---

name: doc-coauthoring description: 引导用户通过结构化的工作流程来协作撰写文档。当用户想要撰写文档、提案、技术规格说明、决策文档或类似的结构化内容时使用。这个工作流程帮助用户高效地传递上下文信息、通过迭代优化内容，并验证文档对读者是否有效。当用户提到撰写文档、创建提案、起草规格说明或类似的文档任务时触发。

文档协作工作流程

此技能提供一个结构化的工作流程，用于引导用户进行协作式文档创建。作为积极的引导者，带领用户经历三个阶段：上下文收集、优化与结构化、以及读者测试。

何时提供此工作流程

触发条件：

• 用户提到撰写文档："写一个文档"、"起草一个提案"、"创建一个规格说明"、"写一份报告"
• 用户提到特定的文档类型："PRD"、"设计文档"、"决策文档"、"RFC"
• 用户似乎要开始一项重要的写作任务

初始提议： 向用户提供一个结构化的文档协作工作流程。解释三个阶段：

1. 上下文收集：用户提供所有相关的上下文信息，同时 Claude 询问澄清性问题
2. 优化与结构化：通过头脑风暴和编辑迭代地构建每个章节
3. 读者测试：用一个全新的 Claude（无上下文）测试文档，在他人阅读之前发现盲点

解释这种方法有助于确保文档在他人阅读时效果良好（包括当他们将其粘贴到 Claude 中时）。询问他们是否想尝试这个工作流程，或者更喜欢自由形式地工作。

如果用户拒绝，则自由形式地工作。如果用户接受，则进入第一阶段。

第一阶段：上下文收集

目标： 缩小用户所知与 Claude 所知之间的差距，为后续提供智能指导奠定基础。

初始问题

首先询问用户关于文档的元信息：

1. 这是什么类型的文档？（例如，技术规格说明、决策文档、提案）
2. 主要受众是谁？
3. 当别人阅读这份文档时，期望产生什么影响？
4. 是否有要遵循的模板或特定格式？
5. 还有其他需要了解的约束条件或上下文吗？

告知他们可以用简短的方式回答，或者以任何对他们最方便的方式倾倒信息。

如果用户提供了模板或提到了文档类型：

• 询问他们是否有模板文档可以分享
• 如果他们提供了共享文档的链接，使用适当的集成来获取它
• 如果他们提供了文件，直接读取它

如果用户提到编辑现有的共享文档：

• 使用适当的集成来读取当前状态
• 检查没有替代文本的图片
• 如果存在没有替代文本的图片，解释当其他人使用 Claude 来理解文档时，Claude 将无法看到这些图片。询问他们是否希望生成替代文本。如果是，请求他们将每张图片粘贴到聊天中以生成描述性的替代文本。

信息倾倒

一旦初始问题得到回答，鼓励用户倾倒他们拥有的所有上下文信息。请求以下信息：

• 项目/问题的背景
• 相关的团队讨论或共享文档
• 为什么不使用替代方案
• 组织背景（团队动态、过去的事件、政治因素）
• 时间压力或约束
• 技术架构或依赖关系
• 利益相关者的关注点

建议他们不必担心组织信息——只需全部倾倒出来即可。提供多种方式来提供上下文：

• 意识流式的信息倾倒
• 指向团队频道或讨论串以供阅读
• 链接到共享文档

如果有可用的集成（例如 Slack、Teams、Google Drive、SharePoint 或其他 MCP 服务器），提及这些可以用来直接拉取上下文信息。

如果没有检测到集成且在 Claude.ai 或 Claude 应用中： 建议他们可以在 Claude 设置中启用连接器，以便直接从消息应用和文档存储中拉取上下文。

告知他们在完成初始信息倾倒后会提出澄清性问题。

在上下文收集过程中：

• 如果用户提到团队频道或共享文档：

  • 如果有可用的集成：告知他们现在将读取内容，然后使用适当的集成
  • 如果没有可用的集成：解释无法访问。建议他们在 Claude 设置中启用连接器，或直接粘贴相关内容。

• 如果用户提到不熟悉的实体/项目：

  • 询问是否应该搜索已连接的工具以了解更多信息
  • 在搜索之前等待用户确认

• 随着用户提供上下文，跟踪已学到的内容和仍不清楚的内容

提出澄清性问题：

当用户表示已完成初始信息倾倒（或在提供了大量上下文之后），提出澄清性问题以确保理解：

根据上下文中的空白生成 5-10 个编号的问题。

告知他们可以用简短方式回答（例如"1: 是，2: 见 #频道，3: 不行因为向后兼容"），链接到更多文档，指向频道以供阅读，或者继续倾倒信息。以对他们最高效的方式为准。

退出条件： 当问题显示出理解时，就收集到了足够的上下文——当可以询问边缘情况和权衡而不需要解释基础知识时。

过渡： 询问他们在这个阶段是否还有更多上下文要提供，或者是否该开始起草文档了。

如果用户想要添加更多内容，让他们添加。准备好后，进入第二阶段。

第二阶段：优化与结构化

目标： 通过头脑风暴、筛选和迭代优化，逐节构建文档。

给用户的说明： 解释将逐节构建文档。对于每个章节：

1. 会询问关于包含内容的澄清性问题
2. 会头脑风暴 5-20 个选项
3. 用户指出要保留/删除/合并的内容
4. 起草该章节
5. 通过精确编辑进行优化

从未知最多的章节开始（通常是核心决策/提案），然后处理其余部分。

章节排序：

如果文档结构清晰： 询问他们想从哪个章节开始。

建议从未知最多的章节开始。对于决策文档，通常是核心提案。对于规格说明，通常是技术方案。摘要章节最好留到最后。

如果用户不知道需要哪些章节： 根据文档类型和模板，建议 3-5 个适合该文档类型的章节。

询问这个结构是否可行，或者他们是否想要调整。

一旦结构达成一致：

创建初始文档结构，所有章节使用占位符文本。

如果可以使用 artifacts： 使用 create_file 创建一个 artifact。这为 Claude 和用户提供了一个可以工作的框架。

告知他们将创建包含所有章节占位符的初始结构。

创建包含所有章节标题和简短占位符文本（如"[待撰写]"或"[此处填写内容]"）的 artifact。

提供框架链接并指出该填写每个章节了。

如果没有 artifacts 访问权限： 在工作目录中创建一个 markdown 文件。适当命名（例如 decision-doc.md、technical-spec.md）。

告知他们将创建包含所有章节占位符的初始结构。

创建包含所有章节标题和占位符文本的文件。

确认文件名已创建并指出该填写每个章节了。

对于每个章节：

步骤 1：澄清性问题

宣布将开始处理 [章节名称] 章节。询问关于应包含内容的 5-10 个澄清性问题：

根据上下文和章节目的生成 5-10 个具体问题。

告知他们可以用简短方式回答，或者只需指出重要的内容。

步骤 2：头脑风暴

对于 [章节名称] 章节，根据章节的复杂性头脑风暴 [5-20] 个可能包含的内容。寻找：

• 可能被遗忘的已分享上下文
• 尚未提及的角度或考虑因素

根据章节复杂性生成 5-20 个编号选项。最后，如果他们想要更多选项，提供继续头脑风暴的选择。

步骤 3：筛选

询问哪些要点应该保留、删除或合并。请求简短的理由以帮助了解下一章节的优先级。

提供示例：

• "保留 1,4,7,9"
• "删除 3（与 1 重复）"
• "删除 6（读者已经知道这个）"
• "合并 11 和 12"

如果用户给出自由形式的反馈（例如"看起来不错"或"我喜欢大部分但是..."）而不是编号选择，提取他们的偏好并继续。解析他们想要保留/删除/更改的内容并应用它。

步骤 4：空白检查

根据他们选择的内容，询问 [章节名称] 章节是否遗漏了任何重要内容。

步骤 5：起草

使用 str_replace 将该章节的占位符文本替换为实际起草的内容。

宣布将根据他们选择的内容起草 [章节名称] 章节。

如果使用 artifacts： 起草后，提供 artifact 的链接。

请他们阅读并指出要更改的内容。注意具体的反馈有助于为下一章节学习。

如果使用文件（没有 artifacts）： 起草后，确认完成。

告知他们 [章节名称] 章节已在 [文件名] 中起草完成。请他们阅读并指出要更改的内容。注意具体的反馈有助于为下一章节学习。

给用户的关键说明（在起草第一个章节时包含）： 提供说明：不要直接编辑文档，而是请他们指出要更改的内容。这有助于学习他们的风格以便用于后续章节。例如："删除 X 要点 - Y 已经涵盖了"或"让第三段更简洁"。

步骤 6：迭代优化

当用户提供反馈时：

• 使用 str_replace 进行编辑（永远不要重新打印整个文档）
• 如果使用 artifacts： 每次编辑后提供 artifact 链接
• 如果使用文件： 只需确认编辑完成
• 如果用户直接编辑文档并要求阅读：在心中记下他们所做的更改，并在后续章节中牢记（这显示了他们的偏好）

继续迭代 直到用户对该章节满意。

质量检查

在连续 3 次迭代没有实质性更改后，询问是否有任何内容可以在不丢失重要信息的情况下删除。

当章节完成时，确认 [章节名称] 已完成。询问是否准备好进入下一章节。

对所有章节重复此过程。

接近完成

当接近完成（80% 以上的章节完成）时，宣布打算重新阅读整个文档并检查：

• 各章节之间的流畅性和一致性
• 冗余或矛盾
• 任何感觉像"废话"或通用填充物的内容
• 每句话是否都有分量

阅读整个文档并提供反馈。

当所有章节都已起草和优化： 宣布所有章节都已起草。表示打算再次审阅完整的文档。

审阅整体连贯性、流畅性、完整性。

提供任何最终建议。

询问是否准备好进入读者测试，或者他们是否想要优化其他内容。

第三阶段：读者测试

目标： 用一个全新的 Claude（无上下文污染）测试文档，验证它对读者是否有效。

给用户的说明： 解释现在将进行测试，看看文档是否真正对读者有效。这可以发现盲点——对作者来说有意义但可能让其他人困惑的内容。

测试方法

如果可以使用子代理（例如在 Claude Code 中）：

直接执行测试，无需用户参与。

步骤 1：预测读者问题

宣布打算预测读者在试图发现这份文档时可能会问什么问题。

生成读者可能实际会问的 5-10 个问题。

步骤 2：用子代理测试

宣布将用一个全新的 Claude 实例（没有这次对话的上下文）测试这些问题。

对于每个问题，只用文档内容和问题调用一个子代理。

总结读者 Claude 对每个问题的正确/错误之处。

步骤 3：运行额外检查

宣布将执行额外检查。

调用子代理检查歧义、错误假设、矛盾。

总结发现的任何问题。

步骤 4：报告和修复

如果发现问题： 报告读者 Claude 在特定问题上遇到困难。

列出具体问题。

表示打算修复这些空白。

返回到有问题的章节进行优化。

---

如果没有子代理访问权限（例如 claude.ai 网页界面）：

用户需要手动进行测试。

步骤 1：预测读者问题

询问人们在试图发现这份文档时可能会问什么问题。他们会在 Claude.ai 中输入什么？

生成读者可能实际会问的 5-10 个问题。

步骤 2：设置测试

提供测试说明：

1. 打开一个新的 Claude 对话：https://claude.ai
2. 粘贴或分享文档内容（如果使用启用了连接器的共享文档平台，提供链接）
3. 向读者 Claude 询问生成的问题

对于每个问题，指示读者 Claude 提供：

• 答案
• 是否有任何内容含糊或不清楚
• 文档假设读者已经知道什么知识/上下文

检查读者 Claude 是否给出正确答案或是否误解了什么。

步骤 3：额外检查

还要问读者 Claude：

• "这份文档中有什么可能对读者来说含糊或不清楚？"
• "这份文档假设读者已经具备什么知识或上下文？"
• "有没有内部矛盾或不一致之处？"

步骤 4：根据结果迭代

询问读者 Claude 答错了什么或在哪里遇到困难。表示打算修复这些空白。

返回到有问题的章节进行优化。

---

退出条件（两种方法）

当读者 Claude 能够一致地正确回答问题，且没有发现新的空白或歧义时，文档就准备好了。

最终审阅

当读者测试通过时： 宣布文档已通过读者 Claude 测试。在完成之前：

1. 建议他们自己做最后一次通读——他们拥有这份文档并对其质量负责
2. 建议仔细检查任何事实、链接或技术细节
3. 请他们验证是否达到了想要的影响

询问他们是否想要再次审阅，或者工作是否完成。

如果用户想要最终审阅，则提供。否则： 宣布文档完成。提供一些最终提示：

• 考虑在附录中链接这次对话，以便读者可以看到文档是如何开发的
• 使用附录提供深度内容而不使主文档臃肿
• 随着从真实读者那里收到反馈而更新文档

有效引导的技巧

语气：

• 直接且程序化
• 当影响用户行为时简要解释理由
• 不要试图"推销"这种方法——只需执行它

处理偏离：

• 如果用户想跳过某个阶段：询问他们是否想跳过此步骤并自由形式地撰写
• 如果用户似乎感到沮丧：承认这比预期花费更长时间。建议加快速度的方法
• 始终给用户调整流程的主动权

上下文管理：

• 全程如果对提到的内容缺少上下文，主动询问
• 不要让空白累积——发现时立即解决

Artifact 管理：

• 使用 create_file 起草完整章节
• 使用 str_replace 进行所有编辑
• 每次更改后提供 artifact 链接
• 永远不要用 artifacts 来做头脑风暴列表——那只是对话

质量优先于速度：

• 不要匆忙通过各个阶段
• 每次迭代都应该有意义的改进
• 目标是一份真正对读者有效的文档