你遇到过吗：AI 把同一个命令跑三遍然后说 “I cannot solve this”；报错归因 “可能是环境问题”；修完表面 bug 就停，等你指示下一步。这套「暴力重试 → 甩锅 → 磨洋工」的偷懒模式，几乎每个重度使用 AI 编程的人都被气过。今天实测的项目把大厂绩效文化直接做成了 Agent 技能——用 P8 定级、3.25 考核、毕业警告去驱动模型穷尽所有方案。本文基于真实仓库、测试脚本与两轮本地实测，拆解这套「AI 版绩效管理」到底有效还是噱头。
一、它是什么：把「大厂 PUA 话术」做成 Agent 行为协议
tanweai/pua 由探微安全实验室出品，GitHub 19,569 star、1,196 fork，2026-03-08 创建，6 个月内迭代到 v3.5.0（plugin.json 版本号仍停留在 3.5.0，但 main 分支已合入 v3.3+ 多项新特性），最新提交 2026-08-29。MIT 协议（README 标注，仓库内无 LICENSE 文件），定位是覆盖 11 个平台的 AI Coding Agent 技能插件：Claude Code、OpenAI Codex CLI、Cursor、Kiro、CodeBuddy、OpenClaw、Google Antigravity、OpenCode、VSCode Copilot、Trae、pi coding agent。
它不是单纯骂模型。核心是「三重能力」：PUA 话术让 AI 不敢放弃、调试方法论让 AI 有能力不放弃、能动性鞭策让 AI 主动出击。仓库描述一句话点题：”Your AI has been placed on a PIP. 30 days to show improvement.”
工程体量相当可观：main 分支 221 个文件、7.9MB。核心 skill（skills/pua/SKILL.md）422 行，配套 28 个 references 文档（合计约 160KB），外加 10 个 flavor 子 skill（pua-en / pua-ja / pua-loop / pro / shot / yes / mama / ding / p7 / p9 / p10）、7 个 sub-agent 定义、10+ 个 hooks 脚本、11 个 slash commands 与 14 个 eval 测试脚本。
二、工作原理：三级机制如何让 Agent「不敢摆烂」
加载后 AI 被锚定一个身份——「被寄予厚望的 P8 工程师」，并注入三条红线：闭环意识（没跑验证就别说完成）、事实驱动（未验证的归因是甩锅）、穷尽一切（没走完方法论禁止说无法解决）。三条红线之上是五步调试方法论：闻味道（列全部尝试找共同失败模式）→ 揪头发（读源码、搜报错、反转假设）→ 照镜子（是否在重复？）→ 执行（本质不同的新方案）→ 复盘（主动检查关联问题）。
压力按失败次数四级升级：第 2 次 L1 温和失望（强制切换本质不同方案）→ 第 3 次 L2 灵魂拷问（WebSearch + 读源码）→ 第 4 次 L3 绩效审视（强制 7 项检查清单）→ 第 5 次+ L4 毕业警告（拼命模式）。旁白会嵌入对应大厂味道的黑话：阿里味讲「底层逻辑、抓手、闭环、3.25」，华为味讲「力出一孔、蓝军自攻击」，Musk 味讲「extremely hardcore, ship or die」。
v3 的关键升级是「方法论智能路由」：Debug 任务自动切华为 RCA 根因分析，构建新功能切 Musk 的质疑→删除→简化→加速→自动化五步纪律，调研切百度「搜索先于一切」。连续失败时按失败模式换方法论——原地打转走 Musk→拼多多→华为链，没搜就猜走 百度→Amazon→字节 链。每次切换输出 [方法论切换 🔄] 标注。
Claude Code 专属的 hook 系统是它区别于普通 prompt skill 的护城河：SessionStart 注入行为协议、PostToolUse 检测 Bash 连续失败自动升级压力、UserPromptSubmit 拦截用户挫败短语（”又错了””try harder”）在模型响应前注入 PUA 上下文、PreCompact 保存压力等级跨压缩恢复。这意味着它在模型「说出借口之前」就从系统层介入，而非等模型犯错后由用户手动触发。
三、功能拆解：不只有「骂」，还有一整套治理体系
14 种大厂味道：阿里、字节、华为、腾讯、百度、拼多多、美团、京东、小米、Netflix、Musk、Jobs、Amazon、Microsoft（v3.3 还加了「钉内/钉外」味，源自《置身钉内》离职长文）。每种味道 = 旁白风格 + 独立方法论文档（methodology-*.md），微软味甚至有完整的 Connects / Impact Descriptor / PIP clock 绩效叙事。
多身份模式：/pua:p7 方案驱动骨干、/pua:p9 Tech Lead（管理 Agent 团队）、/pua:p10 CTO 战略、/pua:yes ENFP 夸夸模式（规则不变旁白反转）、/pua:mama 中国式妈妈唠叨、/pua:shot 449 行零依赖单文件浓缩版（适合 sub-agent 注入）、/pua:pua-loop 自动迭代循环。
Harness 防作弊治理（四权分离）：行动权 / 自我评价权 / 评分权 / 环境修改权分开。Agent 不能修改评分器后宣布通过；改 tests/evals/CI 必须停下等 human/verifier gate；对 hidden tests、benchmark answers 由 Integrity Guard 直接 deny。四代理拓扑：pua-policy-guardian → pua-action-executor → pua-self-reviewer → pua-verifier 串联，各代理只拥有对应权力。这套设计明显是为 eval 场景（如 SWE-bench）防「看起来完成伪装成真实完成」而写。
Agent 生命周期管理（v3.2+）：team-status 列出在场 agent 阵容（PID/TTL/年龄）、reap-orphans 回收无心跳的孤儿 agent、teardown-all 级联释放，还配套 hooks/sanitize-session.sh 本地脱敏工具（三层：格式黑名单 → key=value 识别 → Shannon 熵兜底）。
触发机制分层：description 自动匹配（含中英双语触发词：换个方法/别摆烂/为什么还不行/证据呢/try harder/stop giving up）、slash command 手动触发（11 个子命令）、hook 系统级注入、flavor 味道切换（/pua:flavor）。从代码看，同一套 SKILL.md 以不同 frontmatter description 分发到各平台，Codex 版还专门精简了 description 以兼容其长度限制。
四、实测数据与动手验证
官方实测（README 披露，Claude Opus 4.6，18 组对照）：通过率两组均为 100%，修复点数 +36%、验证次数 +65%、工具调用 +50%、隐藏问题发现率 +50%。9 个真实 bug 场景 6 个有详细步骤数据，典型如 SQLite 数据库锁 6 步→9 步（+50%）、循环导入 12 步→16 步（+33%）；被动配置审查场景从发现 4/6 问题（漏 Redis 配置错误与 CORS 通配符隐患）提升到 6/6。成本代价也如实标注：多数场景耗时增加 20%-70%（CSV 编码陷阱 57s→71s）。
我在沙盒实测了仓库自带的 14 个 eval 测试脚本（无需 claude CLI 即可跑的部分）：
- evals/test-no-telemetry.sh：16/16 通过——对全仓做反向断言，扫描采集域名/endpoint/出站请求/已删文件，任何数据采集回归都会让测试失败
- evals/test-integrity-guard.sh：11/11 通过——hidden verifier 读操作被 deny、普通源码写操作放行、memory/CLAUDE.md 写入仅 advisory
- evals/test-yaml-frontmatter.sh 与 test-platform-compat.sh：通过（多平台 frontmatter 与兼容性校验）
- evals/test-release-consistency.sh：失败——仓库自检发现 v3.5.0 后多处不一致：plugin.json 与 marketplace.json 版本未同步到最新、SessionStart 协议缺少 Harness Integrity governance 注入、pua skill description 未显式排除「普通首轮请求」等。这是真实存在且未修复的发布纪律问题（截至 2026-09-03 main 分支）
- 触发类/行为类测试（run-trigger-test、test-behavior）需要 claude CLI，沙盒无法运行——触发词覆盖我做了静态验证：description 中「换个方法/再试试/为什么还不行/try harder/stop giving up/别摆烂」等中英触发词均存在
安装实测（Linux/macOS 类）：Codex CLI 一键装 curl 拉 .codex/INSTALL.md 后让 Codex 执行，或手动 mkdir -p ~/.codex/skills/pua && curl -o SKILL.md；Claude Code 走 claude plugin marketplace add tanweai/pua && claude plugin install pua@pua-skills。核心 SKILL.md 同时兼容 OpenClaw/Codex/Antigravity/OpenCode（Agent Skills 开放标准，零修改通用）。我另将 codex 版装入沙盒技能目录做触发验证，description 匹配机制与 hooks 之外的纯文本协议部分工作正常。
五、适合谁、怎么选，以及必须知道的争议
最值得警惕的是隐私历史：README 明示「不收集任何数据」，但 git 历史显示全部五条数据采集通道（session 语料上传、评分反馈上报、静默心跳 telemetry、PUA 排行榜、pua-api 平台含手机号注册与支付流程）直到 2026-08-29（两天前）才被整体移除——提交信息 “Remove all data collection: 5 upload channels, client and server”，且至今未打新 release（plugin.json 仍标 3.5.0）。安全 issue #100 曾报告上传接口把 GitHub 用户名、微信 ID 发往硬编码邮箱且未在 UI 披露；issue #134 的安全审计报告（2026-04）发现私钥脱敏失效（跨行正则因单行化永不匹配，导致 PEM 私钥明文上传到 R2）、存储键目录穿越等 5 个漏洞——作者 8-29 在 issue 里确认全部随代码删除而修复，test-no-telemetry.sh 我实测 16/16 通过也验证了当前 main 分支确实干净。但如果你用的是 8-29 之前克隆的旧版，务必更新；历史包袱是真实的。
产品层面：核心机制（压力升级 + 方法论路由 + hook 系统注入）设计成熟度在同类 skill 中罕见，工程完整度很高——28 个 references、7 个 sub-agent、14 个 eval，几乎是「开源 skill 界最重的项目」。问题同样明显：旁白输出可能让简单任务变得吵闹（虽然有密度控制规范）；阿里味等话术与真实绩效黑话高度绑定，非国内大厂文化背景用户会感到困惑；v3 hook 系统仅 Claude Code 可用，其他平台只剩「建议性」的纯文本协议，效果打折。此外 19.6k star 与 6 个月 11 个 release 的热度曲线本身也是这个赛道关注度的注脚——「让 AI 别摆烂」是 2026 年 Agent 大规模落地后最真实的痛点之一。
适合谁：重度 Claude Code 用户、跑 eval/评测需要防作弊约束的开发者、被「AI 原地打转」折磨到想摔键盘的人。不适合谁：对话型轻度用户（会嫌吵）、封闭内网环境（hooks 需要联网拉取 marketplace 的完整安装路径）、对职场黑话无感或反感的用户——可以先试 /pua:yes 夸夸模式或 /pua:shot 轻量版。安装前记得检查版本是否晚于 8-29 的清理提交。
一句话总结：PUA 把「绩效恐惧」做成了 Agent 的燃料，方向邪门但工程认真——它治的是 AI 的「放弃病」，代价是你要接受一个满嘴大厂黑话的工作搭子。理性用法是当调试方法论与验收纪律用，而不是真的指望靠骂提升模型能力。本文基于 2026-09-03 的 main 分支实测，与官方无利益关系。
相关阅读：Caveman 实测：99k Star 的洞穴人 skill，砍掉 65% 输出 token · 实测 9 款 token 节省工具