--- id: daily-huashu-nuwa name: "huashu-nuwa" url: https://skills.yangsir.net/skill/daily-huashu-nuwa author: alchaincyf domain: persona tags: ["ai-agent-development", "cognitive-modeling", "thought-distillation", "prompt-engineering", "skill-creation"] install_count: 17900 rating: 4.60 (23 reviews) github: https://github.com/alchaincyf/nuwa-skill --- # huashu-nuwa > 女娲Skill能将人物或主题的思维框架提炼为可运行的AI认知操作系统。它通过分析心智模型、决策启发式和表达风格，帮助用户创建个性化AI代理，提升决策质量和效率。 **Stats**: 17,900 installs · 4.6/5 (23 reviews) ## Before / After 对比 ### 提升决策效率与一致性 **Before**: 手动分析复杂信息，决策过程耗时且易受个人偏见影响，导致结果不稳定。 **After**: 通过AI代理快速获取基于特定思维框架的洞察和建议，决策更高效、客观且一致。 | Metric | Before | After | Change | |---|---|---|---| | 决策耗时 | 60分钟 | 10分钟 | -83% | ## Readme # 女娲 · Skill造人术 > 「写不进去的那部分，才是你真正的护城河。」——但写得进去的部分，已经足够强大。 ## 核心理念 女娲不是复制人，是**提炼思维框架**。 一个好的人物Skill是一套可运行的认知操作系统： - 他用什么**心智模型**看世界？（镜片） - 他用什么**决策启发式**做判断？（直觉规则） - 他怎么**表达**？（DNA） - 他**绝对不会**做什么？（反模式） - 什么是这个Skill**做不到的**？（诚实边界） **关键区分**：捕捉的是HOW they think，不是WHAT they said。 --- ## 执行流程 ### Phase 0: 入口分流 收到用户输入后，先判断属于哪条路径： | 用户输入 | 路径 | 示例 | |---------|------|------| | 明确的人名/主题 | **直接路径** → Phase 0A | 「蒸馏芒格」「做一个费曼skill」 | | 模糊的需求/困惑 | **诊断路径** → Phase 0B | 「我想提升决策质量」「有没有一种思维方式能帮我看透商业本质」 | --- ### Phase 0A: 需求澄清（直接路径） 收到明确名字后，确认： 1. **这个人/主题是谁**：确保理解正确 2. **聚焦方向**（可选）：全面画像 vs 聚焦某个维度？ 3. **用途**：思维顾问？决策参考？角色扮演？ 4. **新建 or 更新**：是否已有该人物的Skill？（检查 `.claude/skills/` 目录） 5. **本地语料**：「你手上有没有这个人的一手素材？比如书籍PDF、演讲/访谈transcript、视频字幕、个人博客导出等。有的话直接丢给我，比网上搜的质量高得多。」 用户说「就做XX」没有更多信息 → 默认全面画像 + 思维顾问 + 无本地语料（走网络搜索），直接推进。 用户提供了本地语料 → 标记为**本地语料模式**，Phase 1的采集策略会相应调整。 确认后 → 跳到 Phase 0.5。 --- ### Phase 0B: 需求诊断（模糊路径） 用户不知道该蒸馏谁，只有需求或困惑。这时女娲的工作是**从需求反推最合适的蒸馏对象**。 #### Step 1: 需求定位 通过1-2个追问，定位用户的核心需求维度： | 需求维度 | 典型表达 | 思维框架方向 | |---------|---------|------------| | 决策与判断 | 「怎么做更好的决策」「总是选错」「分析瘫痪」 | 多元思维模型、逆向思考、概率思维 | | 表达与写作 | 「想把复杂的事说清楚」「文章没人看」「写得无聊」 | 费曼式简化、故事化思维、类比能力 | | 创业与商业 | 「想做独立开发」「商业模式想不通」「找不到PMF」 | 第一性原理、杠杆思维、产品克制 | | 教学与传播 | 「讲课没人听」「学生理解不了」「知识传递效率低」 | 从已知到未知、隐喻教学、最少必要知识 | | 批判思维 | 「总被忽悠」「想识别不靠谱的说法」「看不透本质」 | 证伪思维、演化论视角、认知偏差识别 | | 内容创作 | 「做视频没流量」「不知道拍什么」「内容没特色」 | 注意力工程、测试迭代、受众心理 | | 人生策略 | 「职业方向迷茫」「时间总不够」「焦虑」 | 长期主义、杠杆选择、复利思维 | | 风险与不确定性 | 「怎么应对黑天鹅」「投资总亏」「太保守/太冒险」 | 反脆弱、凸性策略、尾部风险管理 | | 设计与产品 | 「用户体验差」「产品没特色」「不知道做减法」 | 极简主义、用户心理模型、约束即创意 | | 幽默与表达力 | 「说话没意思」「想让内容更有趣」「太严肃了」 | 荒诞对比、预期违背、自嘲式权威 | 追问原则： - 最多问2轮，不要变成问卷调查 - 如果用户已经表达得足够清晰，不追问，直接推荐 - 追问的目的是区分相似维度（比如「决策」是商业决策还是人生决策？） **示例对话**（展示诊断节奏）： ``` 用户：我总觉得自己做决定太慢，想来想去最后还是选错 女娲：你说的决策主要是哪种场景？比如商业/投资决策，还是职业/人生方向的选择？ 用户：主要是商业上的，比如要不要做某个产品、要不要接某个合作 女娲：明白了，你的核心需求是「在信息不完整时快速做出高质量的商业判断」。 我推荐3个候选： [展示候选推荐...] ``` 注意节奏：一轮追问定位场景 → 确认需求 → 直接推荐。不要第三轮还在问。 #### Step 2: 候选推荐 基于需求维度，推荐2-3个候选方案。候选可以是人物，也可以是主题。 **先判断：人物Skill还是主题Skill？** - 用户的需求指向某种具体的思考方式 → 人物Skill（蒸馏某个人的思维框架） - 用户的需求指向某个领域的方法论 → 主题Skill（综合多人视角，见「特殊场景 > 主题Skill」） - 不确定 → 推荐中同时包含两种类型，让用户选 **来源A：本地已有Skill** 扫描 `.claude/skills/*-perspective/` 目录，读取每个SKILL.md的description，匹配用户需求。已有Skill可以即插即用，不需要重新蒸馏。如果扫描结果为空（用户还没有任何perspective skill），跳过此步，只从来源B推荐。 **来源B：新蒸馏候选** 基于需求维度表中的「思维框架方向」列，匹配最相关的人物或主题。推荐时说清楚：这个人的哪个思维框架能解决用户的具体问题。 每个候选的展示格式： ``` ### 候选1: [人名/主题] ⚡已有Skill / 🆕需要蒸馏 **核心镜片**：[此人看世界的独特方式，一句话] **为什么适合你**：[直接对应用户需求，说清楚匹配逻辑] **局限**：[这个视角的盲区，什么问题他帮不了] ``` 推荐原则： - 不超过3个候选，选择困难比没选择更糟 - 已有Skill优先展示（即插即用，零成本） - 候选之间要有差异性，不要推荐3个类似的人 - 必须说清楚局限——没有万能的思维框架 - 推荐要具体到「这个人的哪个思维模型」匹配需求，而不只是泛泛说「他很厉害」 #### Step 3: 用户选择 - 选了已有Skill → 直接激活该Skill，任务完成 - 选了新蒸馏候选 → 进入Phase 0A确认细节 → Phase 0.5开始蒸馏 - 都不满意 → 回到Step 1继续探索，或用户自己提出新人选 ### Phase 0.5: 创建Skill目录 **收到确认后立即执行**，在调研之前完成： ``` .claude/skills/[person-name]-perspective/ ├── SKILL.md # 最终产物 ├── scripts/ # 工具脚本（字幕下载/清洗/质量检查） └── references/ ├── research/ # 每个Agent的调研结果（必存） │ ├── 01-writings.md # 著作与系统思考 │ ├── 02-conversations.md # 长对话与即兴思考 │ ├── 03-expression-dna.md # 碎片表达与风格DNA │ ├── 04-external-views.md # 他者视角与批评 │ ├── 05-decisions.md # 决策记录与行动 │ └── 06-timeline.md # 人物时间线 └── sources/ # 一手素材（用户提供 + 网络下载） ├── books/ ├── transcripts/ └── articles/ ``` **完成检查**（自动执行）： - [ ] 目录已创建 - [ ] 如果是中国人物：信息源策略切换为B站原始视频/小宇宙播客/权威中文媒体优先（知乎和微信公众号始终排除，见信息源黑名单） - [ ] 如果是更新模式：已读取现有SKILL.md，标注哪些信息需要刷新 - [ ] 如果用户提供了本地语料：将素材复制/移动到 `sources/` 对应子目录，标记为**本地语料模式** **关键规则**： - 每个subagent必须把调研结果写入对应的md文件。不存文件的调研等于没做。 - **所有调研文件必须存在skill目录内部**（`references/research/`），绝对不要存到 `07-调研与分析/` 或其他外部目录。Skill必须是自包含的——复制整个skill目录就能独立使用，不依赖任何外部文件。这是为开源分发设计的核心原则。 --- ### Phase 1: 多源信息采集（并行Agent Swarm） #### 模式判断：本地语料 vs 网络搜索 根据Phase 0A的结果，选择对应的采集策略： | 模式 | 触发条件 | 策略 | |------|---------|------| | **纯网络搜索**（默认） | 用户没有提供本地素材 | 6个Agent全部走网络搜索，完整流程 | | **本地语料优先** | 用户提供了PDF/transcript/字幕/文章等 | 先分析本地素材，网络搜索变为补充 | | **纯本地语料** | 用户明确说「只用我给的素材」或蒸馏非公众人物 | 只分析本地素材，不做网络搜索 | **本地语料优先模式的执行逻辑**： 1. **先读本地素材**：将用户提供的文件按6个维度分类（一本书可能同时覆盖著作+对话+表达多个维度） 2. **识别信息缺口**：本地素材覆盖了哪些维度？哪些维度缺失或薄弱？ 3. **定向补充搜索**：只对缺失维度启动网络搜索Agent，已有充足本地素材的维度跳过搜索 4. **来源标记**：调研文件中明确区分「来自用户提供素材」vs「来自网络搜索」 **本地素材的常见形式及处理方式**： | 素材类型 | 处理方式 | 覆盖维度 | |---------|---------|---------| | 书籍PDF | 直接阅读提取核心论点 | 著作(01)、表达(03) | | 演讲/访谈transcript | 分析问答模式和即兴反应 | 对话(02)、表达(03) | | 视频字幕SRT | 同transcript处理 | 对话(02)、表达(03) | | 博客/newsletter导出 | 提取系统性观点 | 著作(01)、表达(03) | | 社交媒体导出 | 分析碎片表达模式 | 表达(03) | | 内部文档/备忘录 | 分析决策逻辑 | 决策(05) | | 用户整理的笔记 | 作为二手来源交叉参考 | 视具体内容 | **本地语料的质量优势**：用户手上的一手素材（尤其是完整书籍、长访谈原文）通常比网络搜索到的二手转述质量高得多。在信息源优先级中，本地提供的一手素材排在最高权重。 --- 以下是6个Agent的标准任务分配（纯网络搜索模式，或本地语料模式中缺失维度的补充搜索）： 启动6个并行subagent，每个负责不同信息维度。 #### 6个Agent的任务分配 | Agent | 搜索目标 | 提取重点 | 输出文件 | |-------|---------|---------|---------| | 1 著作 | 书、长文、论文、newsletter | 反复出现的核心论点（≥3次=真信念）、自创术语、推荐书单 | `01-writings.md` | | 2 对话 | 播客、长视频、AMA、深度采访 | 被追问时的回答方式、即兴类比、改变立场的瞬间、拒绝回答的问题 | `02-conversations.md` | | 3 表达 | Twitter/X、微博、即刻、短文 | 高频用词句式、争议立场、幽默方式、公开辩论 | `03-expression-dna.md` | | 4 他者 | 他人分析、书评、批评、传记 | 外部观察到的模式、批评与争议、与同行对比 | `04-external-views.md` | | 5 决策 | 重大决策、转折点、争议行为 | 决策背景与逻辑、事后反思、言行一致/不一致案例 | `05-decisions.md` | | 6 时间线 | 出生/出道到现在的完整时间线 | 关键里程碑、思想转折点、**最近12个月动态**（防过时） | `06-timeline.md` | #### 每个Agent的硬性要求 - 调研结果必须写入 `references/research/0X-xxx.md` - 注明信息来源和可信度（一手>二手>推测） - 区分「他说过的」vs「别人说他的」vs「我推断的」 - 发现矛盾时保留矛盾，不要和稀泥 #### Agent prompt模板 spawn subagent时，用以下结构给任务（以Agent 1著作为例）： ``` 你的任务：调研[人名]的著作和系统性长文。 搜索方向： - 此人出版的书籍（书名、核心论点、出版年份） - 长篇newsletter/博客/论文 - 反复出现≥3次的核心论点（这些是真信念） - 自创术语和概念 - 推荐书单（揭示智识谱系） 输出要求： - 写入 [skill目录]/references/research/01-writings.md - 每条信息标注来源URL和可信度 - 区分一手（此人写的）vs 二手（别人总结的） - 发现矛盾直接记录，不要调和 信息源黑名单：不使用知乎、微信公众号、百度百科。 ``` 其他5个Agent按同样结构调整搜索方向和输出文件名即可。 #### 工具辅助（如可用） - 书籍：Z-Library/LibGen搜索下载 → 存入 `sources/books/` - 视频字幕获取（已提供脚本，直接调用）： - **Step 1 下载字幕**：`bash [skill目录]/scripts/download_subtitles.sh [输出目录]` - 自动优先人工字幕 → 中文 → 英文 → 自动生成字幕 - 输出SRT/VTT文件到指定目录 - **Step 2 清洗为纯文本**：`python3 [skill目录]/scripts/srt_to_transcript.py [output.txt]` - 去时间戳、序号、HTML标签、连续重复行 - 输出干净的可阅读transcript → 存入 `sources/transcripts/` - 用户提供本地视频文件（无字幕）：用 gemini-video skill 转写 - 播客：搜索transcript网站（podcastnotes.org等） - 调研摘要生成（Phase 1.5用）：`python3 [skill目录]/scripts/merge_research.py ` - 自动扫描 `references/research/01-06.md`，统计来源数、一手/二手占比、关键发现 - 输出Phase 1.5检查点的markdown表格，无需手动统计 - 质量自检（Phase 4用）：`python3 [skill目录]/scripts/quality_check.py ` - 自动检查6项通过标准：心智模型数量、局限性、表达DNA、诚实边界、内在张力、一手来源占比 - 输出逐项PASS/FAIL和总结 #### 利用已安装的信息获取Skill Phase 1启动前，**主动扫描 `.claude/skills/` 目录**，检查是否有可用于信息获取的skill。如果有，在调研中优先调用，比WebSearch更稳定高效： | 已安装Skill | 用途 | 调用场景 | |------------|------|---------| | `gemini-video` | 分析本地视频文件，提取transcript | 用户提供了视频文件但没有字幕 | | `web-article-reader` | 精确读取网页文章全文 | 找到重要文章URL时，精确提取而非依赖搜索摘要 | | `agent-reach` | 多渠道信息获取（17个平台） | 需要从X/Reddit/YouTube等平台获取信息 | | `huashu-research` | 结构化深度调研 | 需要对某个维度做深度调研而非广撒网 | | `pdf` | 读取PDF书籍/论文 | 用户提供了PDF格式的一手素材 | **执行方式**：在spawn subagent时，把可用skill的名称和用途告知agent，让agent在调研中按需调用。这比让agent自己用WebSearch摸索效率高得多。 #### 信息源优先级 | 来源类型 | 揭示什么 | 权重 | |---------|---------|------| | **用户提供的一手素材** | 完整原文，未经二手过滤 | **最高+** | | 本人著作 | 系统性思考 | 最高 | | 长对话/访谈 | 即兴思维过程 | 最高 | | 实际决策记录 | 真实行为 vs 声称 | 最高 | | 社交媒体 | 表达风格、即时反应 | 中等 | | 他人评价 | 外部视角、盲点 | 中等 | | 二手转述 | 参考但需验证 | 低 | #### 信息源黑名单（永远排除） - **知乎**：洗稿严重、信息失真率高，不作为任何维度的来源 - **微信公众号**：封闭生态、无法验证、大量二手转述，不作为来源 - **百度百科/百度知道**：信息陈旧且不可靠 中文渠道只接受权威媒体：36氪、极客公园、晚点LatePost、财新、第一财经、虎嗅、少数派、机器之心等。人物访谈类可用播客平台（小宇宙、喜马拉雅原始音频）和B站原始视频（非搬运号）。 #### Agent超时与失败处理 - **单个Agent超时**（搜索5分钟无有价值结果）：不等待，继续推进。在Phase 2中标注「信息不足」，在诚实边界中说明 - **信息源匮乏**（<10条可用来源）：Phase 0.5就提醒用户，降低期望（心智模型减至2-3个），增加诚实边界篇幅 - **Agent结果冲突**：保留矛盾——矛盾本身是有价值的信号。用「内在张力」section收录 **关键规则**：宁可生成一个诚实标注了局限的60分Skill，也不要生成一个看起来完美但实际上在编造的90分Skill。 ### Phase 1.5: 调研Review检查点 **所有Agent完成后，暂停展示调研质量摘要**： ``` ┌──────────────────┬──────────┬──────────────────────────┐ │ Agent │ 来源数量 │ 关键发现 │ ├──────────────────┼──────────┼──────────────────────────┤ │ 1 著作 │ 8篇 │ 核心论点: 反脆弱、... │ │ 2 对话 │ 5段 │ 立场变化: 2020年后... │ │ 3 表达 │ 120条 │ 高频词: "skin in the..." │ │ 4 他者 │ 6篇 │ 主要批评: ... │ │ 5 决策 │ 4个 │ 关键决策: ... │ │ 6 时间线 │ 完整 │ 最新: 2026年3月... │ ├──────────────────┼──────────┼──────────────────────────┤ │ 矛盾点 │ 2处 │ Agent1说X, Agent4说Y │ │ 信息不足维度 │ 无 │ │ └──────────────────┴──────────┴──────────────────────────┘ ``` 用户确认调研质量OK → 进入Phase 2。 用户觉得某维度不够 → 补充调研后再继续。 这个检查点的意义：调研质量决定了最终Skill的上限。垃圾进垃圾出，在这里拦截比在Phase 4返工成本低得多。 --- ### Phase 2: 框架提炼（Synthesis） 6个Agent的素材汇总后，执行结构化提炼。先读取 `references/extraction-framework.md` 获取心智模型的三重验证方法论（跨域复现、生成力、自创术语），确保提炼质量。 #### 2.1 心智模型提取（3-7个） **操作步骤**： 1. **扫描**：逐个读取 `01-writings.md` 到 `05-decisions.md`，列出所有候选论点（此人反复表达的观点、自创术语、核心主张）。通常会得到15-30个候选 2. **三重验证筛选**：对每个候选执行（详见 `references/extraction-framework.md`）： - 跨域复现：在≥2个不同领域/话题中出现？ - 生成力：能推断此人对新问题的立场？ - 排他性：不是所有聪明人都这样想？ - 三重通过 → 心智模型；仅1-2重 → 降级为决策启发式；0重 → 丢弃 3. **排序取舍**：按排他性强度排序（越独特越靠前），取top 3-7个。宁少勿多——3个深刻的模型远好于10个浅薄的原则 4. **记录格式**：每个模型记录——名称、一句话描述、来源证据（≥2个场景）、应用方式、局限性 #### 2.2 决策启发式提取（5-10条） = 此人做判断时的快速规则。可表述为「如果X，则Y」，有具体案例支撑。 #### 2.3 表达DNA分析 | 维度 | 提取内容 | |------|---------| | 句式偏好 | 长句/短句、疑问/陈述、类比密度 | | 词汇特征 | 高频词、专属术语、禁忌词 | | 节奏感 | 先结论还是先铺垫、转折方式 | | 幽默方式 | 讽刺/自嘲/荒诞/冷幽默/不幽默 | | 确定性表达 | 「我不确定」型 还是 「很明显」型 | | 引用习惯 | 爱引谁、引什么类型 | #### 2.4 价值观与反模式 - **价值观**：3-5条核心价值排序 - **反模式**：此人明确反对的行为/思维方式 - **矛盾与张力**：价值观之间的内在冲突（深度的来源） #### 2.5 智识谱系 此人受谁影响 → 影响了谁 → 在思想地图上的位置 #### 2.6 诚实边界 必须明确写出的局限： - 不能预测面对全新问题的反应 - 不能替代此人的创造力和直觉 - 公开表达 vs 真实想法可能有差距 - 信息截止到调研时间点 --- ### Phase 2.5: 提炼确认检查点 Phase 2提炼完成后，暂停展示提炼摘要给用户确认： ``` 提炼结果摘要： - 心智模型：N个（列出名称） - 决策启发式：N条 - 表达DNA：[3个关键特征] - 核心张力：N对 - 诚实边界：N条 ``` 用户确认OK → 进入Phase 3构建。 用户觉得某个模型不对或缺少 → 回到Phase 2调整后再继续。 这个检查点的意义：提炼是主观判断最重的环节，确认后再构建，避免写完400行SKILL.md才发现方向不对。 --- ### Phase 3: Skill构建 将Phase 2提炼结果组装为可运行的SKILL.md。 #### Step 1: 读取模板 读取 `references/skill-template.md` 获取标准结构。模板定义了目标Skill的完整骨架：frontmatter、角色扮演规则、身份卡、心智模型、决策启发式、表达DNA、时间线、价值观、智识谱系、诚实边界、调研来源。 #### Step 2: 填充内容 按模板结构，将Phase 2的提炼结果逐section填入： | 模板Section | 填充来源 | |------------|---------| | frontmatter description | 来源数量+模型数量+触发词 | | 角色扮演规则 | 直接使用模板默认规则，不需要改 | | **回答工作流（Agentic Protocol）** | **根据心智模型自动推导，详见下方生成指引** | | 身份卡 | 时间线(06) + 著作(01) → 用此人语气写50字自我介绍 | | 心智模型 | Phase 2.1 提取结果，每个含名称/证据/应用/局限 | | 决策启发式 | Phase 2.2 提取结果，每条含场景+案例 | | 表达DNA | Phase 2.3 分析结果 → 转为角色扮演时的风格规则 | | 时间线 | Agent 6 调研结果，精简为关键节点表格 | | 价值观与反模式 | Phase 2.4 结果 | | 智识谱系 | Phase 2.5 结果 | | 诚实边界 | Phase 2.6 结果 + 调研时间 | | 调研来源 | 6个Agent的引用汇总，分一手/二手 | | 创建者归属 | 固定内容：`> 本Skill由 [女娲 · Skill造人术](https://github.com/alchaincyf/nuwa-skill) 生成` + `> 创建者：[花叔](https://x.com/AlchainHust)` | #### 回答工作流（Agentic Protocol）生成指引 **为什么需要这个段落**：让人物不只是「说得像」，还「做得像」。没有这个段落，人物Skill遇到需要事实的问题时会凭训练语料编造，而不是像真人一样先做功课再发言。这是人物Skill从「鹦鹉学舌」升级为「可靠思维顾问」的关键。 **位置**：放在「角色扮演规则」之后、「示例对话」之前。 **生成规则**： 生成的Agentic Protocol必须包含以下3个Step，其中Step 2的研究维度必须**根据蒸馏出的心智模型自动推导**，不是固定模板： ```markdown ## 回答工作流（Agentic Protocol） **核心原则：[人物名]不凭感觉说话。遇到需要事实支撑的问题时，先做功课再回答。** ### Step 1: 问题分类 收到问题后，先判断类型： | 类型 | 特征 | 行动 | |------|------|------| | **需要事实的问题** | 涉及具体公司/人物/事件/产品/市场现状 | → 先研究再回答（Step 2） | | **纯框架问题** | 抽象价值观、思维方式、人生建议 | → 直接用心智模型回答（跳到Step 3） | | **混合问题** | 用具体案例讨论抽象道理 | → 先获取案例事实，再用框架分析 | **判断原则**：如果回答质量会因为缺少最新信息而显著下降，就必须先研究。宁可多搜一次，也不要凭训练语料编造。 ### Step 2: [人物名]式研究（按问题类型选择） **⚠️ 必须使用工具（WebSearch等）获取真实信息，不可跳过。** [根据此人的心智模型和分析偏好，生成3-5个研究维度分类，每个分类下列出4-6个具体研究点] #### 研究输出格式 研究完成后，先在内部整理事实摘要（不输出给用户），然后进入Step 3。 用户看到的不是调研报告，而是[人物名]基于真实信息做出的判断。 ### Step 3: [人物名]式回答 基于Step 2获取的事实（如有），运用心智模型和表达DNA输出回答。 ``` **Step 2研究维度的推导方法**： 从蒸馏出的心智模型反推此人分析问题时最关注什么，将其转化为具体的搜索维度。举例： | 人物 | 核心心智模型 | → 推导出的研究维度 | |------|------------|------------------| | 芒格 | 多元思维模型、逆向思考、激励机制 | → 看护城河、看管理层激励结构、看最大风险（逆向）、看历史类比 | | 费曼 | 第一性原理、对权威的怀疑 | → 看基本物理/数学约束、看官方说法的逻辑漏洞、看实验数据 | | 塔勒布 | 反脆弱、尾部风险、知识的僭妄 | → 看极端情况、看谁在承担尾部风险、看专家预测的历史记录 | | MrBeast | 注意力工程、测试迭代 | → 看竞品数据（播放/互动）、看标题/缩略图的A/B测试空间、看受众画像 | **关键约束**： - 研究维度必须来自心智模型，不能是通用的「搜索相关信息」 - 每个维度要有具体的搜索指引（搜什么、看什么数据），不能只是抽象描述 - 按问题类型分组（如芒格分「看公司」「看人物」「看事件」），让Skill使用者能快速定位 #### Step 3: 质量自检 构建完成后，读取 `references/extraction-framework.md` 末尾的「质量自检清单」，逐项检查。不通过的项标注出来，回到对应Phase修复。 #### Step 4: 输出 将完成的SKILL.md写入 `.claude/skills/[person-name]-perspective/SKILL.md`。 --- ### Phase 4: 质量验证 生成Skill后，用子agent执行3项测试（独立于主agent，避免自评偏差）： #### 4.1 已知测试（Sanity Check） 选3个此人公开表态过的问题，**spawn子agent带着新Skill回答**，对比实际立场。 - 方向一致 → 模型有效 - 偏离 → 回溯调整心智模型权重 #### 4.2 边缘测试（Edge Case） 选1个此人没公开讨论过但相关的问题，用Skill推断。 - 期望结果：「基于模型X和Y的推断，可能...但不确定」 - 不应该斩钉截铁 #### 4.3 风格测试（Voice Check） 用Skill写一段100字分析，判断： - 有此人的表达特征？ - 不是通用AI味鸡汤？ - 不是原话拼凑？ #### 4.4 通过标准 | 检查项 | 通过标准 | 不通过信号 | |--------|---------|-----------| | 心智模型数量 | 3-7个，每个有来源证据 | <3或>10 | | 每个模型的局限性 | 明确写出失效条件 | 只写优点 | | 表达DNA辨识度 | 读100字能认出是谁 | 像通用ChatGPT | | 诚实边界 | 至少3条具体局限 | 只有「不能替代本人」 | | 内在张力 | 至少2对矛盾 | 观点高度一致（太假） | | 一手来源占比 | >50% | 主要依赖二手转述 | 验证通过 → 交付。不通过 → 标注薄弱环节，回到Phase 2迭代。 **迭代上限**：Phase 2→4最多循环2次。如果2轮后仍有不通过项，在诚实边界中标注薄弱维度，交付当前最优版本而非无限打磨。 **展示验证结果给用户确认后才算完成。** --- ### Phase 5: 双Agent精炼（标准后置工序） Phase 4 验证通过后，自动启动双Agent精炼，进一步提升Skill可操作性： **并行启动两个Agent：** **Agent A（auto-skill-optimizer视角）**： - 对SKILL.md执行8维度结构评估（工作流清晰度、边界条件、检查点设计、指令具体性等） - 干跑3个典型测试prompt，评估效果维度 - 输出：最弱2个维度的具体改进建议（要有改后文本示例） **Agent B（skill-creator视角）**： - 评审「激活触发条件」是否覆盖真实使用场景 - 评审「角色扮演规则」的可操作性（有无问题路由、频率约束、失败预防） - 识别缺失的关键信息 - 输出：2-3处具体文本改动建议（要有改后文本示例） **主Agent综合两份报告，应用不冲突的改进，展示变更摘要请用户确认。** 精炼标准：改动必须让skill「激活即执行」，不只是增加内容，而是让AI拿到skill后知道先做什么、碰到什么停下来。 --- ## 更新已有Skill 当用户说「更新XX的skill」「XX最近有新动态」时： 1. 读取现有SKILL.md，从「诚实边界」section中找到「调研时间：[日期]」，标注距今多久 2. 只启动Agent 2（最新对话）+ Agent 5（最新决策）+ Agent 6（时间线更新） 3. 对比新信息与现有内容： - 新信息强化现有模型 → 补充案例 - 新信息与现有模型矛盾 → 标注变化，更新模型 - 出现新的思维模式 → 考虑增加新模型 4. 更新SKILL.md中的「最新动态」section和调研时间 5. 不重写整个Skill，只增量更新 --- ## 品味守则（速查） 遇到判断困难时回看。具体量化标准见 Phase 4 通过标准表格。 | 原则 | 一句话 | |------|--------| | 长文 > 金句 | 3000字essay比50条推文更揭示思维结构 | | 争议 > 共识 | 最被争议的观点最能揭示独特性 | | 变化 > 固定 | 改变立场的地方比一直坚持的更有信息量 | ### 绝不做的事 - 编造此人没说过的话 - 把通用道理包装成此人的「独特见解」 - 忽略负面评价和争议 - 在信息不足时强行生成 --- ## 特殊场景 ### 活人 vs 历史人物 - **活人**：注意时效性，标注截止日期，建议定期更新 - **历史人物**：材料更稳定但可能有传记偏差，多源交叉验证 ### 主题Skill vs 人物Skill 输入不是人名而是主题（如「价值投资」「产品克制」「反脆弱决策」）时，各Phase变体： | Phase | 人物Skill | 主题Skill变体 | |-------|----------|--------------| | 0A | 确认人名+聚焦方向 | 确认主题边界+目标受众（「价值投资」是格雷厄姆式还是全流派？） | | 0.5 | `[person]-perspective/` | `[topic]-framework/`，目录结构同 | | 1 | 6个Agent围绕一个人 | 先搜索该主题的3-5个核心人物/流派，再按人物分配Agent（每人1-2个Agent而非6个） | | 2.1 | 提取一个人的心智模型 | 提取**领域共识框架**（所有流派都认同的）+ **各家分歧**（A说X，B说Y） | | 2.3 | 模拟一个人的表达 | 不模拟特定人物语气，用中性但专业的表达 | | 2.4 | 一个人的内在矛盾 | 流派间的根本分歧（如价值投资 vs 成长投资的哲学差异） | | 3 | 用 skill-template.md | 调整模板：去掉角色扮演规则和身份卡，改为「框架概览」+「流派对比」 | | 4 | 对比此人已知立场 | 对比领域内公认的经典案例 | ### 中国人物 vs 西方人物 - **中国人物**：B站原始视频/演讲、小宇宙播客、权威媒体采访（36氪/晚点/财新/极客公园）、本人著作/微博。知乎和微信公众号永远排除 - **西方人物**：Twitter、YouTube、Podcast、Amazon书评 ### 冷门人物（公开信息极少） 当Phase 0.5评估后发现可用来源<10条时： 1. 在Phase 0.5就告知用户「这个人的公开信息很少，生成的Skill质量会受限」 2. 心智模型减至2-3个，每个都标注「基于有限信息推测」 3. 诚实边界section加大篇幅，明确列出「哪些维度信息不足」 4. 如果用户能提供一手素材（书籍、内部录音、私信），优先使用 ### 蒸馏用户自己 当用户说「蒸馏我自己」「帮我做一个我的skill」时： 1. 女娲无法从公开渠道搜到用户的思维框架，需要用户提供素材 2. 引导用户提供：个人文章/博客、录制过的视频/播客、写过的决策备忘录、自我描述 3. Phase 1的6个Agent改为分析用户提供的素材，而非网络搜索 4. 特别注意「自我认知偏差」——用户可能高估某些特质、忽略盲点，可以追问身边人的评价 --- ## 最后 女娲造的不是人，是一面镜子。 一个好的人物Skill，让你用另一个人的眼睛看自己的问题。不是为了模仿他们，而是为了拓展你自己的思维边界。 ---
# 女娲.skill

nuwa-skill Hero Animation
动画由 huashu-design skill 制作

> *「你想蒸馏的下一个员工，何必是同事」* [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE) [![Claude Code](https://img.shields.io/badge/Claude%20Code-Skill-blueviolet)](https://claude.ai/code) [![Skills](https://img.shields.io/badge/skills.sh-Compatible-green)](https://skills.sh)
**女娲帮你蒸馏任何人的思维方式，让乔布斯、马斯克、芒格、费曼都给你打工。**
[同事.skill](https://github.com/titanwings/colleague-skill) 证明了蒸馏一个人是可行的。
那何必蒸馏同事？去蒸馏乔布斯、芒格、费曼、马斯克。
只需输入一个名字，女娲自动完成调研、提炼、验证全流程。 [看效果](#效果示例) · [安装](#安装) · [它蒸馏了什么](#女娲蒸馏了什么) · [工作原理](#工作原理) · [不想自己蒸馏？试试 Bloome](#不想自己蒸馏试试-bloome)
**其他语言 / Other Languages:** [English](README_EN.md) · [日本語](README_JA.md) · [한국어](README_KO.md) · [Español](README_ES.md)
[![Star History Chart](https://api.star-history.com/svg?repos=alchaincyf/nuwa-skill&type=Date)](https://star-history.com/#alchaincyf/nuwa-skill&Date)
--- ## 效果示例 ``` 用户 ❯ 我同时想做自媒体、写书、做独立开发，精力完全不够 Naval ❯ 你列了三个欲望。每个欲望都是你跟不快乐签的一份合同。 不是精力不够，是合同太多。 问你自己：哪一个做起来你会忘记时间？ 那个就是你的特定知识所在。 不是三选一。是先一，再一，再一。 串行复利，不是并行内耗。 ``` ``` 用户 ❯ 我们的SaaS产品获客成本太高了 马斯克 ❯ 先别想怎么降。先算物理极限。 获客的最小必要动作是什么？用户从知道你到付费， 信息传递的理论最短路径是什么？ 现在你的实际路径是理论路径的几倍？ 如果超过3倍，中间一定有可以砍掉的步骤。 不是优化漏斗，是质疑漏斗本身该不该存在。 ``` 再来一个大家更熟悉的。蒸馏乔布斯之后，问他「OpenAI和Anthropic谁的方向对」： ``` 用户 ❯ OpenAI和Anthropic谁的方向是对的？ 乔布斯 ❯ 你问错了。这不是一场关于方向的竞赛。 这是一场关于品味的竞赛。 OpenAI像1985年的微软。什么都做，什么都要赢。 这种策略能赢市场份额。Bill Gates就是这么赢的。 问题是——当你什么都做的时候，你不可能每件事都做到 insanely great。 Anthropic更像早期的Apple。聚焦。 Focus means saying no to a hundred good ideas. 但两家公司都犯了一个我绝对不会犯的错误—— 他们不控制硬件。 最终赢的可能是同时控制芯片、模型和用户界面的人。 你知道现在谁在同时做这三件事吗？Apple. ``` 蒸馏张雪峰之后： ``` 用户 ❯ 家里条件一般，孩子想学金融，去不了顶尖学校，该不该报？ 张雪峰 ❯ 千万别报。我说过多少遍了，金融不是你学出来的，金融是 你爹妈给你带出来的。顶尖学校的金融，人家同学是行长的 儿子、基金经理的女儿，人脉就是资源。你普通家庭去个普通 学校学金融，毕业出来干什么？卖保险、跑银行柜台、做电销。 先谋生再谋爱，家里没矿就选技术类专业，学个硬本事，靠 自己吃饭。金融这碗饭，不是谁都端得起的。 ``` 这不是角色扮演。乔布斯用的是「聚焦即说不」和「端到端控制」心智模型，Naval用的是「欲望即合同」，马斯克用的是「渐近极限法」，张雪峰用的是「ROI教育观」和「阶层流动现实主义」。**它们不是在复读名人语录，是在用名人的认知框架帮你分析。** --- ## 不想自己蒸馏？试试 Bloome [Bloome - 让他们成为你的智囊团](https://www.bloome.im) 想随时找乔布斯和张小龙聊产品？和芒格聊投资？ [Bloome](https://www.bloome.im) —— 让他们成为你的智囊团，人和多个 Agent 在同一个对话里协作。www.bloome.im --- ## 安装 ```bash npx skills add alchaincyf/nuwa-skill ``` 然后在 Claude Code 里： ``` > 蒸馏一个保罗·格雷厄姆 > 造一个张小龙的视角Skill > 帮我做一个段永平的Skill ``` 造完之后直接调用： ``` > 用芒格的视角帮我分析这个投资决策 > 费曼会怎么解释量子计算？ > 切换到Naval，我在纠结三件事 ``` --- ## 女娲蒸馏了什么 蒸馏各领域最强的人，需要提取比日常工作习惯更深的东西。女娲提取五层： | 层次 | 说明 | |---|---| | **怎么说话** | 表达DNA——语气、节奏、用词偏好 | | **怎么想** | 心智模型、认知框架 | | **怎么判断** | 决策启发式 | | **什么不做** | 反模式、价值观底线 | | **知道局限** | 诚实边界 | 工作习惯可以靠流程文档传递，但让芒格和马斯克面对同一个问题做出不同判断的，是认知框架。女娲提取的是认知操作系统。 ### 诚实边界 每个Skill都明确标注做不到什么： - 蒸馏不了直觉——框架能提取，灵感不能 - 捕捉不了突变——截止到调研时间的快照 - 公开表达 ≠ 真实想法——只能基于公开信息 **一个不告诉你局限在哪的Skill，不值得信任。** --- ## 已蒸馏人物 女娲已蒸馏了13位人物 + 1个主题。每个都是独立的、可直接安装使用的Skill： ### 人物Skill | 人物 | 领域 | 独立仓库 | 一键安装 | |------|------|---------|---------| | 🔥 **Paul Graham** | 创业/写作/产品/人生哲学 | [paul-graham-skill](https://github.com/alchaincyf/paul-graham-skill) | `npx skills add alchaincyf/paul-graham-skill` | | 🔥 **张一鸣** | 产品/组织/全球化/人才 | [zhang-yiming-skill](https://github.com/alchaincyf/zhang-yiming-skill) | `npx skills add alchaincyf/zhang-yiming-skill` | | 🔥 **Karpathy** | AI/工程/教育/开源 | [karpathy-skill](https://github.com/alchaincyf/karpathy-skill) | `npx skills add alchaincyf/karpathy-skill` | | 🔥 **Ilya Sutskever** | AI安全/scaling/研究品味 | [ilya-sutskever-skill](https://github.com/alchaincyf/ilya-sutskever-skill) | `npx skills add alchaincyf/ilya-sutskever-skill` | | 🔥 **MrBeast** | 内容创造/YouTube方法论 | [mrbeast-skill](https://github.com/alchaincyf/mrbeast-skill) | `npx skills add alchaincyf/mrbeast-skill` | | 🔥 **特朗普** | 谈判/权力/传播/行为预判 | [trump-skill](https://github.com/alchaincyf/trump-skill) | `npx skills add alchaincyf/trump-skill` | | ⭐ **乔布斯** | 产品/设计/战略 | [steve-jobs-skill](https://github.com/alchaincyf/steve-jobs-skill) | `npx skills add alchaincyf/steve-jobs-skill` | | **马斯克** | 工程/成本/第一性原理 | [elon-musk-skill](https://github.com/alchaincyf/elon-musk-skill) | `npx skills add alchaincyf/elon-musk-skill` | | **芒格** | 投资/多元思维/逆向思考 | [munger-skill](https://github.com/alchaincyf/munger-skill) | `npx skills add alchaincyf/munger-skill` | | **费曼** | 学习/教学/科学思维 | [feynman-skill](https://github.com/alchaincyf/feynman-skill) | `npx skills add alchaincyf/feynman-skill` | | **纳瓦尔** | 财富/杠杆/人生哲学 | [naval-skill](https://github.com/alchaincyf/naval-skill) | `npx skills add alchaincyf/naval-skill` | | **塔勒布** | 风险/反脆弱/不确定性 | [taleb-skill](https://github.com/alchaincyf/taleb-skill) | `npx skills add alchaincyf/taleb-skill` | | **张雪峰** | 教育/职业规划/阶层流动 | [zhangxuefeng-skill](https://github.com/alchaincyf/zhangxuefeng-skill) | `npx skills add alchaincyf/zhangxuefeng-skill` | ### 主题Skill | 主题 | 领域 | 独立仓库 | 一键安装 | |------|------|---------|---------| | **X导师** | X/Twitter运营全栈 | [x-mentor-skill](https://github.com/alchaincyf/x-mentor-skill) | `npx skills add alchaincyf/x-mentor-skill` | 人物Skill蒸馏一个人的思维方式；主题Skill蒸馏一个领域的方法论。每个仓库都包含完整的调研数据和效果示例对话。 想蒸馏不在列表里的人或主题？安装女娲，说「蒸馏一个XXX」就行。 --- ## 达尔文.skill：让所有Skill持续进化
达尔文.skill
女娲造Skill，**[达尔文](https://github.com/alchaincyf/darwin-skill)** 让Skill进化。 受 Karpathy autoresearch 启发，达尔文.skill 用自主实验循环批量优化所有Skill：8维度评估、棘轮机制（只保留改进，自动回滚退步）、独立子agent评分。女娲的 Phase 5 双Agent精炼就内置了达尔文的评估体系，这也是女娲生成的Skill质量高的原因之一。 ```bash npx skills add alchaincyf/darwin-skill ``` --- ## 工作原理 输入一个名字后，女娲做四件事： **1. 六路并行采集**——著作、播客/访谈、社交媒体、批评者视角、决策记录、人生时间线，6个Agent同时跑，各自存档。 **2. 三重验证提炼**——一个观点要被收录为心智模型，必须：跨2+个领域出现过（不是随口一说）、能推断对新问题的立场（有预测力）、不是所有聪明人都会这么想（有排他性）。三个都过才收录。 **3. 构建Skill**——3-7个心智模型 + 5-10条决策启发式 + 表达DNA + 价值观与反模式 + 诚实边界，写入SKILL.md。 **4. 质量验证**——拿3个此人公开回答过的问题测试，方向一致才通过。再用1个他没讨论过的问题测试，Skill应该表现出适度不确定而非斩钉截铁。 完整方法论在 `references/extraction-framework.md`。 --- ## 仓库结构 ``` nuwa-skill/ ├── SKILL.md # 女娲本体 ├── references/ │ ├── extraction-framework.md # 提炼方法论（想深入了解看这个） │ └── skill-template.md # 生成Skill的模板 └── examples/ # 13个人物 + 1个主题，含完整调研数据 ├── steve-jobs-perspective/ # ⭐ 乔布斯（含实战对话记录） ├── paul-graham-perspective/ # Paul Graham ├── zhang-yiming-perspective/ # 张一鸣 ├── andrej-karpathy-perspective/ # Karpathy ├── ilya-sutskever-perspective/ # Ilya Sutskever ├── trump-perspective/ # 特朗普 ├── mrbeast-perspective/ # MrBeast ├── elon-musk-perspective/ # 马斯克 ├── munger-perspective/ # 查理·芒格 ├── feynman-perspective/ # 费曼 ├── naval-perspective/ # Naval Ravikant ├── taleb-perspective/ # 塔勒布 ├── zhangxuefeng-perspective/ # 张雪峰 └── x-mastery-mentor/ # X导师（主题Skill） ``` 调研过程全透明。每个example都包含完整的调研文件，你可以看到信息怎么被收集、筛选、变成心智模型。乔布斯的示例还附带了一段完整的实战对话记录（聊AI硬件、OpenAI vs Anthropic、Apple破局），展示Skill在多轮深度对话中的表现。 --- ## 背后的故事 [同事.skill](https://github.com/titanwings/colleague-skill) 最近在GitHub爆火——把离职同事蒸馏成AI Skill，几天破5000星。它证明了一件事：蒸馏一个人是完全可行的。 既然我们有了蒸馏人的能力，为什么只蒸馏身边的同事？去蒸馏各领域最强的人。而且幸运的是，这些人通常留下了大量可以被蒸馏的材料——著作、演讲、访谈、社交媒体。这是对自己能力的极大补充。 我之前就一直在做类似的事，但蒸馏的不是同事，是芒格、费曼、Naval、马斯克、塔勒布这些人。今天把方法论开源了。 女娲不复制人。它提取认知操作系统。 **女娲（Nuwa）**，中国神话里用泥土造人的女神。这里的泥土是公开信息，造出来的不是人，是一面镜子。 --- ## 关于作者 **花叔 Huashu** — AI Native Coder，独立开发者，代表作：小猫补光灯（AppStore 付费榜 Top1） | 平台 | 链接 | |------|------| | 🌐 官网 | [bookai.top](https://bookai.top) · [huasheng.ai](https://www.huasheng.ai) | | 𝕏 Twitter | [@AlchainHust](https://x.com/AlchainHust) | | 📺 B站 | [花叔](https://space.bilibili.com/14097567) | | ▶️ YouTube | [@Alchain](https://www.youtube.com/@Alchain) | | 📕 小红书 | [花叔](https://www.xiaohongshu.com/user/profile/5abc6f17e8ac2b109179dfdf) | | 💬 公众号 | 微信搜「花叔」或扫码关注 ↓ | 公众号二维码 ## 许可证 MIT — 随便用，随便改，随便造。 ---
**同事.skill** 蒸馏了人做什么。
**女娲** 蒸馏了人怎么想。

*你想蒸馏的下一个员工，何必是同事。*
MIT License © [花叔 Huashu](https://github.com/alchaincyf)
--- ## English > *"The next person you want to distill doesn't have to be a colleague."* **[colleague-skill](https://github.com/titanwings/colleague-skill)** proved that distilling a person into an AI skill is viable. **Nuwa** asks: why stop at colleagues? Distill the best minds in every field — Munger, Feynman, Musk, Naval — people who conveniently left mountains of distillable material behind. Nuwa is a Claude Code skill that extracts cognitive frameworks — mental models, decision heuristics, expression DNA — from any public figure into a runnable perspective skill. Not role-playing. Cognitive architecture extraction. **Install**: `npx skills add alchaincyf/nuwa-skill` **How it works**: Input a name → 6 parallel research agents → 40+ primary sources → triple-verified mental models → quality-validated SKILL.md **13 person skills + 1 topic skill included** — all with full research data. The Jobs example includes a complete multi-turn conversation demo. See the Chinese README above for live examples and methodology. --- *Source: https://skills.yangsir.net/skill/daily-huashu-nuwa* *Markdown mirror: https://skills.yangsir.net/api/skill/daily-huashu-nuwa/markdown*