老板的「今天必须交」和你的生物钟，今天只能活一个？
群里 @ 全体催命，你既不想撕破脸，又不想加班到假发起飞？
客户只会说「尽快」「详细点」，验收标准比薛定谔的猫还量子？把冷冰冰的压力，变成能发出去的温暖回复。
一套长在沟通里的立体攻防：守（不接锅）— 转（换时间/范围）— 攻（把需求钉死）——再配一个靠谱的超级嘴替，替你开口、还不替你背锅。pressure.skill：我们不煲鸡汤，我们产「能直接发出去」的草稿。
pressure.skill 是一套面向职场高压沟通的 Agent Skill + 本地工具：先和你对齐对方画像与本轮目的，再按场景（推脱施压、柔和催办、对齐模糊需求、必要时立边界）给出中英可发送草稿，并附带对方可能反应的结构化提示（reaction_hints）。支持 Cursor / Claude Code / OpenClaw 同一套对话向导；可选 FastAPI、命令行 bundle_local.py、本地长期档案 counterparties/（复诊与实地反馈校准）。无 API Key 可走模板；配置 Key 后可接 LLM。设计参考 colleague-skill 的「材料结构化 + Skill」思路，场景与实现独立。
阶段：MVP（CI 见 .github/workflows/ci.yml）。Phase 2 本地能力见 docs/phase2-local.md。
检索：pressure-skill · Cursor agent-skills · claude-code · openclaw · 职场沟通 · 拒绝被压力 · 拒绝职场 PUA · 反催办 · 软拒绝 · 立边界 · 催办回复 · 模糊需求对齐 · fastapi · 中英回复草稿
如何验证效果 · Nexent / 训练营提交 · 多平台 Skill · 隐私与长期画像 · 示例与演示 · API 与 CLI · 评测与训练 · 贡献 · 路线图
git clone https://github.com/Someone-hates-Monday/pressure-skill.git
cd pressure-skill也可在 GitHub 页面 Code → Download ZIP，解压后进入目录。
python -m venv .venv
# Windows:
.venv\Scripts\activate
# macOS / Linux:
# source .venv/bin/activate
pip install -r requirements.txt
# 可选：LLM 路由
pip install "pressure-skill[llm]"
# 可选：Streamlit 档案界面
pip install "pressure-skill[ui]"仅使用 Cursor 等 Agent 里的 Skill 向导、不在本机跑 Python 时，可跳过本节；但 bundle_local.py、API、长期档案 CLI 仍需在已克隆的仓库根执行。
在仓库根目录执行（会把 .cursor/skills/pressure-skill/ 复制到用户目录）：
| 目标 | PowerShell（Windows） | macOS / Linux |
|---|---|---|
Cursor + .agents |
.\scripts\install_cursor_personal_skill.ps1 |
bash scripts/install_pressure_skill.sh cursor agents |
| 全部（含 Claude Code、OpenClaw） | .\scripts\install_pressure_skill.ps1 |
bash scripts/install_pressure_skill.sh all |
| 仅 Claude Code | .\scripts\install_claude_code_skill.ps1 |
bash scripts/install_pressure_skill.sh claude |
| 仅 OpenClaw | .\scripts\install_openclaw_skill.ps1 |
bash scripts/install_pressure_skill.sh openclaw |
安装后技能位于例如：~/.cursor/skills/pressure-skill/、~/.claude/skills/pressure-skill/ 等。路径与排障见 docs/skill-adapters.md。
- 用 Cursor（或已安装技能的 Agent）打开本仓库文件夹作为工作区（推荐），或在任意项目里使用已安装的用户级 Skill。
- 在 Agent 对话中启用
/pressure-skill（名称以产品为准）。 - 按向导收集画像与场景，获得可发送草稿；需要结构化检查时，Agent 可能在仓库根运行
bundle_local.py（见 examples/README.md）。
只想快速试 CLI、不走向导：
py -3 scripts/bundle_local.py --relation manager --user-purpose "争取延期" --situation "老板催今天下班前交"| 能力 | 入口 |
|---|---|
| 本地 HTTP API | uvicorn app:app --reload --port 8765 → 见下方 API 与 CLI |
| 长期对方档案 / 复诊 | py -3 scripts/counterparty_cli.py list · 协议见技能内 references/counterparty-long-term.md |
| 发出去后的真实反馈校准 | counterparty_cli.py feedback · examples/feedback-outcome-template.json |
| 导入微信/飞书导出文件 | py -3 scripts/import_chat_export.py --file 导出.txt --slug <slug> |
| Streamlit 管理界面 | streamlit run streamlit_app.py |
本项目不用「像不像某个人」或单一准确率来证明自己，而用你可核对的结果：
| 你怎么看 | 在哪里体现 |
|---|---|
| 能直接发送 | reply_options 是消息体，不是长篇建议 |
| 信息不够会先说不瞎编 | readiness.missing_fields、evidence_score |
| 对方可能怎么回 | reaction_hints（likely / one_line） |
| 发完后能越用越准 | counterparty_cli.py feedback + 本地档案 |
拍视频 / 写推文：固定案例 examples/demo-scenario-manager-deadline.md、裸问对比 examples/raw-agent-baseline-prompt.md、分镜 examples/video-shot-list.md。
完整说明：docs/demo-and-trust.md。欢迎 使用反馈 Issue（脱敏）。
参加 ModelEngine Nexent（重庆大学 AI 训练营 等共用该讨论区）时，提交用智能体与 Cursor Skill 分开维护：
| 形态 | 目录 |
|---|---|
| Nexent 零代码智能体 + 发帖模板 | nexent-camp/ |
| 符合度自检（对照同学作品） | nexent-camp/COMPLIANCE.md |
| Discussions 正文模板 | nexent-camp/SUBMISSION-DISCUSSION.md |
平台文档：Nexent 概览。可选生态：ModelScope MCP、Exa、Datamate（见 nexent-camp/agent/tools-setup.md）。
向导：全平台共用 references/wizard-full-flow.md（画像 → 目的 → 场景 → 话术 / 意图 / reaction_hints）；长期复诊见 counterparty-long-term.md；平台差异见 platform-wizard-notes.md。
- Cursor：仓库内
.cursor/skills/pressure-skill/，常用/pressure-skill。 - Claude Code / OpenClaw：安装脚本写入用户技能目录后，启用 pressure-skill，流程与 Cursor 一致。
- 说明：对话模型由各 Agent 产品决定；Python 脚本仅在克隆下来的仓库根运行。
完整说明：docs/skill-adapters.md · 脚本索引：integrations/README.md
- API / 单次对话：默认不持久化原始对话；请求体仅在当次处理。
- 长期对象（可选）：经你同意后，脱敏画像写入本地
counterparties/{slug}/（已在.gitignore，勿提交真实人名与聊天）。复诊、追加聊天、纠正与实地反馈见counterparty_cli.py与counterparty-feedback-loop.md。 - 无 API Key 时走模板回退；接入云端 LLM 时请自行告知用户数据策略。
uvicorn app:app --reload --port 8765POST /api/v1/profile/from-text— 从聊天记录启发式画像POST /api/v1/advice/bundle— 组合场景；含readiness、reaction_hints- 本地画像：
GET/POST/PUT /api/v1/counterparties、POST .../feedback、POST .../ingest-chat（PRESSURE_DATA_DIR，默认counterparties/）
见 examples/README.md（对比演示、含 reaction_hints 的 JSON、refresh_demo_samples.py）。
py -3 scripts/eval_local.py- 基线：
eval/cases.jsonl；加权命中、must_have/forbidden_substrings等见脚本--help。 - 训练重排：
scripts/train_rerank.py、scripts/train_iter.py - SQLite 闭环：
scripts/import_external_cases.py、scripts/add_feedback.py - 语料与格式：eval/DATA_SOURCES.md、eval/external_sources.md
- 谈判与多智能体协商评测（如 NegotiationArena、LLM-Deliberation）可作为「策略库 + 约束生成」旁证。
- 协助式谈判 / 改写类工作与 advisor 模块一致，可用反馈迭代 prompt。
pip install -e ".[dev]"
pytest- Phase 1：半自动画像、多场景 API、无 Key 模板。
- Phase 2（本地）：Streamlit、
reaction_hints、离线聊天导入、API 本地持久化 — docs/phase2-local.md。未做：飞书/微信 live API、加密云同步。 - Phase 3：行业/文化场景标签、社区策略库、编辑器插件。
MIT