domain-modeling (mattpocock/skills)

評測

Codex CLI 0.166（gpt-6-astra，低推理）在專用的 Windows 測試電腦上，每次執行都使用全新的暫存專案與暫存的 HOME/TMPDIR/快取，技能已安裝（實驗組）或未安裝（對照組），或未安裝但把技能的核心要求濃縮成一句話附加在提示詞後（一句話提示組），每個任務的每個組別執行 2 次，關閉網路，封鎖 /tmp 寫入。提示詞從未提及技能（除非下方註明的措辭）。三個任務都使用自然措辭、不點名任何格式：「建立專案的領域詞彙表」（一個圖書館應用，把同一個人稱為 member/patron/borrower/customer）、「記錄這個架構決策」（金額以整數分儲存），以及「會議中的兩個決策；只記錄值得記錄的」（一個難以復原的 Auth0 遷移，和一個不需要記錄的 CSS 類別重新命名），起點是已有 ADR 0001 與 0002 的儲存庫。一句話提示組 = 把整套慣例濃縮成一句話。

三組對照

以 Codex CLI 執行 18 次，採規則式檢查評分，不經 LLM 評審。總分 28.2 / 30，評級為 推薦。

評定：推薦（28.2 / 30）。 來源：mattpocock/skills，skills/engineering/domain-modeling，固定於 commit 4ae2317。安裝：npx skills@latest add mattpocock/skills --skill domain-modeling。授權： MIT（儲存庫 LICENSE）。

這是什麼

domain-modeling 技能（mattpocock/skills）：讓專案的領域語言保持精準。它維護一份 GLOSSARY.md（每個概念一個標準的 粗體 詞彙、精簡的定義、_Avoid_: 同義詞，且不採用泛用的程式術語），並且只在 docs/adr/ 下為難以逆轉、出人意料且確實有所取捨的決策撰寫 ADR，形式是一段簡短文字加上連續編號。

我們如何測試

在專用的 Windows 測試 PC 上使用 Codex CLI 0.166（gpt-6-astra、低推理），每次執行都使用全新的臨時專案與臨時 HOME/TMPDIR/快取，安裝技能（使用技能組）、不安裝（對照組），或是不安裝但把技能核心要求濃縮成一句話附加在提示詞後（一句話組）；每個任務的每組各執行 2 次，關閉網路、封鎖 /tmp 寫入。提示詞完全沒有提到技能名稱（下述措辭除外）。

三個以自然措辭描述、未指名格式的任務：「建立專案的領域詞彙表」（一個把同一個人稱為 member/patron/borrower/customer 的圖書館應用程式）、「記錄這項架構決策」（金額以整數分存放），以及「會議中的兩項決策；該記錄的就記錄」（一項難以復原的 Auth0 遷移，以及一項不必記錄的 CSS 類別重新命名），起點是已有 ADR 0001 與 0002 的儲存庫。一句話提示＝把整套慣例濃縮成一句話。

1. 從過載詞彙建立詞彙表 — 我們的圖書館借閱應用程式用 'member'、'patron'、'borrower' 和 'customer' 來指同一個人（能借書的人）。'loan' 也稱為 'checkout' 或 'rental'。'copy' 是一本實體書，'title' 是抽象的那本書。請建立專案…
2. 記錄一項難以逆轉的決策 — 為儲存庫記錄這項架構決策：我們在 Postgres 中以整數分存放金額，而不用 NUMERIC/DECIMAL，因為付款合作夥伴的 API 使用整數分，而四捨五入的錯誤已經讓我們吃過兩次虧。請寫成文件。
3. 只記錄值得寫成 ADR 的決策 — 今天會議的兩項決策：(a) 我們要把驗證從自家的密碼資料表遷移到第三方身分提供者（Auth0）：要花一季才能復原；(b) 我們把 CSS 類別 .btn-main 改名為 .btn-primary。該記錄的就記錄…

評分採程式化方式（隱藏測試／植入問題召回／限制條件檢查／視情況搭配渲染＋OCR），每次執行 0–5 分。所有分數都不是由 LLM 評審決定。

結果

給第三組的一句話提示："讓專案的領域語言保持精準：撰寫 GLOSSARY.md，每個概念一個標準的粗體詞彙（精簡的定義與 _Avoid_: 同義詞，不採用泛用的程式術語），並且只把難以逆轉、出人意料且確實有所取捨的決策，以簡短、連續編號的 ADR 記錄在 docs/adr/（一段文字，不是範本）。"

平均分數：未使用技能 2.8，使用技能 5.0（差異 +2.2）。每次執行 token：83k 對 80k（0.96x）；時間 45 秒對 35 秒。一句話組：4.61（技能相對一句話提示的增益：+0.39；一句話提示相對未使用技能的增益：+1.8）；一句話組每次執行 83k token，因此技能成本是一句話提示的 0.96 倍。

實際情況

• 對照組 2.80、一句話組 4.61、使用技能 5.00（各 n=6）。對照組做了合理的事，但用自己的形式：一份 DOMAIN*GLOSSARY.md（不是 GLOSSARY.md），用表格或文字段落，兩次執行都沒有 \_Avoid* 行，ADR 則是 263 與 355 字、帶 Context/Decision/Consequences 標題，而慣例要求的是簡短段落；有一次對照組的 ADR 放到 docs/decisions/ 而不是 docs/adr/。
• 技能的兩個判斷都正確：第三個任務的兩次使用技能組執行中，都只把 Auth0 遷移記錄為 ADR 0003（在既有的 0001/0002 之後編號正確），並表示略過 CSS 改名，因為它容易復原。對照組與一句話組也略過了改名，但 control-2 與 one-liner-2 給的理由我的正規表達式沒辨識出來（例行變更、未記錄），所以「告訴我為什麼」這項檢查對它們給分偏低。
• 一句話提示大致能達到格式要求（詞彙表 3.75 與 5.0，ADR 5.0、5.0），但有一份一句話組的詞彙表用了不同版面，因此未通過 _Avoid_ 結構檢查。
• 沒有額外成本：使用技能每次執行 80k token，對照組與一句話組都是 83k。技能在 6/6 次使用技能組執行中都被讀取，而且全程未被指名。

面向分數

這項測試的限制

• 針對檔名、標題、粗體詞彙數量、字數與 _Avoid_ 行做規則式檢查。其中幾項是形式檢查，對照組在沒被告知形式的情況下不可能符合；這些檢查衡量的是對這套內部慣例的遵循程度，而不是一般寫作品質。
• 看到對照組寫出 DOMAIN_GLOSSARY.md、一句話組寫出項目符號式條目後，我放寬了檔名與版面樣式（檔名仍是一項獨立檢查），並以相同規則重新評分所有執行。「為什麼略過 (b)」的正規表達式仍然嚴格。
• 小型合成儲存庫；沒有需要長期維護更新的詞彙表。
• 每組每任務 n = 2：約 1 分以下的差異屬雜訊。
• 規則式評分只能衡量檢查項目看得到的部分，無法判斷品味，也無法判斷結果是否為最佳。

安全性

請見 security.md。掃描：CRITICAL 0 / HIGH 0 / MEDIUM 0。評定：可安全執行（無網路沙盒）。掃描乾淨並不代表技能安全。

總結

對想要這套詞彙表與 ADR 慣例的團隊來說，這項技能第一次就能做對，並讓 ADR 保持精簡，而且不增加 token。一句話指示就能達成大部分效果，因此技能主要省下你每次貼上慣例的功夫。