245 个术语，和 25 条「AI 味」清单

📚 术语库：把「说专业一点」变成一件可自动化的事

爬了一个术语站的全站内容：首页 13 类 117 个词条 + 6 个主题页（后端 / AI / 设计 / git / 产品 / 技术），共 245 个词条，全部解析成结构化数据（中英对照 + 用户话术描述）。

落成三份产物：

还提炼出一个需求表达范式：

组件/概念 + 状态 + 行为 + 边界条件

其中「边界条件」有三问：空 / 错 / 变。

决策：把这个技能装进 Alma，以后说「说专业一点」「这叫什么」「改写需求」就自动术语化。

💬 老实说，245 个词里最有用的是那份 25 条 AI 味清单 —— 因为它是反面的。知道该怎么做很难教会，知道什么算「一眼假」反而很好用。

踩坑：列出 agent 的命令输出了 29000+ 行权限 JSON，用 grep 截断会误判成「没注册」——实际有 8 个 agent。
新建了一个 primary 模式的项目级 agent：指定模型 + bash 白名单，其中 rm -rf / git push / git reset --hard / ssh 四类高危操作设为每次询问。
决策：这个 agent 保持项目级，不全局挂载——避免影响其他项目。

拆完一本 544 页的书，正文从第 9 页起。

固化一个偏好：每页输出必带「原文框」（整页原文 + 规整段落）—— 因为要同时读原书，不能只读转述。

把角色资产从"一份大文件"改造成每个视角独立 JSON：

决策：同一张角色设定图里，必须完全是同一个角色（身份锁贯穿到底）。

参考了一个很火的「巨人之手给玩偶换装」的结构，把它移植到车上：玩偶换装 → 车升级（原厂轮毂 → 运动轮毂 → 护板踏板 → 改色车衣 → 细节 → 亮相）。

两轮修订，都是减法：

全项目改横屏 16:9，六步流水线完整闭环，产出 7 段时间轴：开箱 → 拆原厂 → 五辐枪灰 → 十条锻造 → 复古钢丝 → 金色大 J → 走秀互动。复用之前建的母车与轮毂资产。