pi-until-done
基于证据驱动的目标循环执行工具，确保任务完成。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：pi-until-done。 它的用途是：基于证据驱动的目标循环执行工具，确保任务完成。 完整的 Skill 内容见：https://321skill.com/skills/pi-until-done/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘使用 /until-done 技能，目标是搭建一个具有用户登录功能的Node.js微服务。’ 它会首先进行TDD规划，列出测试用例，然后循环编写代码、运行测试、验证数据库和API状态，每一步都收集证据。最终，由一个独立的LLM法官根据所有证据裁决服务是否完全可用，只有法官说‘完成’，循环才会停止。
介绍
在AI辅助编程或自动化任务中，用户常面临任务执行不彻底、缺乏验证或结果不可靠的问题。pi-until-done 旨在通过结构化的循环机制，确保AI驱动的任务能够真正“完成”，而非仅提供中间或未经验证的输出。
该Skill通过整合测试驱动开发（TDD）规划、环境状态（mise）验证以及强制性的LLM法官（Judge）门控，构建了一个证据驱动的“/until-done”目标循环。用户设定一个目标后，该Skill会引导AI代理（如Pi）循环执行、收集证据、验证状态，并由独立的LLM法官判断任务是否真正达成，只有通过法官裁决，循环才会终止。
它非常适合依赖AI代理（如Claude、Cursor中的AI助手）进行复杂、多步骤任务开发的工程师、研究员或技术写作者。这些用户需要AI不仅生成代码或文本，还要确保产出的功能正确、环境就绪且目标完全实现。
使用建议是，将其应用于有明确完成标准和可验证结果的任务，如功能开发、环境配置或文档生成。注意事项：由于涉及多次LLM调用和验证步骤，可能会增加任务执行时间和Token消耗，不适合对实时性要求极高的简单查询。
核心特点
核心区别在于引入了强制性的“LLM法官”作为独立裁决环节，并整合了TDD规划与环境验证，形成闭环的证据收集与评估流程，而不仅仅是简单的重试或条件判断。
注意事项
不适合需要即时响应、或完成标准模糊、难以通过证据验证的简单对话任务。
常见问题
pi-until-done 和普通的AI重试功能有什么区别？
它不是简单重试，而是基于TDD规划、环境验证和独立LLM法官裁决的结构化证据循环，确保目标真正达成。
使用它会显著增加成本吗？
会，因为涉及多次LLM调用进行规划、执行和法官裁决，适合对结果可靠性要求高于成本敏感的场景。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/pi-until-done/raw/index.md 读取 pi-until-done 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/pi-until-done/raw/index.md（查看排版版本）