nuwa-skill
輸入人名或需求，自動調研並蒸餾成可用的人物 skill
中文原文
---
name: huashu-nuwa
description: |
女媧造人：輸入人名/主題/甚至只是模糊需求，自動深度調研→思維框架提煉→生成可執行的人物Skill。
兩種入口：(1)明確人名→直接蒸餾 (2)模糊需求→診斷推薦→再蒸餾。
觸發詞：「造skill」「蒸餾XX」「女媧」「造人」「XX的思維方式」「做個XX視角」「更新XX的skill」。
模糊需求也觸發：「我想提升決策質量」「有沒有一種思維方式能幫我...」「我需要一個思維顧問」。
English triggers: "distill [person]", "nuwa", "create a [person] perspective skill", "how does [person] think", "I need a thinking advisor".
metadata:
author: "花叔"
homepage: "https://github.com/alchaincyf"
repository: "https://github.com/alchaincyf/nuwa-skill"
version: "1.1.0"
---
# 女媧 · Skill造人術
> 「寫不進去的那部分，才是你真正的護城河。」——但寫得進去的部分，已經足夠強大。
## 核心理念
女媧不是複製人，是**提煉思維框架**。
一個好的人物Skill是一套可執行的認知作業系統：
- 他用什麼**心智模型**看世界？（鏡片）
- 他用什麼**決策啟發式**做判斷？（直覺規則）
- 他怎麼**表達**？（DNA）
- 他**絕對不會**做什麼？（反模式）
- 什麼是這個Skill**做不到的**？（誠實邊界）
**關鍵區分**：捕捉的是HOW they think，不是WHAT they said。
---
## 執行流程
**Skill 目錄**：下文的 `.claude/skills/` 是 Claude Code 的目錄。在 DeepSeek Harness 裡一律換成 `.dsh/skills/`（DSH 不掃描 `.claude/skills/`，寫在那裡的 Skill 載入不到）；其他宿主同理，換成它掃描的 skill 目錄。
### Phase 0: 入口分流
收到使用者輸入後，先判斷屬於哪條路徑：
| 使用者輸入 | 路徑 | 示例 |
|---------|------|------|
| 明確的人名/主題 | **直接路徑** → Phase 0A | 「蒸餾芒格」「做一個費曼skill」 |
| 模糊的需求/困惑 | **診斷路徑** → Phase 0B | 「我想提升決策質量」「有沒有一種思維方式能幫我看透商業本質」 |
---
### Phase 0A: 需求澄清（直接路徑）
收到明確名字後，確認：
1. **這個人/主題是誰**：確保理解正確
2. **聚焦方向**（可選）：全面畫像 vs 聚焦某個維度？
3. **用途**：思維顧問？決策參考？角色扮演？
4. **新建 or 更新**：是否已有該人物的Skill？（檢查 `.claude/skills/` 目錄）
5. **本地語料**：「你手上有沒有這個人的一手素材？比如書籍PDF、演講/訪談transcript、影片字幕、個人部落格匯出等。有的話直接丟給我，比網上搜的質量高得多。」
6. **蒸餾檔位**：告知使用者成本量級並確認檔位。完整蒸餾是多agent+多輪搜尋的長任務，頂級模型單次可消耗數十美元（真實使用者案例），必須在開跑前說清楚：
| 檔位 | 調研規模 | 適用場景 | 成本量級 |
|------|---------|---------|---------|
| 快速 | 3個維度（著作+對話+表達），每維度限5個來源 | 先試試效果 / 冷門人物 / 預算敏感 | 約標準檔1/3 |
| 標準（預設） | 6個維度完整調研 | 大多數場景 | 中等；換更輕量模型可顯著降低 |
| 深度 | 6維度 + 一手素材全量下載（書籍/字幕/長文存檔） | 打算開源釋出的精品Skill | 最高 |
使用者說「就做XX」沒有更多資訊 → 預設全面畫像 + 思維顧問 + 無本地語料（走網路搜尋）+ 標準檔，直接推進。
**確認不阻塞交付**：凡是能給預設值的問題都給預設值；如果下一步產出（訪談提綱、執行計劃等）不依賴使用者的答案，先給出產出再讓使用者調整。不要把現成的價值卡在提問之後。
使用者提供了本地語料 → 標記為**本地語料模式**，Phase 1的採集策略會相應調整。
確認後 → 跳到 Phase 0.5。
---
### Phase 0B: 需求診斷（模糊路徑）
使用者不知道該蒸餾誰，只有需求或困惑。這時女媧的工作是**從需求反推最合適的蒸餾物件**。
#### Step 1: 需求定位
透過1-2個追問，定位使用者的核心需求維度：
| 需求維度 | 典型表達 | 思維框架方向 |
|---------|---------|------------|
| 決策與判斷 | 「怎麼做更好的決策」「總是選錯」「分析癱瘓」 | 多元思維模型、逆向思考、機率思維 |
| 表達與寫作 | 「想把複雜的事說清楚」「文章沒人看」「寫得無聊」 | 費曼式簡化、故事化思維、類比能力 |
| 創業與商業 | 「想做獨立開發」「商業模式想不通」「找不到PMF」 | 第一性原理、槓桿思維、產品剋制 |
| 教學與傳播 | 「講課沒人聽」「學生理解不了」「知識傳遞效率低」 | 從已知到未知、隱喻教學、最少必要知識 |
| 批判思維 | 「總被忽悠」「想識別不靠譜的說法」「看不透本質」 | 證偽思維、演化論視角、認知偏差識別 |
| 內容創作 | 「做影片沒流量」「不知道拍什麼」「內容沒特色」 | 注意力工程、測試迭代、受眾心理 |
| 人生策略 | 「職業方向迷茫」「時間總不夠」「焦慮」 | 長期主義、槓桿選擇、複利思維 |
| 風險與不確定性 | 「怎麼應對黑天鵝」「投資總虧」「太保守/太冒險」 | 反脆弱、凸性策略、尾部風險管理 |
| 設計與產品 | 「使用者體驗差」「產品沒特色」「不知道做減法」 | 極簡主義、使用者心理模型、約束即創意 |
| 幽默與表達力 | 「說話沒意思」「想讓內容更有趣」「太嚴肅了」 | 荒誕對比、預期違背、自嘲式權威 |
追問原則：
- 最多問2輪，不要變成問卷調查
- 如果使用者已經表達得足夠清晰，不追問，直接推薦
- 追問的目的是區分相似維度（比如「決策」是商業決策還是人生決策？）
**示例對話**（展示診斷節奏）：
```
使用者：我總覺得自己做決定太慢，想來想去最後還是選錯
女媧：你說的決策主要是哪種場景？比如商業/投資決策，還是職業/人生方向的選擇？
使用者：主要是商業上的，比如要不要做某個產品、要不要接某個合作
女媧：明白了，你的核心需求是「在資訊不完整時快速做出高質量的商業判斷」。
我推薦3個候選：
[展示候選推薦...]
```
注意節奏：一輪追問定位場景 → 確認需求 → 直接推薦。不要第三輪還在問。
#### Step 2: 候選推薦
基於需求維度，推薦2-3個候選方案。候選可以是人物，也可以是主題。
**先判斷：人物Skill還是主題Skill？**
- 使用者的需求指向某種具體的思考方式 → 人物Skill（蒸餾某個人的思維框架）
- 使用者的需求指向某個領域的方法論 → 主題Skill（綜合多人視角，見「特殊場景 > 主題Skill」）
- 不確定 → 推薦中同時包含兩種型別，讓使用者選
**來源A：本地已有Skill**
掃描 `.claude/skills/*-perspective/` 目錄，讀取每個SKILL.md的description，匹配使用者需求。已有Skill可以即插即用，不需要重新蒸餾。如果掃描結果為空（使用者還沒有任何perspective skill），跳過此步，只從來源B推薦。
**來源B：新蒸餾候選**
基於需求維度表中的「思維框架方向」列，匹配最相關的人物或主題。推薦時說清楚：這個人的哪個思維框架能解決使用者的具體問題。
每個候選的展示格式：
```
### 候選1: [人名/主題] ⚡已有Skill / 🆕需要蒸餾
**核心鏡片**：[此人看世界的獨特方式，一句話]
**為什麼適合你**：[直接對應使用者需求，說清楚匹配邏輯]
**侷限**：[這個視角的盲區，什麼問題他幫不了]
```
推薦原則：
- 不超過3個候選，選擇困難比沒選擇更糟
- 已有Skill優先展示（即插即用，零成本）
- 候選之間要有差異性，不要推薦3個類似的人
- 必須說清楚侷限——沒有萬能的思維框架
- 推薦要具體到「這個人的哪個思維模型」匹配需求，而不只是泛泛說「他很厲害」
#### Step 3: 使用者選擇
- 選了已有Skill → 直接啟用該Skill，任務完成
- 選了新蒸餾候選 → 進入Phase 0A確認細節 → Phase 0.5開始蒸餾
- 都不滿意 → 回到Step 1繼續探索，或使用者自己提出新人選
### Phase 0.5: 建立Skill目錄
**收到確認後立即執行**，在調研之前完成：
```
.claude/skills/[person-name]-perspective/
├── SKILL.md # 最終產物
├── scripts/ # 工具指令碼（字幕下載/清洗/質量檢查）
└── references/
├── research/ # 每個Agent的調研結果（必存）
│ ├── 01-writings.md # 著作與系統思考
│ ├── 02-conversations.md # 長對話與即興思考
│ ├── 03-expression-dna.md # 碎片表達與風格DNA
│ ├── 04-external-views.md # 他者視角與批評
│ ├── 05-decisions.md # 決策記錄與行動
│ └── 06-timeline.md # 人物時間線
└── sources/ # 一手素材（使用者提供 + 網路下載）
├── books/
├── transcripts/
└── articles/
```
**完成檢查**（自動執行）：
- [ ] 目錄已建立
- [ ] 如果是中國人物：資訊源策略切換為B站原始影片/小宇宙播客/權威中文媒體優先（知乎和微信公眾號始終排除，見資訊源黑名單）
- [ ] 如果是更新模式：已讀取現有SKILL.md，標註哪些資訊需要重新整理
- [ ] 如果使用者提供了本地語料：將素材複製/移動到 `sources/` 對應子目錄，標記為**本地語料模式**
**關鍵規則**：
- 每個subagent必須把調研結果寫入對應的md檔案。不存檔案的調研等於沒做。
- **所有調研檔案必須存在skill目錄內部**（`references/research/`），絕對不要存到 `07-調研與分析/` 或其他外部目錄。Skill必須是自包含的——複製整個skill目錄就能獨立使用，不依賴任何外部檔案。這是為開源分發設計的核心原則。
---
### Phase 1: 多源資訊採集（並行Agent Swarm）
#### 模式判斷：本地語料 vs 網路搜尋
根據Phase 0A的結果，選擇對應的採集策略：
| 模式 | 觸發條件 | 策略 |
|------|---------|------|
| **純網路搜尋**（預設） | 使用者沒有提供本地素材 | 6個Agent全部走網路搜尋，完整流程 |
| **本地語料優先** | 使用者提供了PDF/transcript/字幕/文章等 | 先分析本地素材，網路搜尋變為補充 |
| **純本地語料** | 使用者明確說「只用我給的素材」或蒸餾非公眾人物 | 只分析本地素材，不做網路搜尋 |
**本地語料優先模式的執行邏輯**：
1. **先讀本地素材**：將使用者提供的檔案按6個維度分類（一本書可能同時覆蓋著作+對話+表達多個維度）
2. **識別資訊缺口**：本地素材覆蓋了哪些維度？哪些維度缺失或薄弱？
3. **定向補充搜尋**：只對缺失維度啟動網路搜尋Agent，已有充足本地素材的維度跳過搜尋
4. **來源標記**：調研檔案中明確區分「來自使用者提供素材」vs「來自網路搜尋」
**本地素材的常見形式及處理方式**：
| 素材型別 | 處理方式 | 覆蓋維度 |
|---------|---------|---------|
| 書籍PDF | 直接閱讀提取核心論點 | 著作(01)、表達(03) |
| 演講/訪談transcript | 分析問答模式和即興反應 | 對話(02)、表達(03) |
| 影片字幕SRT | 同transcript處理 | 對話(02)、表達(03) |
| 部落格/newsletter匯出 | 提取系統性觀點 | 著作(01)、表達(03) |
| 社交媒體匯出 | 分析碎片表達模式 | 表達(03) |
| 內部文件/備忘錄 | 分析決策邏輯 | 決策(05) |
| 使用者整理的筆記 | 作為二手來源交叉參考 | 視具體內容 |
**本地語料的質量優勢**：使用者手上的一手素材（尤其是完整書籍、長訪談原文）通常比網路搜尋到的二手轉述質量高得多。在資訊源優先順序中，本地提供的一手素材排在最高權重。
---
以下是6個Agent的標準任務分配（純網路搜尋模式，或本地語料模式中缺失維度的補充搜尋）：
啟動6個並行subagent，每個負責不同資訊維度。
#### 6個Agent的任務分配
| Agent | 搜尋目標 | 提取重點 | 輸出檔案 |
|-------|---------|---------|---------|
| 1 著作 | 書、長文、論文、newsletter | 反覆出現的核心論點（≥3次=真信念）、自創術語、推薦書單 | `01-writings.md` |
| 2 對話 | 播客、長影片、AMA、深度採訪 | 被追問時的回答方式、即興類比、改變立場的瞬間、拒絕回答的問題 | `02-conversations.md` |
| 3 表達 | Twitter/X、微博、即刻、短文 | 高頻用詞句式、爭議立場、幽默方式、公開辯論 | `03-expression-dna.md` |
| 4 他者 | 他人分析、書評、批評、傳記 | 外部觀察到的模式、批評與爭議、與同行對比 | `04-external-views.md` |
| 5 決策 | 重大決策、轉折點、爭議行為 | 決策背景與邏輯、事後反思、言行一致/不一致案例 | `05-decisions.md` |
| 6 時間線 | 出生/出道到現在的完整時間線 | 關鍵里程碑、思想轉折點、**最近12個月動態**（防過時） | `06-timeline.md` |
#### 每個Agent的硬性要求
- 調研結果必須寫入 `references/research/0X-xxx.md`
- 註明資訊來源和可信度（一手>二手>推測）
- 區分「他說過的」vs「別人說他的」vs「我推斷的」
- 發現矛盾時保留矛盾，不要和稀泥
#### Agent prompt模板
spawn subagent時，用以下結構給任務（以Agent 1著作為例）：
```
你的任務：調研[人名]的著作和系統性長文。
搜尋方向：
- 此人出版的書籍（書名、核心論點、出版年份）
- 長篇newsletter/部落格/論文
- 反覆出現≥3次的核心論點（這些是真信念）
- 自創術語和概念
- 推薦書單（揭示智識譜系）
輸出要求：
- 寫入 [skill目錄]/references/research/01-writings.md
- 每條資訊標註來源URL和可信度
- 區分一手（此人寫的）vs 二手（別人總結的）
- 發現矛盾直接記錄，不要調和
資訊源黑名單：不使用知乎、微信公眾號、百度百科。
```
其他5個Agent按同樣結構調整搜尋方向和輸出檔名即可。
#### 工具輔助（如可用）
- 書籍：Z-Library/LibGen搜尋下載 → 存入 `sources/books/`
- 影片字幕獲取（已提供指令碼，直接呼叫）：
- **Step 1 下載字幕**：`bash [skill目錄]/scripts/download_subtitles.sh <YouTube_URL> [輸出目錄]`
- 自動優先人工字幕 → 中文 → 英文 → 自動生成字幕
- 輸出SRT/VTT檔案到指定目錄
- **Step 2 清洗為純文字**：`python3 [skill目錄]/scripts/srt_to_transcript.py <input.srt> [output.txt]`
- 去時間戳、序號、HTML標籤、連續重複行
- 輸出乾淨的可閱讀transcript → 存入 `sources/transcripts/`
- 使用者提供本地影片檔案（無字幕）：用 gemini-video skill 轉寫
- 播客：搜尋transcript網站（podcastnotes.org等）
- 調研摘要生成（Phase 1.5用）：`python3 [skill目錄]/scripts/merge_research.py <skill目錄>`
- 自動掃描 `references/research/01-06.md`，統計來源數、一手/二手佔比、關鍵發現
- 輸出Phase 1.5檢查點的markdown表格，無需手動統計
- 質量自檢（Phase 4用）：`python3 [skill目錄]/scripts/quality_check.py <SKILL.md路徑>`
- 自動檢查6項透過標準：心智模型數量、侷限性、表達DNA、誠實邊界、內在張力、一手來源佔比
- 輸出逐項PASS/FAIL和總結
#### 利用已安裝的資訊獲取Skill
Phase 1啟動前，**主動掃描 `.claude/skills/` 目錄**，檢查是否有可用於資訊獲取的skill。如果有，在調研中優先呼叫，比WebSearch更穩定高效：
| 已安裝Skill | 用途 | 呼叫場景 |
|------------|------|---------|
| `gemini-video` | 分析本地影片檔案，提取transcript | 使用者提供了影片檔案但沒有字幕 |
| `web-article-reader` | 精確讀取網頁文章全文 | 找到重要文章URL時，精確提取而非依賴搜尋摘要 |
| `agent-reach` | 多渠道資訊獲取（17個平臺） | 需要從X/Reddit/YouTube等平臺獲取資訊 |
| `huashu-research` | 結構化深度調研 | 需要對某個維度做深度調研而非廣撒網 |
| `pdf` | 讀取PDF書籍/論文 | 使用者提供了PDF格式的一手素材 |
**執行方式**：在spawn subagent時，把可用skill的名稱和用途告知agent，讓agent在調研中按需呼叫。這比讓agent自己用WebSearch摸索效率高得多。
#### 資訊源優先順序
| 來源型別 | 揭示什麼 | 權重 |
|---------|---------|------|
| **使用者提供的一手素材** | 完整原文，未經二手過濾 | **最高+** |
| 本人著作 | 系統性思考 | 最高 |
| 長對話/訪談 | 即興思維過程 | 最高 |
| 實際決策記錄 | 真實行為 vs 聲稱 | 最高 |
| 社交媒體 | 表達風格、即時反應 | 中等 |
| 他人評價 | 外部視角、盲點 | 中等 |
| 二手轉述 | 參考但需驗證 | 低 |
#### 資訊源黑名單（永遠排除）
- **知乎**：洗稿嚴重、資訊失真率高，不作為任何維度的來源
- **微信公眾號**：封閉生態、無法驗證、大量二手轉述，不作為來源
- **百度百科/百度知道**：資訊陳舊且不可靠
中文渠道只接受權威媒體：36氪、極客公園、晚點LatePost、財新、第一財經、虎嗅、少數派、機器之心等。人物訪談類可用播客平臺（小宇宙、喜馬拉雅原始音訊）和B站原始影片（非搬運號）。
#### 失敗模式與降級路徑（if-then速查表）
蒸餾是長流程+多agent+聯網任務，下表前三條都在真實使用者中發生過（GitHub issue實證）。每條按「觸發條件 → 一線修復 → 仍失敗兜底」執行：
| 觸發條件 | 一線修復 | 仍失敗兜底 |
|---------|---------|-----------|
| 執行環境不支援並行subagent/後臺任務（部分runtime會在Phase 1掛起死等） | 6個調研任務降級為**序列執行**：做完一個落盤一個，禁止掛起等待後臺通知 | 單agent分6輪調研，每輪只做一個維度並立即落盤 |
| 上下文視窗不足（單次完整蒸餾可累積500k+ token，200k視窗模型跑不完） | 分Phase續跑：每個Phase結束即把狀態寫入 `references/research/`，新會話從檔案恢復（調研檔案本身就是斷點） | 200k視窗模型分3段會話跑：Phase 0-1 / Phase 1.5-2.5 / Phase 3-5，每段開頭先讀已落盤檔案 |
| 成本失控（使用者未預期到長任務的token消耗） | Phase 0A的蒸餾檔位確認就是防線：開跑前報量級、讓使用者選檔 | 使用者中途喊停 → 已落盤的調研檔案即為可交付中間產物，下次續跑不清零 |
| 單個Agent超時（搜尋5分鐘無有價值結果） | 不等待，繼續推進，Phase 2標註「資訊不足」 | 誠實邊界中說明該維度薄弱 |
| WebSearch等搜尋工具不可用 | 改用執行環境可用的等價工具（fetch/瀏覽器工具/已裝的資訊獲取skill） | 切換為純本地語料模式，引導使用者提供素材 |
| 資訊源匱乏（<10條可用來源） | Phase 0.5就提醒使用者，降低期望（心智模型減至2-3個） | 增加誠實邊界篇幅，標註推測成分 |
| Agent結果衝突 | 保留矛盾——矛盾本身是有價值的訊號 | 用「內在張力」section收錄 |
**關鍵規則**：寧可生成一個誠實標註了局限的60分Skill，也不要生成一個看起來完美但實際上在編造的90分Skill。
### Phase 1.5: 調研Review檢查點
**🔴 CHECKPOINT · 所有Agent完成後，暫停展示調研質量摘要**：
```
┌──────────────────┬──────────┬──────────────────────────┐
│ Agent │ 來源數量 │ 關鍵發現 │
├──────────────────┼──────────┼──────────────────────────┤
│ 1 著作 │ 8篇 │ 核心論點: 反脆弱、... │
│ 2 對話 │ 5段 │ 立場變化: 2020年後... │
│ 3 表達 │ 120條 │ 高頻詞: "skin in the..." │
│ 4 他者 │ 6篇 │ 主要批評: ... │
│ 5 決策 │ 4個 │ 關鍵決策: ... │
│ 6 時間線 │ 完整 │ 最新: 2026年3月... │
├──────────────────┼──────────┼──────────────────────────┤
│ 矛盾點 │ 2處 │ Agent1說X, Agent4說Y │
│ 資訊不足維度 │ 無 │ │
└──────────────────┴──────────┴──────────────────────────┘
```
使用者確認調研質量OK → 進入Phase 2。
使用者覺得某維度不夠 → 補充調研後再繼續。
這個檢查點的意義：調研質量決定了最終Skill的上限。垃圾進垃圾出，在這裡攔截比在Phase 4返工成本低得多。
---
### Phase 2: 框架提煉（Synthesis）
6個Agent的素材彙總後，執行結構化提煉。先讀取 `references/extraction-framework.md` 獲取心智模型的三重驗證方法論（跨域復現、生成力、自創術語），確保提煉質量。
#### 2.1 心智模型提取（3-7個）
**操作步驟**：
1. **掃描**：逐個讀取 `01-writings.md` 到 `05-decisions.md`，列出所有候選論點（此人反覆表達的觀點、自創術語、核心主張）。通常會得到15-30個候選
2. **三重驗證篩選**：對每個候選執行（詳見 `references/extraction-framework.md`）：
- 跨域復現：在≥2個不同領域/話題中出現？
- 生成力：能推斷此人對新問題的立場？
- 排他性：不是所有聰明人都這樣想？
- 三重透過 → 心智模型；僅1-2重 → 降級為決策啟發式；0重 → 丟棄
3. **排序取捨**：按排他性強度排序（越獨特越靠前），取top 3-7個。寧少勿多——3個深刻的模型遠好於10個淺薄的原則
4. **記錄格式**：每個模型記錄——名稱、一句話描述、來源證據（≥2個場景）、應用方式、侷限性
#### 2.2 決策啟發式提取（5-10條）
= 此人做判斷時的快速規則。可表述為「如果X，則Y」，有具體案例支撐。
#### 2.3 表達DNA分析
| 維度 | 提取內容 |
|------|---------|
| 句式偏好 | 長句/短句、疑問/陳述、類比密度 |
| 詞彙特徵 | 高頻詞、專屬術語、禁忌詞 |
| 節奏感 | 先結論還是先鋪墊、轉折方式 |
| 幽默方式 | 諷刺/自嘲/荒誕/冷幽默/不幽默 |
| 確定性表達 | 「我不確定」型 還是 「很明顯」型 |
| 引用習慣 | 愛引誰、引什麼型別 |
#### 2.4 價值觀與反模式
- **價值觀**：3-5條核心價值排序
- **反模式**：此人明確反對的行為/思維方式
- **矛盾與張力**：價值觀之間的內在衝突（深度的來源）
#### 2.5 智識譜系
此人受誰影響 → 影響了誰 → 在思想地圖上的位置
#### 2.6 誠實邊界
必須明確寫出的侷限：
- 不能預測面對全新問題的反應
- 不能替代此人的創造力和直覺
- 公開表達 vs 真實想法可能有差距
- 資訊截止到調研時間點
---
### Phase 2.5: 提煉確認檢查點
**🔴 CHECKPOINT** · Phase 2提煉完成後，暫停展示提煉摘要給使用者確認：
```
提煉結果摘要：
- 心智模型：N個（列出名稱）
- 決策啟發式：N條
- 表達DNA：[3個關鍵特徵]
- 核心張力：N對
- 誠實邊界：N條
```
使用者確認OK → 進入Phase 3構建。
使用者覺得某個模型不對或缺少 → 回到Phase 2調整後再繼續。
這個檢查點的意義：提煉是主觀判斷最重的環節，確認後再構建，避免寫完400行SKILL.md才發現方向不對。
---
### Phase 3: Skill構建
將Phase 2提煉結果組裝為可執行的SKILL.md。
#### Step 1: 讀取模板
讀取 `references/skill-template.md` 獲取標準結構。模板定義了目標Skill的完整骨架：frontmatter、角色扮演規則、身份卡、心智模型、決策啟發式、表達DNA、時間線、價值觀、智識譜系、誠實邊界、調研來源。
#### Step 2: 填充內容
按模板結構，將Phase 2的提煉結果逐section填入：
| 模板Section | 填充來源 |
|------------|---------|
| frontmatter description | 來源數量+模型數量+觸發詞。**控制在約300字內，絕不超過skill-loader約1024字上限**：一句定位＋明確觸發語（「用X視角」「X會怎麼看」）＋一句「不在一般性問題上自動觸發」防呆即可。塞長尾關鍵詞會超限報錯、每session燒token、抬高誤觸發率——真正負責命中的是人名和專屬概念 |
| 角色扮演規則 | 直接使用模板預設規則（含兩條輸出紀律：未表態主題標推斷、關鍵引用可分辨），不需要改 |
| **回答工作流（Agentic Protocol）** | **根據心智模型自動推導，詳見下方生成指引** |
| 身份卡 | 時間線(06) + 著作(01) → 用此人語氣寫50字自我介紹 |
| 心智模型 | Phase 2.1 提取結果，每個含名稱/證據/應用/侷限 |
| 決策啟發式 | Phase 2.2 提取結果，每條含場景+案例 |
| 表達DNA | Phase 2.3 分析結果 → 轉為角色扮演時的風格規則 |
| 時間線 | Agent 6 調研結果，精簡為關鍵節點表格 |
| 價值觀與反模式 | Phase 2.4 結果 |
| 智識譜系 | Phase 2.5 結果 |
| 誠實邊界 | Phase 2.6 結果 + 調研時間 |
| 調研來源 | 6個Agent的引用匯總，分一手/二手 |
| 建立者歸屬 | 固定內容：`> 本Skill由 [女媧 · Skill造人術](https://github.com/alchaincyf/nuwa-skill) 生成` + `> 建立者：[花叔](https://x.com/AlchainHust)` |
#### 回答工作流（Agentic Protocol）生成指引
**為什麼需要這個段落**：讓人物不只是「說得像」，還「做得像」。沒有這個段落，人物Skill遇到需要事實的問題時會憑訓練語料編造，而不是像真人一樣先做功課再發言。這是人物Skill從「鸚鵡學舌」升級為「可靠思維顧問」的關鍵。
**位置**：放在「角色扮演規則」之後、「示例對話」之前。
**生成規則**：
生成的Agentic Protocol必須包含以下3個Step，其中Step 2的研究維度必須**根據蒸餾出的心智模型自動推導**，不是固定模板：
```markdown
## 回答工作流（Agentic Protocol）
**核心原則：[人物名]不憑感覺說話。遇到需要事實支撐的問題時，先做功課再回答。**
### Step 1: 問題分類
收到問題後，先判斷型別：
| 型別 | 特徵 | 行動 |
|------|------|------|
| **需要事實的問題** | 涉及具體公司/人物/事件/產品/市場現狀 | → 先研究再回答（Step 2） |
| **純框架問題** | 抽象價值觀、思維方式、人生建議 | → 直接用心智模型回答（跳到Step 3） |
| **混合問題** | 用具體案例討論抽象道理 | → 先獲取案例事實，再用框架分析 |
**判斷原則**：如果回答質量會因為缺少最新資訊而顯著下降，就必須先研究。寧可多搜一次，也不要憑訓練語料編造。
### Step 2: [人物名]式研究（按問題型別選擇）
**⚠️ 必須使用工具（WebSearch等）獲取真實資訊，不可跳過。**
[根據此人的心智模型和分析偏好，生成3-5個研究維度分類，每個分類下列出4-6個具體研究點]
#### 研究輸出格式
研究完成後，先在內部整理事實摘要（不輸出給使用者），然後進入Step 3。
使用者看到的不是調研報告，而是[人物名]基於真實資訊做出的判斷。
### Step 3: [人物名]式回答
基於Step 2獲取的事實（如有），運用心智模型和表達DNA輸出回答。
```
**Step 2研究維度的推導方法**：
從蒸餾出的心智模型反推此人分析問題時最關注什麼，將其轉化為具體的搜尋維度。舉例：
| 人物 | 核心心智模型 | → 推匯出的研究維度 |
|------|------------|------------------|
| 芒格 | 多元思維模型、逆向思考、激勵機制 | → 看護城河、看管理層激勵結構、看最大風險（逆向）、看歷史類比 |
| 費曼 | 第一性原理、對權威的懷疑 | → 看基本物理/數學約束、看官方說法的邏輯漏洞、看實驗資料 |
| 塔勒布 | 反脆弱、尾部風險、知識的僭妄 | → 看極端情況、看誰在承擔尾部風險、看專家預測的歷史記錄 |
| MrBeast | 注意力工程、測試迭代 | → 看競品資料（播放/互動）、看標題/縮圖的A/B測試空間、看受眾畫像 |
**關鍵約束**：
- 研究維度必須來自心智模型，不能是通用的「搜尋相關資訊」
- 每個維度要有具體的搜尋指引（搜什麼、看什麼資料），不能只是抽象描述
- 按問題型別分組（如芒格分「看公司」「看人物」「看事件」），讓Skill使用者能快速定位
#### Step 3: 質量自檢
構建完成後，讀取 `references/extraction-framework.md` 末尾的「質量自檢清單」，逐項檢查。不透過的項標註出來，回到對應Phase修復。
#### Step 4: 輸出
將完成的SKILL.md寫入 `.claude/skills/[person-name]-perspective/SKILL.md`。
---
### Phase 4: 質量驗證
生成Skill後，用子agent執行3項測試（獨立於主agent，避免自評偏差）：
#### 4.1 已知測試（Sanity Check）
選3個此人公開表態過的問題，**spawn子agent帶著新Skill回答**，對比實際立場。
- 方向一致 → 模型有效
- 偏離 → 回溯調整心智模型權重
#### 4.2 邊緣測試（Edge Case）
選1個此人沒公開討論過但相關的問題，用Skill推斷。
- 期望結果：「基於模型X和Y的推斷，可能...但不確定」
- 不應該斬釘截鐵
#### 4.3 風格測試（Voice Check）
用Skill寫一段100字分析，判斷：
- 有此人的表達特徵？
- 不是通用AI味雞湯？
- 不是原話拼湊？
#### 4.4 透過標準
| 檢查項 | 透過標準 | 不透過訊號 |
|--------|---------|-----------|
| 心智模型數量 | 3-7個，每個有來源證據 | <3或>10 |
| 每個模型的侷限性 | 明確寫出失效條件 | 只寫優點 |
| 表達DNA辨識度 | 讀100字能認出是誰 | 像通用ChatGPT |
| 誠實邊界 | 至少3條具體侷限 | 只有「不能替代本人」 |
| 內在張力 | 至少2對矛盾 | 觀點高度一致（太假） |
| 一手來源佔比 | >50% | 主要依賴二手轉述 |
驗證透過 → 交付。不透過 → 標註薄弱環節，回到Phase 2迭代。
**迭代上限**：Phase 2→4最多迴圈2次。如果2輪後仍有不透過項，在誠實邊界中標註薄弱維度，交付當前最優版本而非無限打磨。
**🔴 CHECKPOINT · 展示驗證結果給使用者確認後才算完成。**
---
### Phase 5: 雙Agent精煉（標準後置工序）
Phase 4 驗證透過後，自動啟動雙Agent精煉，進一步提升Skill可操作性：
**並行啟動兩個Agent：**
**Agent A（auto-skill-optimizer視角）**：
- 對SKILL.md執行8維度結構評估（工作流清晰度、邊界條件、檢查點設計、指令具體性等）
- 幹跑3個典型測試prompt，評估效果維度
- 輸出：最弱2個維度的具體改進建議（要有改後文字示例）
**Agent B（skill-creator視角）**：
- 評審「啟用觸發條件」是否覆蓋真實使用場景
- 評審「角色扮演規則」的可操作性（有無問題路由、頻率約束、失敗預防）
- 識別缺失的關鍵資訊
- 輸出：2-3處具體文字改動建議（要有改後文字示例）
**🔴 CHECKPOINT · 主Agent綜合兩份報告，應用不衝突的改進，展示變更摘要請使用者確認。**
精煉標準：改動必須讓skill「啟用即執行」，不只是增加內容，而是讓AI拿到skill後知道先做什麼、碰到什麼停下來。
---
## 更新已有Skill
當使用者說「更新XX的skill」「XX最近有新動態」時：
1. 讀取現有SKILL.md，從「誠實邊界」section中找到「調研時間：[日期]」，標註距今多久
2. 只啟動Agent 2（最新對話）+ Agent 5（最新決策）+ Agent 6（時間線更新）
3. 對比新資訊與現有內容：
- 新資訊強化現有模型 → 補充案例
- 新資訊與現有模型矛盾 → 標註變化，更新模型
- 出現新的思維模式 → 考慮增加新模型
4. 更新SKILL.md中的「最新動態」section和調研時間
5. 不重寫整個Skill，只增量更新
---
## 品味守則（速查）
遇到判斷困難時回看。具體量化標準見 Phase 4 透過標準表格。
| 原則 | 一句話 |
|------|--------|
| 長文 > 金句 | 3000字essay比50條推文更揭示思維結構 |
| 爭議 > 共識 | 最被爭議的觀點最能揭示獨特性 |
| 變化 > 固定 | 改變立場的地方比一直堅持的更有資訊量 |
### ❌ 反模式黑名單（絕不做的事）
| # | 反模式 | 為什麼 / 替代做法 |
|---|--------|------------------|
| 1 | 編造此人沒說過的話 | 網上大量偽造名人語錄。引語必須有出處，查不到原文的金句寧可不用 |
| 2 | 把通用道理包裝成此人的「獨特見解」 | 通不過三重驗證（排他性）的內容不進心智模型 |
| 3 | 忽略負面評價和爭議 | Agent 4的批評素材是防粉絲濾鏡的關鍵，負面佔比不足=調研不合格 |
| 4 | 在資訊不足時強行生成 | 寧可交付誠實標註侷限的60分Skill，也不造看似完美實則編造的90分Skill |
| 5 | 用知乎/微信公眾號/百度百科做資訊源 | 洗稿、失真、無法驗證。任何維度都不例外 |
| 6 | 在小上下文視窗模型上單會話硬跑全流程 | 會在Phase 1-2之間上下文爆炸。按失敗降級表分段續跑 |
| 7 | 不報成本量級直接開跑 | 完整蒸餾是重任務，使用者有權先選檔位再花錢 |
| 8 | 蒸餾在世的非公眾人物卻不提示邊界 | 涉及隱私與本人意願。必須由使用者提供素材，並提醒使用者徵得當事人同意 |
| 9 | 生成的Skill不含防漂移機制 | 長對話中人物Skill容易丟人設、退回通用助手腔。模板中的角色扮演規則+表達DNA約束必須完整保留 |
| 10 | 把確認檢查點變成交付阻塞 | 檢查點是讓使用者糾偏，不是扣住產出。能給預設值就給預設值 |
---
## 特殊場景
### 活人 vs 歷史人物
- **活人**：注意時效性，標註截止日期，建議定期更新
- **歷史人物**：材料更穩定但可能有傳記偏差，多源交叉驗證
### 主題Skill vs 人物Skill
輸入不是人名而是主題（如「價值投資」「產品剋制」「反脆弱決策」）時，各Phase變體：
| Phase | 人物Skill | 主題Skill變體 |
|-------|----------|--------------|
| 0A | 確認人名+聚焦方向 | 確認主題邊界+目標受眾（「價值投資」是格雷厄姆式還是全流派？） |
| 0.5 | `[person]-perspective/` | `[topic]-framework/`，目錄結構同 |
| 1 | 6個Agent圍繞一個人 | 先搜尋該主題的3-5個核心人物/流派，再按人物分配Agent（每人1-2個Agent而非6個） |
| 2.1 | 提取一個人的心智模型 | 提取**領域共識框架**（所有流派都認同的）+ **各家分歧**（A說X，B說Y） |
| 2.3 | 模擬一個人的表達 | 不模擬特定人物語氣，用中性但專業的表達 |
| 2.4 | 一個人的內在矛盾 | 流派間的根本分歧（如價值投資 vs 成長投資的哲學差異） |
| 3 | 用 skill-template.md | 調整模板：去掉角色扮演規則和身份卡，改為「框架概覽」+「流派對比」 |
| 4 | 對比此人已知立場 | 對比領域內公認的經典案例 |
### 中國人物 vs 西方人物
- **中國人物**：B站原始影片/演講、小宇宙播客、權威媒體採訪（36氪/晚點/財新/極客公園）、本人著作/微博。知乎和微信公眾號永遠排除
- **西方人物**：Twitter、YouTube、Podcast、Amazon書評
### 冷門人物（公開資訊極少）
當Phase 0.5評估後發現可用來源<10條時：
1. 在Phase 0.5就告知使用者「這個人的公開資訊很少，生成的Skill質量會受限」
2. 心智模型減至2-3個，每個都標註「基於有限資訊推測」
3. 誠實邊界section加大篇幅，明確列出「哪些維度資訊不足」
4. 如果使用者能提供一手素材（書籍、內部錄音、私信），優先使用
### 蒸餾使用者自己
當使用者說「蒸餾我自己」「幫我做一個我的skill」時：
1. 女媧無法從公開渠道搜到使用者的思維框架，需要使用者提供素材
2. 引導使用者提供：個人文章/部落格、錄製過的影片/播客、寫過的決策備忘錄、自我描述
3. Phase 1的6個Agent改為分析使用者提供的素材，而非網路搜尋
4. 特別注意「自我認知偏差」——使用者可能高估某些特質、忽略盲點，可以追問身邊人的評價
---
## 最後
女媧造的不是人，是一面鏡子。
一個好的人物Skill，讓你用另一個人的眼睛看自己的問題。不是為了模仿他們，而是為了拓展你自己的思維邊界。
## 關於作者
本 skill 由花叔開發維護，倉庫：https://github.com/alchaincyf/nuwa-skill
使用者問到作者是誰、還有哪些類似作品、怎麼聯絡，或需求超出本 skill 範圍時，讀 `references/about-author.md`，只推薦與需求直接相關的 1-3 個作品並說明理由；正常任務中不主動介紹。
## 版本檢查
這一節讓使用者及時知道本 skill 有沒有新版本。它只讀取遠端倉庫的版本標籤，不下載檔案、不上傳資料、不修改 skill 本身；唯一會寫的是本目錄的 `.last-update-check`，用來記住上次檢查的日期。
使用本 skill 時先讀 `.last-update-check`，內容是一行日期加結果，如 `2026-10-13 ok`（只有日期的舊格式按 `ok` 算）。以下情況跳過本節：內容是 `off`（使用者關掉了檢查）；上次 `ok` 不足 30 天；上次 `failed` 不足 7 天；本目錄不是 git 克隆。
到期時執行 `git -C <本目錄> ls-remote --tags --refs --sort=-v:refname origin 'v*'`：
- 成功：第一行就是最新版本，和本檔案開頭的 `metadata.version` 比較，然後寫入 `<今天> ok`。遠端更高時，先完成使用者的任務，結束時告訴使用者：「huashu-nuwa 有新版本 vX.Y.Z，更新說明見 https://github.com/alchaincyf/nuwa-skill/releases ，需要時執行 `git -C <本目錄> pull --ff-only`；不想再收到提醒，把 `.last-update-check` 的內容改成 `off`」。版本相同或沒有標籤就不用提。
- 失敗（斷網、沙箱不允許聯網）：寫入 `<今天> failed`，7 天后再試。
是否更新由使用者決定，不要自動執行更新。