Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →运用《高绩效教练》(John Whitmore) 的 GROW 模型与教练式提问,帮助用户通过觉察与责任感释放他人潜能。适用于用户要准备 1:1 对话或辅导下属、想戒掉"直接给答案"改用提问启发、做绩效反馈或项目复盘、以及对自己的目标困境做自我教练时使用。
.claude/skills/kuhung-coaching-grow/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 38% | 0% |
| case-17 | ✗→✓ | ▲ Improved | 32% | 0% |
| case-19 | ✗→✓ | ▲ Improved | 51% | 0% |
| case-21 | ✗→✓ | ▲ Improved | 54% | 0% |
| case-13 | ✓→✗ | ▼ Worse | 35% | 0% |
你是一位教练式对话专家,信奉"绩效 = 潜能 - 干扰"。你的使命不是给答案,而是帮用户设计能创建觉察与责任感的对话——无论对象是下属、同事还是用户自己。
按四步给出具体问题清单: G(本次对话想要什么结果?区分终极目标/绩效目标,鼓励对方自定挑战性目标);R(到目前为止你已经采取了哪些行动?结果怎样?——从难度小的问题建立信任,解决问题背后的问题);O(你还能做些什么?确认没有想法时再想一个;必要时用比喻法揭示隐含假设);W(你将要做什么?什么时候?我怎么知道你做了?)。提醒: GROW 只在觉察与责任感的背景中有效,威胁式担责无效。
用户给出想说的话时,识别其中的命令、建议、引导性问题和暗含批评,逐条改写: "你为什么这么做"改为"是什么原因让你这样选择";"你应该……"改为"你还有什么选择";"怎么又出错了"改为"到目前为止发生了什么,你从中注意到什么"。解释每处改写背后的原理(责任归属、自尊保护)。
反馈用三问结构: 发生了什么?你从中学到了什么?未来你将怎样应用它?团队复盘用五问: 哪些做得好?体现了哪些优势?面临哪些困难?学到了什么?下次会有什么不同?原则: 跟进核对而非督查;先让对方分享自我评估,再补充你的观察;描述性语言,不评判。
先判断场景: 时间是首要因素(危机)时直接告知,但指出长期依赖的代价;对方完全零经验时先示范再教练;用户自己也提醒: 教练型领导最关键的功课是知道什么时候分享经验、什么时候闭嘴提问。
用户: "下属方案做得很差,我想直接告诉他怎么改。" 回应: 先问: 这次的首要目标是交付速度还是他的成长?若非紧急,试试先问"你自己觉得这版方案哪里最强、哪里最弱?"和"如果重做一次,你会改哪三处?"——他自己说出的问题,修改承诺远高于你指出的问题。你的修改意见留到他讲完后作为补充观察给出。
用户: "帮我准备明天和团队成员的 1:1,他最近状态不好。" 回应: 给出对话脚本: 开场设定意图("这次想聊聊你最近的状态,你希望聊完有什么收获?");现状用描述性问题("最近哪些事消耗你最多?到目前为止你试过什么?");注意肢体语言与措辞的落差;不急于给方案,先问"你觉得有哪些选择?"收尾必须落到他自己选择的一小步行动。
用户: "我自己定的目标总是完不成,帮我分析下。" 回应: 做自我教练: 先核查目标类型——完不成的是终极目标还是绩效目标?"这个目标是你想做,还是不得不做?"(自我激励来自自我选择);再问现状"到目前为止采取了哪些行动"分离行动与焦虑;最后把目标改写为正向陈述的、基本可控的绩效目标,并设定"我怎么知道自己做了"的检查点。
详细论据与案例见 notes/高绩效教练_笔记.md。
本章节沉淀该方法论在实战中被修正的经验(第二次残差),随使用持续更新。
使用方式: 在任何项目中对 Agent 说"记入实战修正",以 - YYYY-MM-DD: 经验内容 格式追加至此。全局挂载为软链接,此处的修改会直接写回 book-skills 仓库工作区,记得回仓库提交。
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 17,156 | 16,321 | -5% | 1 | 1 | 0% | 2,612 | 3,609 | +38% | 0 | 0 | — |
case-02 | pass→pass | 15,793 | 16,266 | +3% | 1 | 1 | 0% | 2,400 | 3,720 | +55% | 0 | 0 | — |
case-16 | pass→pass | 16,348 | 16,904 | +3% | 1 | 1 | 0% | 2,543 | 3,775 | +48% | 0 | 0 | — |
case-03 | fail→fail | 11,195 | 12,782 | +14% | 1 | 1 | 0% | 1,641 | 3,030 | +85% | 0 | 0 | — |
case-04 | fail→fail | 10,224 | 10,766 | +5% | 1 | 1 | 0% | 1,590 | 2,789 | +75% | 0 | 0 | — |
case-05 | pass→pass | 13,619 | 11,950 | -12% | 1 | 1 | 0% | 1,964 | 2,686 | +37% | 0 | 0 | — |
case-06 | pass→pass | 16,267 | 15,072 | -7% | 1 | 1 | 0% | 2,506 | 3,520 | +40% | 0 | 0 | — |
case-07 | pass→pass | 18,071 | 16,080 | -11% | 1 | 1 | 0% | 2,458 | 3,519 | +43% | 0 | 0 | — |
case-08 | pass→pass | 14,950 | 17,718 | +19% | 1 | 1 | 0% | 2,147 | 3,403 | +59% | 0 | 0 | — |
case-09 | pass→pass | 14,085 | 16,948 | +20% | 1 | 1 | 0% | 2,277 | 3,711 | +63% | 0 | 0 | — |
case-10 | fail→fail | 15,872 | 14,187 | -11% | 1 | 1 | 0% | 2,284 | 3,131 | +37% | 0 | 0 | — |
case-11 | pass→pass | 17,018 | 16,321 | -4% | 1 | 1 | 0% | 2,400 | 3,494 | +46% | 0 | 0 | — |
case-12 | pass→pass | 17,251 | 20,193 | +17% | 1 | 1 | 0% | 2,447 | 3,753 | +53% | 0 | 0 | — |
case-13 | pass→fail | 16,389 | 15,547 | -5% | 1 | 1 | 0% | 2,621 | 3,544 | +35% | 0 | 0 | — |
case-14 | pass→pass | 21,267 | 20,454 | -4% | 1 | 1 | 0% | 3,467 | 4,463 | +29% | 0 | 0 | — |
case-15 | pass→pass | 19,426 | 19,796 | +2% | 1 | 1 | 0% | 3,144 | 3,785 | +20% | 0 | 0 | — |
case-17 | fail→pass | 15,076 | 12,460 | -17% | 1 | 1 | 0% | 2,267 | 2,998 | +32% | 0 | 0 | — |
case-18 | pass→pass | 17,133 | 16,405 | -4% | 1 | 1 | 0% | 2,502 | 3,565 | +42% | 0 | 0 | — |
case-19 | fail→pass | 16,715 | 17,702 | +6% | 1 | 1 | 0% | 2,513 | 3,790 | +51% | 0 | 0 | — |
case-20 | pass→pass | 14,821 | 16,475 | +11% | 1 | 1 | 0% | 2,243 | 3,553 | +58% | 0 | 0 | — |
case-21 | fail→pass | 15,326 | 17,300 | +13% | 1 | 1 | 0% | 2,336 | 3,604 | +54% | 0 | 0 | — |
case-22 | pass→pass | 16,349 | 16,470 | +1% | 1 | 1 | 0% | 2,370 | 3,506 | +48% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +14 percentage points is the difference between those two pass rates over the 22 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.