自己改吗？

每个技能是一个文件夹（不只是 Markdown 文件），包含参考文档、辅助脚本、gotchas。你可以 fork 后按需修改。MIT 协议。

Q4: Waza 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。如果你已经有这些习惯，Waza 帮你自动化。如果你还没有，Waza 逼你养成。

Q5: "Waza" 这个名字怎么念？

日语「技」（わざ / waza），发音类似 "哇扎"。在武道中指"练到成本能的招式"。

Q6: 作者 tw93 是谁？

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

Q7: 最新版本是什么？

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

Q8: 怎么卸载？

# 移除所有技能
npx skills remove tw93/Waza -g
移除 statusline
rm -f ~/.claude/statusline.sh
然后从 ~/.claude/settings.json 中删除 statusLine 键
移除英文教练
rm -f ~/.claude/rules/english.md

自测题

1. 理解层：Waza 的核心哲学是什么？为什么"不完整是设计出来的"？
2. 记忆层：8 个技能分别是什么？各自在什么场景触发？
3. 分析层：如果跳过 /think 直接编码，最大的风险是什么？请举一个你经历过的例子。
4. 应用层：你接手一个全新项目，描述从接到需求到合并代码的完整 Waza 工作流。
5. 批判层：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？
6. 迁移层：你如何在现有工作流中引入 Waza 技能？哪些最容易养成习惯？哪些最难？
7. 创造层：如果你要给 Waza 贡献第 9 个技能，会是什么？写一个简短的 SKILL.md 大纲。

参考资源

• tw93/Waza GitHub 仓库
• 作者博客：Claude Code 六层框架
• Waza 演示推文