---
id: gh-master-skill
name: "Master-skill"
url: https://skills.yangsir.net/skill/gh-master-skill
author: xr843
domain: persona
tags: ["buddhism", "master", "teaching", "role-play", "scripture"]
install_count: 560
rating: 4.20 (22 reviews)
github: https://github.com/xr843/Master-skill
---

# Master-skill

> 佛教法师教学角色生成器。依据历代汉传祖师大德的教学风格，生成 AI 学习伙伴。预置 8 位汉传祖师大德，支持 CBETA 经文溯源，离线经文片段，自动化保真度测试。适合佛学研究、禅修指导、经典学习。

**Stats**: 560 installs · 4.2/5 (22 reviews)

## Before / After 对比

### 佛学经典学习

**Before**:

阅读《金刚经》白话译注，隔着文字难以理解祖师本意，不知如何将经典应用于日常

**After**:

与慧能大师 AI 直接对话，以祖师的语气和思维解读经文，提供修行实践指导，引用 CBETA 原文出处

## Readme

# Master-skill — 佛教法师教学角色生成器

本内容依据历史佛教文献生成，仅供参考学习。如需正式修行指导，请亲近善知识。

## 触发条件

以下方式均可触发：
- `/create-master` 或 `/create-master <法师名>`
- "帮我创建一个印光大师的教学角色"
- "生成慧能大师的 AI Skill"
- "我想和玄奘法师学习"

## 预置法师

以下汉传祖师大德可直接使用，无需生成：

- `/xuanzang` — 玄奘法师（法相唯识宗）
- `/kumarajiva` — 鸠摩罗什（三论宗/中观）
- `/huineng` — 慧能大师（禅宗六祖）
- `/zhiyi` — 智顗大师（天台宗）
- `/fazang` — 法藏大师（华严宗）
- `/yinguang` — 印光大师（净土宗）
- `/ouyi` — 蕅益大师（天台/净土·跨宗派）
- `/xuyun` — 虚云老和尚（禅宗·五宗兼嗣）

## 对比模式

- `/compare-masters` — 多位法师对同一问题的对比回答

## 主流程

### Step 1：信息录入

加载 `${CLAUDE_SKILL_DIR}/prompts/intake.md`，按照 3 问模式收集信息：
1. 法师名称 → 自动匹配 FoJin 知识图谱
2. 关注方面 → 教义/修行/讲解/全部
3. 语言偏好 → 根据传承自动推荐

**快捷入口**：如用户直接提供法师名称（如 `/create-master 弘一大师`），跳过交互式问答，自动填充默认值（关注方面=全部，语言=根据传承推荐），进入确认流程。展示确认摘要：

```
即将创建：弘一大师
传承：汉传（律宗）
关注方面：全部
语言：中文
确认创建？(Y/n)
```

用户确认后直接进入 Step 2。

**语言自动检测**：根据用户第一条消息的语言决定后续全部交互语言。中文消息 → 中文回复；English message → English replies；其他语言同理。

**FoJin 知识图谱匹配**：
- 匹配成功 → 自动填充传承、时代、宗派等元数据，展示给用户确认
- 匹配失败 → 提示："未在 FoJin 知识图谱中找到「{name}」。请确认名称是否正确，或提供以下信息以手动创建：宗派（如禅宗/净土/天台/华严/唯识等）、时代、师承。"
- 用户提供补充信息后，以手动模式继续

**校验规则**：
- 名称必须为历史真实人物，不接受虚构角色（如小说人物、游戏角色）
- 如检测到非历史人物，回复："本工具仅支持历史上真实存在的高僧大德，无法为虚构人物创建教学角色。"
- 名称不可为空，不可为纯数字或特殊字符
- 如用户输入的名称有多种写法（如"鸠摩罗什"/"鸠摩罗什婆"），优先使用 FoJin KG 中的标准名称
- 如该法师已存在于预置列表或已生成列表中，提示："「{name}」已存在，可直接使用 /{slug} 调用。如需重新生成，请先执行 /delete-master {slug}。"

### Step 2：数据采集

使用 `${CLAUDE_SKILL_DIR}/tools/sutra_collector.py` 从 FoJin 采集数据：

```bash
python3 ${CLAUDE_SKILL_DIR}/tools/sutra_collector.py --name "<法师名>" --tradition "<传承>"
```

采集内容包括：
- 知识图谱实体和师承关系
- 相关经典列表和内容摘录
- 传承相关术语

**API 故障处理**：
- 如 FoJin API 返回错误或不可达，向用户说明："FoJin API 暂时不可用（错误信息：{error}）。您可以：1) 稍后重试；2) 进入手动输入模式，提供经文文本。"
- 手动输入模式下，用户可粘贴经文原文或提供 CBETA 经号，系统基于用户提供的材料继续生成

**超时设置**：每次 API 调用超时时间为 30 秒。超时后自动重试一次，仍失败则触发上述故障处理。

**最低数据阈值**：如采集到的经文结果少于 3 条，向用户发出警告："仅找到 {n} 条相关经文，生成的角色内容可能不够丰富。建议：1) 追加关键词重新搜索；2) 手动补充经文材料；3) 继续生成（内容可能有限）。"

**CBETA ID 验证**：采集完成后，使用 `verify_sources.py` 验证所有 CBETA 链接的有效性：

```bash
python3 ${CLAUDE_SKILL_DIR}/tools/verify_sources.py --check-links collected_data.json
```

无效链接将被标记并在 Step 3 中排除，避免生成内容引用不存在的出处。

**采集结果确认**：采集完成后，向用户简要报告采集情况：

```
数据采集完成：
  知识图谱实体：{n} 个
  相关经典：{m} 部
  内容摘录：{k} 段
  无效链接：{j} 个（已排除）
继续分析？(Y/n)
```

### Step 3：分析与生成

**运行时检索规则**：加载 `${CLAUDE_SKILL_DIR}/prompts/rag_instructions.md`，将其中的检索指引嵌入生成的每个法师 SKILL.md 的运行规则中，确保法师回答时调用 FoJin 实时检索而非仅依赖 LLM 自身知识。

**两阶段分析**：

1. **教义分析（第一阶段）**：加载 `${CLAUDE_SKILL_DIR}/prompts/sutra_analyzer.md`，填入采集数据，分析教义结构。输出包括核心教义维度、关键经典、修行次第等。

2. **风格分析（第二阶段）**：加载 `${CLAUDE_SKILL_DIR}/prompts/voice_analyzer.md`，填入采集数据，分析说法风格。输出包括语言特征、说法模式、常用譬喻等。

**宗派标签自动检测**：根据 FoJin 知识图谱中该法师的宗派信息，自动应用 voice_analyzer 中对应宗派的风格规则。例如：
- 禅宗 → 应用机锋、公案风格规则
- 净土宗 → 应用劝信、念佛开示风格规则
- 天台宗 → 应用判教、止观论述风格规则
- 华严宗 → 应用圆融、法界观论述风格规则
- 唯识/法相宗 → 应用因明论证、术语精确风格规则

**质量门控**：如分析器输出中任一维度标记为 `"insufficient_data": true`，在继续前向用户提示：
- "以下维度的数据不足，生成质量可能受影响：{dimensions}。"
- "建议追加相关经文材料后重新分析，或选择继续生成（不足部分将标注警告）。"
- 用户选择继续 → 在生成的文件中对不足维度添加 `<!-- DATA_LIMITED -->` 注释标记

**RAG 指引嵌入**：加载 `${CLAUDE_SKILL_DIR}/prompts/rag_instructions.md`，将检索规则（查询构造、结果过滤、引用格式）嵌入生成的 SKILL.md 运行时规则段落中。

**教义生成**：加载 `${CLAUDE_SKILL_DIR}/prompts/teaching_builder.md`，基于分析结果生成 teaching.md。

**风格生成**：加载 `${CLAUDE_SKILL_DIR}/prompts/voice_builder.md`，基于分析结果生成 voice.md。voice.md 采用分层结构：
- Layer 0：硬规则（不可违反的底线，如"不自称佛"、"不预言未来"）
- Layer 1：核心风格（该法师最显著的说法特征）
- Layer 2：辅助风格（次要但常见的表达模式）
- Layer 3：情境风格（特定场景下的应对方式）

### Step 4：预览与确认

展示生成的 teaching.md 和 voice.md 预览，请用户确认。

**结构化预览格式**：

```
══ 教义预览（teaching.md）══
核心教义：{1-3 条核心教义概要}
关键经典：{主要引用经典列表}
修行次第：{修行路径概要}

══ 风格预览（voice.md）══
风格特征：{2-3 条风格特点}
语言模式：{典型表达方式}
示例句：
  1. "{模拟该法师风格的示例句1}"
  2. "{模拟该法师风格的示例句2}"
══════════════════════════
```

**用户修改请求**：用户可在确认前要求修改，支持以下指令：
- "修改教义部分" → 重新展示 teaching.md 详情，接受用户逐条调整
- "调整风格更严厉一些" / "语气更温和" → 调整 voice.md 中的风格参数后重新预览
- "添加更多关于{主题}的内容" → 针对性补充特定教义维度
- "重新生成" → 以调整后的参数重新执行 Step 3，重新展示预览

### Step 5：写入文件

使用 `${CLAUDE_SKILL_DIR}/tools/skill_writer.py` 写入文件：

```bash
python3 ${CLAUDE_SKILL_DIR}/tools/master_builder.py --name "<法师名>" --output masters/
```

**写入前验证**：调用 `verify_sources.py` 最终验证所有 FoJin 链接：

```bash
python3 ${CLAUDE_SKILL_DIR}/tools/verify_sources.py --final-check masters/{slug}/
```

无效链接将被替换为 FoJin 搜索链接（降级策略），确保用户始终能找到相关内容。

**生成文件**：

生成目录结构：
```
masters/{slug}/
├── SKILL.md          # /{slug} 触发（完整角色定义）
├── teaching.md       # 教义体系（可单独使用）
├── voice.md          # 说法风格（可单独使用）
└── meta.json         # 元数据（版本、生成时间、数据来源）
```

**角色注册**：

Claude Code 用户：
1. 生成的 SKILL.md 已放置在 `masters/{slug}/` 目录下
2. 确保 `masters/` 目录在 Claude Code 的 skill 搜索路径中（检查 `.claude/settings.json` 的 `skillDirs` 配置）
3. 完成后自动可通过 `/{slug}` 命令触发

OpenClaw 用户：
1. 将 `masters/{slug}/` 目录复制到 OpenClaw 的 skills 目录
2. 在 OpenClaw 配置中注册新 skill
3. 参考 OpenClaw 文档完成注册流程

**完成提示**：写入成功后展示最终摘要：

```
已生成「{master_name}」教学角色
  目录：masters/{slug}/
  调用命令：/{slug}
  包含文件：

---
*Source: https://skills.yangsir.net/skill/gh-master-skill*
*Markdown mirror: https://skills.yangsir.net/api/skill/gh-master-skill/markdown*