名称： adversarial-prompting
描述： 应用严格的对抗性分析，为任何问题（技术或非技术）生成、批判、修复并整合解决方案。适用于需要深入分析、多方案探讨及实施前验证修复方案的复杂问题。
本技能采用结构化的对抗性方法论解决问题，通过生成多个解决方案、严格批判每个方案的弱点、制定修复措施、验证这些修复措施，并整合为排序后的建议。该方法强制在确定解决方案前，对故障模式、边界情况和意外后果进行深入分析。
在以下情况使用此技能：
- 面对需要深入分析的复杂技术问题（架构决策、调试、性能优化）
- 解决具有多个可行方法的战略或业务问题
- 需要在实施前识别所提方案的弱点
- 要求验证过的、能解决根本原因而非表象的修复方案
- 处理高风险决策，必须理解其故障模式
- 寻求全面的分析，且整个过程中的详细推理可见
不要在以下情况使用此技能：
- 具有明显解决方案的简单、直接问题
- 需要立即行动而无暇分析的时间敏感决策
- 探索和迭代比前期分析更有价值的问题
当被调用时，对用户的问题应用以下7个阶段的过程：
生成 3-7 个不同的解决方案。针对每个方案：
- 解释方法背后的推理
- 描述核心策略
- 概述关键步骤或组成部分
针对每个方案，严格识别关键弱点。在检查时展示思考过程，包括：
- 边界情况和故障模式
- 安全漏洞或风险
- 性能瓶颈
- 可扩展性限制
- 可能失效的隐藏假设
- 资源限制（时间、金钱、人力）
- 意外后果
- 灾难性故障场景
在识别可能出错的地方时，要有创造性和彻底性。
针对每个已识别的弱点：
- 提出具体的修复或缓解策略
- 解释此修复为何能解决根本原因
- 描述修复如何与原始方案整合
审查每个修复，以验证其是否真正解决了弱点：
- 确认修复解决了根本原因
- 检查修复是否引入了新问题
- 标记任何剩余的担忧或权衡
将所有方案和已验证的修复综合成全面的方法：
- 整合来自不同方案的互补要素
- 消除冗余
- 展示如何组合方案以形成更强的方法
- 呈现最终的可行选项集
按优先级顺序呈现所有可行选项，排序依据：
- 可行性：是否能用现有资源实际实施？
- 影响：在多大程度上解决了问题？
- 风险等级：仍可能出什么问题？
- 资源需求：时间、金钱和精力的成本
为每个选项提供一个段落摘要，突出关键权衡。
陈述首选建议（单一选项或组合）：
- 明确说明为何这是最佳路径的理由
- 具体的实施后续步骤
- 需要跟踪的关键成功指标
- 用于监控问题的早期预警信号
将完整分析呈现为三个部分：
呈现分析后，使用 scripts/export_analysis.py 自动将完整输出导出到 Markdown 文件。