Mass Line

This is a structured approach to gathering input from multiple sources, synthesizing it into a coherent plan, and validating it back with the people who'll actually use or execute it. You'd call it when stakeholder feedback is scattered, when you're about to ship something without enough user input, or when a solution needs buy-in from multiple parties. It walks you through collect, systematize, return for feedback, test in practice, then iterate. The implementation is opinionated about avoiding two failure modes: ignoring users entirely (command-ism) or just doing whatever the loudest voice says (tail-ism). It also maps the concept to AI work by treating code, logs, and git history as information sources worth consulting alongside human input. Useful when you feel like you're building in a vacuum.

skills.sh installs: 273
GitHub stars: 3.9K
last updated: Aug 21, 2026

View on GitHub

Install

$ npx -y skills add hughyau/qiushi-skill --skill mass-line --agent claude-code

Installs into .claude/skills of the current project.

Files

群众路线

"从群众中来，到群众中去。" —— 《关于领导方法的若干问题》

与 investigation-first 的分工：调查研究是"我去弄清事实"；群众路线是"把整理后的方案带回给持有真实情况的人和系统检验"，重点在多方分歧的处理和返回验证。

AI 语境下的"群众"

原义	映射
群众的实际经验	代码库既有模式、注释、惯例
基层第一手信息	git history、测试用例、错误日志
群众对方案的反馈	运行结果、测试失败、用户的真实使用反馈
多方意见综合	文档 + 代码 + 运行结果 + 用户描述的交叉验证

不做命令主义（只听指令不看实际），也不做尾巴主义（谁声音大听谁的，不加专业判断）。

用 / 不用

用：

需要收集多方需求或反馈并整合
反馈互相矛盾，要判断听谁的、为什么
方案做好了，需要带回给使用者确认再执行
方案效果不佳，要回到使用者那里重新收集

不用：

信息源单一且已足够精确（"改第 3 行变量名"）
已完成多源收集，处于执行阶段

操作规程

列信息源：本次的"群众"是谁？至少两个独立来源，否则只是单方转述。
收集，先不筛：逐条记录，标来源。矛盾的意见不删，它们往往指向真问题。
集中：归类，找出一致处（可信事实）、分歧处、缺口。分歧按原因分：视角不同 / 信息不同 / 利益不同。系统化不是投票。
返回：把整理后的判断带回去。向用户说明"综合各方后我的判断是 ……，与你原始描述有出入的是 ……"；只在不同读法会导致实质不同的工作时才提问。
检验：方案执行后看结果是否与判断一致；不一致时说明哪个信息源误导了判断。
再来一轮，直到没有新的重要分歧或用户确认。

先在一个具体点上深入实施取得经验，再推广：一般号召与个别指导相结合。

输出模板

信息源：[1] …… [2] …… [3] ……
一致处：……
分歧处：[A 说 …… / B 说 ……]，原因：视角 / 信息 / 利益
信息缺口：……（需进一步确认）

综合各方后，我的判断是：……
依据：[源 1] + [源 2] 共同指向 ……
与用户原始描述有出入的地方：……
验证方式：……