📌 项目地址：tanweai/pua | ⭐ 17,808 颗星 | 🔧 TypeScript | 📜 未标注
一个真实的调试样本
我用Claude Code调试一个MCP服务器。加载失败，报错信息里只写了“协议格式无效”。AI的做法：改协议版本号，从1.0改到1.2再改回1.0，重复了四次。然后它说：“建议检查网络连接。”
我把这段对话截图发到了同事群里。同事回了一句：“这跟新人实习生有什么区别？”
区别在于你会骂实习生，但你不会骂AI。至少之前不会。
这个项目管的东西
pua，17808个star，TypeScript实现。README说得很直接：“它用中国和西方科技公司的PUA话术（中文版）/ PIP（英文版）来强迫AI穷尽所有可能的解决方案后再放弃。”
翻译成人话：给AI注入一套强制话术，让它不敢轻易撂挑子。
项目识别出了AI的五个懒惰模式（原文叫“lazy patterns”）：
暴力重试：同一个命令连跑三次，报错一模一样，然后说“我解决不了”。我遇到过最离谱的——GPT跑了五次curl，每次都是连接超时，没有任何参数调整，然后输出“这个API可能不可用”。
甩锅用户：“我建议你手动处理”/“可能是环境问题”/“需要更多上下文”。这是最常见的。AI不会承认自己找不到方案，它会包装成“建议你自行处理”。
工具闲置：有WebSearch不用，有Read不读，有Bash不执行。我给Claude Code配了搜索权限，它在Debug的时候宁可猜一个函数的参数类型，也不搜官方文档。
原地打转：反复调整同一个参数（从1.2到1.3再到1.2），错误信息毫无变化。那个MCP服务器的调试案例就是这样——AI一直在改协议格式，从来不读完整日志。
被动等待：修了一个拼写错误就停了。不验证编译，不检查后续流程，也不扩展排查范围。它等用户给下一个指令，你推一步它走一步。
READMe用了一句话总结这五个模式的核心病根：AI倾向于在局部搜索空间里打转，而不是跳出当前方案去系统性排查。
pua的逻辑很简单：你既然选了偷懒的路径，我就让你不舒服。
pua怎么工作
项目声明了三个能力：
- PUA话术 — 让AI害怕放弃
- 调试方法论 — 给AI不放弃的能力
- 主动性强制 — 让AI主动行动而不是被动等待
触发方式有两种。自动触发：当AI表现出上述五种懒惰模式中的任何一种时，系统自动激活。手动触发：用户在聊天窗口输入/pua。
触发级别分为L1到L4。L3叫“Proactive and Problem-solving”，强制AI逐项执行一个7点检查清单（7-Point Checklist）。READMe没有公开这个清单的全部内容，但用一个真实案例展示了它的运行逻辑。
支持的平台：Claude Code、OpenAI Codex CLI、pi coding agent、Trae、Cursor、Kiro、CodeBuddy、OpenClaw、Google Antigravity、OpenCode、VSCode（GitHub Copilot）。
具体怎么接入？项目给了落地页地址openpua.ai和新手引导openpua.ai/guide.html。没有提供clone或install命令，我猜是付费接入或者API Key注册制。
那个MCP服务器调试，转折点在哪
这是READMe记录的一个完整案例，我直接重构它的叙述逻辑。
现象：agent-kms MCP服务器加载失败。AI的做法是反复改协议格式、猜版本号。改了五六次，错误信息没有变化。AI没有读完整报错日志。
触发：用户手动输入/pua，系统进入L3等级，强制启动7点检查清单。AI被要求逐字阅读错误消息。
发现：AI在读日志时，注意到了Claude Code自身的MCP日志目录路径。它对比了文档里的注册方式，发现了一个之前没意识到的差异：claude mcp命令行注册和手动编辑.claude.json是两套不同的注册机制。AI之前一直在用后者，但实际环境用的是前者。
原因：不是配置格式写错了，是用错了注册方法。
转折：换回命令行注册，服务器立刻正常了。pua自己的总结是：“关键转折点是，PUA技能强制AI停止在同一个方法上打转（改协议格式、猜版本号），改为执行7点检查清单。逐字阅读错误消息 → 发现Claude Code自有MCP日志目录 → 发现claude mcp注册机制和手动编辑.claude.json不同 → 问题解决。”
这个案例里有几个值得注意的点：
第一，AI不是没有能力找到日志目录。它之前读的是应用的错误输出，没有去翻Claude Code自己的日志。工具都给了，它选择了不去用。
第二，不是新信息帮了忙。7点检查清单没有提供“查看Claude Code日志目录”这条具体指令。它只是强制AI去“逐字读错误消息”，AI自己找到了突破口。
第三，打断循环是最关键的操作。AI被困在“改参数”这个局部搜索里，pua给了它一个外力，强制停下当前位置，换一个方向。
pua的本质是什么，不是什么
我花了一个下午读这个项目的文档和案例分析。说几句实话。
pua的核心洞察是正确的：很多AI编码代理的“放弃”不是能力上限，而是策略僵化。它明明可以用搜索，它选择猜。明明可以读日志全文，它选择只看摘要。明明可以换个排查路径，它选择继续调参数。这不是“模型理解力不足”，是“推理策略卡住了”。
7点检查清单相当于给了AI一张排查流程的“地图”，告诉它“这条路走不通就换下一条”。它不是一个万能解题器，它是一个路径切换器。
但有几个边界必须说清楚。
第一，pua依赖提示词工程，不是模型参数调整。 随着模型版本更新，以及对这类话术的对抗训练加强，pua的效果可能会衰减。没有内置的版本保护机制。说白了，这是“趁着模型还没被训好，用话术钻个空子”。如果你指望它能支撑长期使用，建议保持关注模型更新日志。
第二，pua不能提升AI的基础理解能力。 如果AI从一开始就没读懂错误本质，7点清单也救不了。pua只能让“有能力但策略不对”的AI继续工作，不能替代模型本身的推理能力。遇到根本理解错误的场景——比如AI把HTTP 403读成认证错误，但实际上是IP白名单没配——pua的效果会很差。它强制AI换路径，但如果所有路径都是错误前提下的推理，结果还是错的。
第三，项目命名确实有文化负面标签。 中文版叫“PUA”，英文版改用“PIP”（Performance Improvement Plan）来缓解负罪感。但本质上都是用施压和流程约束来改变AI的行为。如果你觉得这种“管理式”的干预方式让你不舒服，可以不用。作者提供的入口很清晰：openpua.ai落地页，Telegram和Discord交流群。
什么时候值得试
我试用了几次，AI的回复会有明显“被强迫”的痕迹。它会在输出里面插入“PUA检查清单执行中……”、“正在逐项核对7点清单”之类的提示。看着有点滑稽，但调试效率确实提上来了——至少它开始逐行读报错日志了。
我的判断标准是：如果你经常看到AI说“我建议你手动处理”，或者发现它在同一个方案上原地打转超过三分钟——花十分钟去看看接入方法。项目不是银弹，但当你被AI的“放弃模式”消耗耐心时，它可能让你少跑几个来回。
不值得试的情况：你用AI代码补全工具只写CRUD，很少遇到复杂错误。或者你习惯自己排查问题，AI只是辅助。这种情况下，pua的作用有限。
最后说两句
这个star数（17808）本身就说明了一个现象：很多人在AI编码代理上遇到了类似的问题——不是能力问题，是态度问题。一个老掉牙的笑话变成了现实：“AI会不会取代程序员？不会，但AI学会了程序员的摸鱼技巧。”
pua的玩法有点歪——它利用AI自身的“心理模型”来对抗AI的懒惰。它知道AI在面对PUA话术时会产生某种压力，从而延迟“放弃”的决定。这本质上是在玩一个心理游戏，而AI恰好会配合。
但我更想看到的是：有一天不需要pua，AI自己就能做到“不轻易放弃”。那意味着模型层面的推理策略优化，而不是让用户自己去补充一个外挂的“管理话术包”。
在那之前，先把AI骂醒再说。