
AI reasoning QA + retake note: when an AI answer disappoints, diagnose where its chain-of-thought
AI reasoning QA + retake note: when an AI answer disappoints, diagnose where its chain-of-thought went wrong and produce a self-contained retake note you paste back, so the original AI answers better. 不满意就诊断那段深度思考哪里错,产出一段可粘回原对话的重拍单(Retake note)。支持文本/图像/视频提示词。Second Take · 诊断与重拍。
·
AI 深度思考质检与重拍单生成 —— 把一段不满意的思考,重拍成更好的答案。
🇨🇳 中文(本页) | 🇬🇧 English
AI 给的答案不满意时,多数人只能反复说“再改改”。说不清哪里不对,改出来往往更差:要么没改到点子上,要么把原本对的地方也一起改了。
Second Take 只做一件事——把那句“不对”拆开,说清楚是哪一步错了、错在什么性质上,然后写成一段可以整段复制、粘回原对话的指令,让那个 AI 重出一版。
它不代写答案。你的习惯、上下文和满意的产物都保留在原 AI 的对话里;它管的只是“怎么让对方改对”。
🌐 一页看懂(它怎么运转、产出长什么样)——中文 · English
若在 DeepSeek 上用,可直接取用 prompts/for-deepseek.md——为它的思考模式调过;其他平台用 prompts/abc.md。英文读者用对应的 prompts/for-deepseek-en.md 与 prompts/abc-en.md。
把 prompts/for-deepseek.md 整段复制,作为新对话的第一条消息发出去,然后把你不满意的结果和它背后的思考过程贴给它。
想要完整版(11 份参考文档 + 43 条自查 rubric + 五种模式)再安装:
npx skills add flashfrogluo/second-take分享给别人时直接给链接,不要让对方去搜:搜
second-take会撞上同名子串(scrump / thumbnail 之类)与排序劣势,second take带空格又会落到语义检索按安装量排序。直链见下方 GitHub 与 skills.sh 两处。
支持范围以 skills CLI 的当前版本为准——清单随版本变化,安装时会列出你的版本支持哪些。
上面没列到的运行时也能用。本 skill 就是一份 Markdown,只要对方读 SKILL.md 就行。WorkBuddy 和 DeepSeek Harness 就属于这种:它们不走 skills CLI,而是各自读自己的 skills 目录,路径见下表。
⭐ 如果它帮到你了,点一下右上角的 Star —— 会进入你账号的 Stars 列表,方便随时找回;点 Watch 可订阅更新。这是目前唯一能让我知道“有人在用”的信号。
EN — One round-trip: you paste a bad output or share link → we return a diagnosis + retake note → you paste it back → the AI gives a better answer.
您 → 贴一段不满意的 AI 输出,或它的对话分享链接
它 → 在内部完成诊断(错在哪条、归哪一类、按四标准给总评),
然后把结论写成一张重拍单(代码块,整段可复制)交给你
您 → 将重拍单粘贴回原 AI 的对话末尾
该 AI → 直接给出更好的最终答案您不用把问题重写一遍。原始对话里的上下文、历史、表达习惯都还在,被切掉的只有那段不合格的推理。
可直接复制的重拍单模板见
references/标注范例.md;下面是一段示意。
输入:用户要一份“给新手的三条摄影构图建议”,某 AI 的深度思考里写了“根据视觉暂留原理,三分法能让画面更顺眼”,并且只给了两条建议。
它内部先诊断出(节选)
重拍单(整段复制,粘到原对话末尾)
忽略本对话中上一轮那段深度思考及其产物,其余指令继续有效。重写“给新手的三条摄影构图建议”:① 三分法……② 引导线……③ 留白……。禁止使用“视觉暂留”等跨领域无关论据;只输出正文,不输出分析过程。
结果:原 AI 直接给出三条带可操作要点的建议,无生搬硬套的论据。
EN — What you get: one retake note, ready to copy and paste back. A short diagnosis accompanies it so you can see what was wrong and what changed — but the note is the deliverable. We do not write the answer for you; you run it in the original chat.
交付物只有一样:一段可以复制的重拍单。粘回原对话末尾,对方 AI 会直接给出最终答案,不会再回你一份“分析”或“建议”。
写单子之前会先做一轮诊断(哪一步错了、错在哪一类、按四标准给个总评),但那是我这边的过程,不占你的操作——你只需要复制那段单子。
本 skill 不会替您把答案写出来。您的上下文在那个 AI 的对话里,必须在那边拿结果。要它直接写,说一句“你直接写”就行。
重拍单是自包含的:你当初给的指令全文嵌在里面,整段复制走也不依赖任何上下文。
它不嵌入原始那段深度思考。里面的臆测和“思考腔”正是问题根源,贴进去模型就会照着重演一遍。
它只给四样东西:你当初给的指令、有效结论清单(从那段深度思考里提炼出的成立判断)、修改要点,以及输出结构骨架(分几节、每节写什么、多长,结论放前面、关键处加粗)和输出要求(含禁用思考腔)。
产出什么要按你给的指令判断,别猜:如果那个要求是提问或要一份内容,就产最终回答;如果它要的交付物本身就是推理过程(提示词工程里思考过程即产物),就产改写后的思考过程。两个模板都在 references/标注范例.md。
直接粘在原始对话末尾就行,不用开新对话。重拍单开头自带定向忽略声明:只切掉那段不合格的深度思考,以及由它直接产出的一版回答;您之前提出的指令、追加要求、表达习惯和思维方式全部继续有效。
这个方法不限领域。它的审查逻辑跟“产物是什么”无关——文案、方案、代码、分析结论、评分标准都同样适用。本 skill 的所有规则都经过抽象,只保留跨领域成立的机理;任何只在单个领域成立的写法都不写进来。
这套方法把整套质检流程“封装”成了电影制作:你不必记 AI 专业的术语,只要认得下面的影视说法,就能点名要它做哪一步。 可以点名的就是下面这张表。
| 模式 / 交付物 | 什么时候用 | 做法 | 点名时说 |
|---|---|---|---|
| 重拍 Reshoot | 主体不成立,或用户明确要求重写 | 全量重写 | 重拍 · 从头写 · 推倒重来 · 全量重写 · 这版完全不对 · 重写 · 重来 · 另起一版 |
| 补拍 Pick-up | 第二轮及以后,主体已成立 | 只改点名的几处,其余按原样沿用 | 补拍 · 在这版基础上改 · 只调这几处 · 补充一点 · 沿用这版 · 微调 · 迭代 · 改几处 |
| 定剪 Final cut | 多轮僵持,或前后版本冲突 | 不再重写,做取舍裁决 | 定剪 · 帮我取舍 · 选哪个 · 定稿 · 裁决一下 · 拍板 · 合并冲突 |
| 调色 Color grading | 主体已完美(四标准达标、无检查项问题),只差质感 / 风格 | 不动结构与事实,只做轻微润色与风格强化 | 调色 · 再润色 · 调语气 · 更有画面感 · 风格统一 · 打磨 · 提质感 · 美化 |
| 包装 Packaging | 整体已达输出标准,需结构化呈现、让人一眼看懂 | 做可视化分析:输出总结、思维导图、可视化图表 | 包装 · 做个图 · 可视化 · 思维导图 · 对比表 · 信息图 · 看板 · 脑图 |
| 重拍单 | 上面每一步都产出它——这是工具交给你的那张单子 | 本质是一段优化与检查指令——既给优化要求,又内带可明确判对错的检查项。可整段复制、粘回原对话,对方 AI 照它直接给出更好的最终答案 | 重拍单 · 生成重拍单 · 给我一张能粘回去的指令 |
前三种解决“对不对”,调色解决“够不够好”,包装解决“讲不讲得清”。
要唤起它,不用点名模式,说这些就够了:
| 你的情况 | 可以直接说 |
|---|---|
| 结果不满意 | 结果不对 / 很难用 / 漏了要点 / 字数不达标 / 输出不像人话 / AI 味太重 / 格式不对 / 答非所问 / 逻辑有问题 / 前后矛盾 |
| 想让它诊断 | 帮我看看这段思考 / 诊断这个推理 / 这段深度思考哪儿错了 / 贴分享链接 / 这是我的提示词出图不对 |
| 想让它改写 | 优化提示语 / 让原 AI 重写一遍 / 挑错 / 复盘 / 复核 / 改写深度思考 / 用这份 rubric 帮我质检 |
| 生成类平台 | 即梦 / 可灵 / Midjourney 出图不对 / 画面不是想要的 / 提示词重拍单 |
调色和包装都不重新评判结论,它们只在主体已经达标之后动表达和呈现。四标准还没全过,就先走前三种。
主体成立时默认走补拍,包括首次审查。重写最大的风险不是写得不好,而是把上一版已经合格的段落一起丢掉。
交付的东西叫重拍单(Retake note)。它本质上是一段优化与检查指令——既写明要改什么,又内带可明确判对错的检查项。自包含,粘过去就能用,不依赖任何上下文。
最后说一个容易误会的边界:上面这些影视词只在你主动使用本工具时才是指令。如果你自己的活儿就是拍电影,文案里本来就写着“重拍”“调色”,那跟本工具无关,不会触发任何环节。
还有一些影视说法只是环节名,出现在诊断报告里,不能拿来点名:
| 影视说法 | 指什么 |
|---|---|
| Dailies / 样片 | 待审素材:原 AI 的推理链与最终答案 |
| Continuity / 穿帮 | 自洽性检查——检查项,不是模式 |
| Missing coverage / 漏镜 | 覆盖不全——检查项,不是模式 |
这两个是检查项——它们用来判断推理坏在哪,不是你可以点名的模式,所以不会出现在触发词里。
默认给的是轻装版。诊断照旧逐条做完,交付只留最需要的部分,最常见的是定点修复:上一版主体已经成立,那就沿用合格的部分,只改几处。
需要完整版时说一声“重要 / 详细点 / 往深了查”;或问题明显是结构性的(好几处都不对、方向错、已经改过好几轮还不行),工具也会直接给完整版——全量重写、逐条诊断、成稿自检都会带上。
npx skills add flashfrogluo/second-take一条命令装到你的 agent——安装时会让你从目标列表里选。支持范围以 skills CLI 的当前版本为准(清单随版本变化,安装时会列出你的版本支持哪些)。
Claude Code 用户也可以走插件市场:
/plugin marketplace add https://github.com/flashfrogluo/second-take.git
/plugin install second-take@second-take两点说明:用 HTTPS URL 而不是
owner/repo简写(简写在部分机器上走 SSH,没配 key 会失败);若你已用npx skills add装过同名 skill,那一份优先于插件版本,想用插件版请先移除旧副本(指向别处的符号链接,删链接即可)。
搜索时写连字符
second-take。 skills.sh 的检索分两种:写second-take走精确匹配;写成带空格的second take会切到语义检索,返回按安装量排序的热门 skill,本工具排在几十名开外。
第三方目录也收录了本 skill:usethisskill.com/skills/second-take。
手动装:各平台把 skill 放在哪
下表只是常见 agent 的目录约定示例,各家路径会随版本调整;以你安装的版本实际行为为准。
| Agent | 项目级 | 用户级 |
|---|---|---|
| Claude Code | .claude/skills/ | ~/.claude/skills/ |
| Codex CLI | .agents/skills/ | ~/.codex/skills/ |
| Cursor | .agents/skills/ | ~/.cursor/skills/ |
| Windsurf | .windsurf/skills/ | ~/.codeium/windsurf/skills/ |
| Cline · Zed | .agents/skills/ | ~/.agents/skills/ |
| Gemini CLI | .agents/skills/ | ~/.gemini/skills/ |
| GitHub Copilot | .agents/skills/ | ~/.copilot/skills/ |
| OpenCode | .agents/skills/ | ~/.config/opencode/skills/ |
| Goose | .goose/skills/ | ~/.config/goose/skills/ |
| WorkBuddy | — | ~/.workbuddy/skills/ |
| DeepSeek Harness | .agents/skills/ | ~/.agents/skills/ |
多数 agent 都会读 .agents/skills/——手动装时放这一处通常就够了。没列到的 agent,只要它会读 SKILL.md 就能用。
只想当提示词用(不装)
把 SKILL.md 正文贴进对话即可。不想自己剪的,用现成的精简应急版:
prompts/for-deepseek.md|-en —— 为 DeepSeek(A 类)调好prompts/abc.md|-en —— 通用版,覆盖 A / B / C 三类⚠️ 四份都是精简应急版(14 条高频硬约束子集,完整版为 34 条)。复制能解决「这一次」;装上才能每次都拿到全量质检。
EN — Supported across all major AIs (DeepSeek, ChatGPT, Gemini, Claude, Midjourney, Sora…) and all output types: text, image, video, and other artifacts — a multi-model, multimodal workflow.
不管您用哪一款 AI,只要它产出的结果您不满意,Second Take 都能接。它覆盖多模型、多模态:DeepSeek、ChatGPT、豆包、通义千问、Gemini、Claude、即梦、可灵、Midjourney、Sora、Runway……,文本推理与图 / 视频生成都算。覆盖的产物类型也不受限:
唯一的判断标准:那个 AI 有没有把推理过程露出来。
| 类 | 代表 AI | 我们审查什么 | 给您什么 | 产物类型 |
|---|---|---|---|---|
| A 完整推理 | DeepSeek、通义千问(思考模式)、Gemini、豆包、Claude | 那段深度思考 | 重拍单(粘贴回原对话) | 文字 / 其他 |
| B 仅推理摘要 | ChatGPT(thinking summary)、部分豆包 / 千问分享快照 | 摘要 + 从产物反推(注明来源) | 重拍单 | 文字 / 其他 |
| C 无推理(生成类) | 即梦、可灵、Midjourney、Sora、Runway | 提示词本身 | 提示词重拍单(可直接粘贴) | 图像 / 视频 |
C 类是本 skill 特意做的适配:生成类模型不给你看推理,但提示词就是它收到的全部指令——把它当深度思考来审,出图 / 出片不对的根因同样查得到(漏要素、内部冲突、形容词没操作化、用了平台不认的词)。三条规矩:不编造平台参数、保留 seed 与参考图、只改出问题的要素、不推翻整张图。
EN — Usage: paste a share link, or paste the user instruction + thinking process directly. Optional inputs: 画面元素描述, target, reference, follow-up instructions.
以下两种方式均可:
# 提供链接(最常见;我打开链接把「深度思考」展开后全选粘过来)
帮我生成重拍单:https://chat.deepseek.com/share/xxxxx
# 直接粘贴内容
帮我检查这一段深度思考是否正确,若不正确或尚可优化,请帮我生成重拍单。
用户指令:……
深度思考:……给的如果是链接,它会让你把页面内容粘过来(skill 运行时不联网,不发任何请求)。拿到后会先跟您确认主指令、追加指令、产出物分别是哪条。
可选输入包括:素材描述(画面元素描述)、目标产物、参考素材,以及您在后续轮次追加的指令(比如“不要分点,输出一长条”)。缺哪一项,依赖它的检查项就直接判“无”。
只有用户指令和深度思考、没有产物和素材的纯文本问答场景也适用,这时检查重点落在指令冲突、覆盖不全、推理缺陷三项。
一轮不满意可以继续说「哪里不对」,它会接着改;改的过程中想到新要求不必等它改完——见 docs/使用与迭代.md。
EN — What to provide for the most accurate diagnosis, by output type (text/code, summary-only, image/video, with reference, or any type).
给的信息越准,诊断就越准。按产物类型提供以下内容;缺了也能先跑、再补:
| 要审的内容 | 尽量提供(越多越准) | 作用 |
|---|---|---|
| 文字 / 代码 / 方案 | ① 你当初给的指令 ② 那段深度思考 ③ 它最终给出的回答 | 深度思考是主证据;原始指令用来核对“漏了哪条要求”;最终回答用来确认“错有没有带进结果” |
| 只有摘要(ChatGPT 等) | ① 你当初给的指令 ② 思考摘要 ③ 最终产物 | 主证据换成产物,结论注明“由产物反推”,并写明“没见到完整推理,覆盖度可能偏低” |
| 图像 / 视频(生成类) | ① 你期望的效果 ② 用的提示词(含参数 / seed / 参考图)③ 本版出图 | 提示词即推理;seed / 参考图决定能不能“只改出错的要素” |
| 带参考 / 目标素材 | ① 目标(您期望的样貌)② 参考(取被点名的那一维)③ 待改的 AI 产物 | 三者要分清,防止“怪圈”:如果把 AI 产物当标准,就会越改越像原错 |
| 任意类型 | 一句“哪里不满意” | 帮我们先做完判定、少绕路;没说我们也能从原始指令和产物反推 |
EN — The Four Standards for an effective deep thinking: Logic, Completeness, Feasibility, Verifiability. Standards judge quality; check items list symptoms.
一段思维链是否有效,按四条标准评价。四条标准是评价标准,检查项是症状清单——前者回答“它好不好”,后者回答“哪儿坏了”。
| 标准 | 定义 | 一句话判据 |
|---|---|---|
| 逻辑性 | 每个思考步骤之间有逻辑关系,互相连接,形成完整的思考过程 | 后一步能不能从前一步推出来 |
| 全面性 | 尽可能全面、细致地考虑问题,不忽略可能的因素和影响 | 用户指令和素材里提到的重要维度,是不是都想到了 |
| 可行性 | 每个思考步骤都能被实际操作和实施 | 读完知不知道下一步具体做什么 |
| 可验证性 | 每个思考步骤都能通过实际的数据和事实验证其正确性和有效性 | 每条结论能不能指出“凭什么这么说” |
流程:先按检查项找出具体错误 → 归口到四条标准 → 给总评 → 据此写重拍单。修改要点必须覆盖四条,缺哪条补哪条。
逐条的判定方法、与检查项的映射表见 references/思维链四标准.md。
EN — Symptom list (check items): the skill scans for three families of problems — conflicts, coverage gaps, reasoning defects. The full itemized list lives in
references/思维链四标准.md.
本工具会自动扫描三类问题,你不必记下这些术语:
完整条目与逐条判定方法,见 references/思维链四标准.md。
EN — The retake note ends with three fixed segments: [Judging Criteria], [Known Defects], [Self-Check].
重拍单不是写完要求就结束,末尾还有三段,顺序固定。“混合模式”说的就是这三段:领域标准由目标 AI 自己写(事前视角),上一版实际犯过的错由我们给种子条目(事后视角),两份合并成一份清单。
| 段 | 撰写方 | 作用 |
|---|---|---|
| 【判定标准】 | 目标 AI 按我们给的规范自行撰写 | 事前先定义“这个领域什么叫好”,防止我们没见过的错 |
| 【已知缺陷】 | 我们(种子条目) | 锚住上一版实际犯过的错——它不知道自己删了哪一条 |
| 【成稿自检】 | 我们(10–12 条 Yes/No) | 写完统一过一遍,答“否”的当场改,自检过程不进正文 |
为什么不全由工具写死:工具给的条目是事后视角(看过坏结果才写出来),只能防住见过的错;让目标 AI 自写的部分是事前视角(拿到指令先定义标准),能防住没见过的错。两者覆盖的是不同的错误集合。
为什么不能全交给它:它会自我评分膨胀,还会从上一版的坏产物反推标准(把“上版分六节”当成标准),写出“内容是否合理”这种判不了的条目。所以元指令必须带护栏——每条都要写明“凭什么判”,没写依据就算“否”;标准只能来自你给的指令和常识,不能来自之前任何一版回答的样子;禁用裸形容词。
默认启用三段。四种情形退回只给【成稿自检】:目标模型能力明显薄弱 / 用户指令极简 / 缺陷已完全可枚举 / 用户所需为最短指令。
⚠️ 可退的只有【判定标准】与【已知缺陷】。【成稿自检】在任何模板(A / B / C)与任何情形下都必带——它防的是“写完不看一遍”,与产物长短无关。
EN — Hard-won lessons now baked into the hard constraints (e.g. never embed the raw thinking process; never drop qualified content on a rewrite).
| 教训 | 症状 |
|---|---|
| 内嵌深度思考全文 | 输出变成“嗯,用户问的是……”式的思考过程,而不是答案 |
| 骨架只写“可分节” | 产出没有层级、没有重点的平铺文字 |
| 元要求进正文 | 正文出现“本回答的工作定义”“判断标准是…”,读者分不清在跟谁说话 |
| 为“可检验”编数字 | 编出精确的轮询间隔、验收岗位名,一眼假,整篇可信度跟着塌 |
| 机械量化指标 | “每节至少两处加粗”→ 通篇加粗;限定列数 → 字段被两两合并 |
| 清单不同源 | 修改要点列七类、输出结构列六类 → 模型按结构执行,第七类整条消失 |
| 结构里没占位 | 只写于修改要点中的要求(如收尾询问段)根本不会被产出 |
| 迭代时推倒重写 | 把上一版已有的合格内容一起丢掉(版本退步) |
| 忽略整段对话 | 一刀切“忽略此前所有回答”,把用户反复强调的习惯也丢了 |
| 为压字数省句子成分 | “也知道”写成“也知”、判断句写成“……而非……”,读者得自己补字才能读通 |
| 论述里每句都以“我”开头 | 主语反复跳转,客观论述降格成主观感受,读起来错乱 |
| 骨架写成要点清单 | 模型把骨架原样抄成提纲,产物变成没有谓语的短语堆砌 |
EN — How we differ: third-party QA of another AI's reasoning, producing a note you paste back — not more thinking, not self-editing.
社区里已经有不少“让 AI 做得更好”的 skill,但我们做的不是同一件事:
| 类别 | 代表 | 它们做什么 | 我们做什么 |
|---|---|---|---|
| 生成侧:让 AI 多想 | adhd(tree-of-thought + 剪枝)、Reasoning-Skill-Claude、auto-reasoning | 在生成时帮 AI 想得更广、更深 | 在生成之后审查它已经想完的那一段 |
| 自我反思侧 | self-refine-skill(GENERATE→CRITIQUE→REFINE→CHECK)、claude-sanity-check | 让 AI 改它自己当次的输出 | 第三方审查另一个 AI 的推理,且产物要能粘回原对话 |
| 文风侧 | avoid-ai-writing(21 类 AI 写作模式)、humanizer | 去 AI 味、改措辞 | 判定推理错在哪(漏项、矛盾、无据引用、约束冲突),文风只是其中一维 |
| 提示词侧 | prompt-architect、prompt-engineering-expert | 改进提示词本身 | 改进“拿着原始指令重答一遍”的指令,且保留原对话上下文 |
一句话:别人做的事,是让 AI 多想一层,或者改它自己的文风;Second Take 做的是第三方质检——读另一段 AI 已经想完的推理,判断错在哪,产出一段能粘回原对话、让原 AI 直接给出最终答案的重拍单。
它会不会直接把答案写出来? 不会,默认只给重拍单。你的上下文在那个 AI 的对话里,结果要在那边拿。要它直接写,说一句「你直接写」就行。
为什么重拍单里没有原来的那段思考? 因为那段思考本身就是问题根源。贴进去模型会照着重演一遍,输出变成「嗯,用户问的是……」。
粘回原对话会不会污染上下文? 不会。重拍单自带定向忽略声明:只忽略上一轮那段深度思考及它直接产出的那版回答,你之前提的指令、追加要求、表达习惯全部继续有效。
只有一段深度思考、没有链接,能用吗? 能。把用户指令和那段思考一起贴进来就行。
迭代到第三轮还在出错怎么办? 换定剪模式:不再重写,做取舍裁决。多轮还在出新错,说明问题不在「写得不够好」而在取舍。
内容都对、就是差点意思,或要拿去汇报,能处理吗? 用调色(只润色表达与风格,不动结构事实)或包装(输出总结、思维导图、图表,便于汇报)。
EN — Privacy: nothing is sent to the author and there is no background collection. The only network call is when you paste a share link: your own machine fetches that shared conversation from its platform (DeepSeek only for now).
EN — Contributing: send us sanitized failure cases (instructions + reasoning/prompt + what went wrong) to help sharpen the rules.
本 skill 的硬约束,是从真实案例里一条条磨出来的。如果您愿意把遇见的“不满意结果”连同原始指令 / 提示词分享给我们,能帮我们把判定打磨得更准——请发邮件到 [email protected],或在仓库提交 issue / PR。
flashfrogluo —— 电影创作出身(摄影 / 导演 / 编剧),现转向 AI 创作、测评与开发。
做这个 skill 的动机来自两个身份交叉:做影像时对「为什么这一镜不对」特别敏感;日常用 AI 时又反复遇到同一个痛点——模型的「深度思考」质量不稳定,逻辑跳步、漏掉明确要求过的维度。
使用建议、测评反馈、能做语料的真实对话、合作想法,都欢迎提 issue / PR,或发邮件到 [email protected]。
MIT。见 LICENSE。
This README is in Chinese. For the full English manual, see docs/guide-en.md —
or README_EN.md for the English version of this page. Every section above also carries a one-line EN note.
🌐 English version:
SKILL.en.md— self-contained English skill for non-Chinese agents and reviewers.
如果你要审的是编码 agent 的实施计划(改哪些文件、跑哪些命令、会不会把能用的代码删掉),
用姊妹 skill implementation-plan-review:同一套方法,专治「动手前先审计划」。
该版本正在 awesome-copilot 收录审核中:https://github.com/github/awesome-copilot/pull/6293
Paste this prompt into your agent. It reads this page and does the setup for you.
Read https://aiagentslisting.com/mcp/second-take to learn what the "Second Take · 再来一条" MCP server does and how to install it. Add it to my coding agent's MCP configuration as documented on that page, then confirm the server connects and list the tools it exposes.Agents can also browse this directory over MCP at https://aiagentslisting.com/api/mcp
npx skills add flashfrogluo/second-takeThis server runs locally, so we can't read its tool list over the web yet.
We could not run this server: it ships no npx package for our sandbox and no public endpoint. The four checks that need a live server are left out, and the grade tops out at B until one exists.
Maintain this server? Claiming proves you own the listing and earns the last 4 points.
Claim this listingPaste this line near the top of your repository's README. The badge always renders the current score.
[](https://aiagentslisting.com/mcp/second-take)Nothing comparable is listed yet.
v1.7.4Release notesv1.7.3Release notesConnect to the AI Agents Listing MCP server at https://aiagentslisting.com/api/mcp using the HTTP transport and complete the sign-in when it asks. Then call the submit_review tool for the listing "second-take" with a rating from 1 to 5 and a short note on what worked and what did not.No reviews yet
Be the first to share your experience with this tool.
One email a week. New agents, MCP servers and skills, and what is actually getting traction.