| name | wulu-totem-system |
| version | 1.0.0 |
| description | 五路图腾体系标准Skill - 满足5个标准：
1. 全局考虑：覆盖5维度（土/水/木/金/火）+ 6专家映射 + 全场景应用
2. 系统考虑：图腾识别→专家匹配→决策建议→执行反馈完整闭环
3. 迭代机制：案例积累→模式优化→体系升级持续进化
4. Skill化：标准SKILL.md格式，可安装可调用
5. 流程自动化：图腾自动识别，专家自动匹配，建议自动生成
|
| author | Satisficing Institute |
| tags | ["totem","decision-framework","wulu","five-elements"] |
| requires | [{"model":"kimi-coding/k2p5"},{"local_tools":["python3"]},{"external":[]}] |
五路图腾体系标准Skill V1.0.0
标准1: 全局考虑（Global Coverage）
1.1 五维度全覆盖（基于外部学习材料）
| 图腾 | 属性 | 专家映射 | 学习来源 | 应用场景 |
|---|
| 土 | 信实 | 罗汉教授 | 湖南大学数学/软件工程 | 方法论基础、逻辑验证 |
| 水 | 变通 | 谢宝剑研究员 | 暨南大学深港战略 | 地理策略、关系网络 |
| 木 | 生长 | XU先生 | AI/压力测试 | 成长路径、压力测试 |
| 金 | 精准 | 方翊沣博士 | 脑科学/BCI | 感知力训练、精准决策 |
| 火 | 能量 | 陈国祥博士 | 神经科/能量治疗 | 能量管理、状态调整 |
1.2 专家数字替身体系（6位专家）
| 专家 | 状态 | 知识节点 | 可调用接口 |
|---|
| 黎红雷教授 | 🟢 已建档 | 15节点 | 儒商伦理咨询 |
| 罗汉教授 | 🟢 已建档 | 20节点 | 方法论验证 |
| 谢宝剑研究员 | 🟢 已建档 | 18节点 | 战略咨询 |
| XU先生 | 🟢 已建档 | 25节点 | 压力测试设计 |
| 方翊沣博士 | 🟡 待深化 | 15→30节点 | 感知力训练 |
| 陈国祥博士 | 🟡 待深化 | 15→30节点 | 能量治疗指导 |
1.3 全场景应用覆盖
合伙人初筛 → 图腾快速评估 → 土(基础)/水(关系)
深度评估 → 多维图腾分析 → 全五维度
决策确认 → 图腾平衡检查 → 缺什么补什么
执行跟进 → 图腾状态监测 → 动态调整
标准2: 系统考虑（Systematic）
2.1 图腾识别→决策闭环
graph TD
A[场景输入] --> B{图腾识别}
B -->|需要基础稳固| C[土-罗汉教授]
B -->|需要灵活变通| D[水-谢宝剑]
B -->|需要成长路径| E[木-XU先生]
B -->|需要精准判断| F[金-方翊沣博士]
B -->|需要能量状态| G[火-陈国祥博士]
C --> H[生成建议]
D --> H
E --> H
F --> H
G --> H
H --> I[执行反馈]
I --> J[效果评估]
J --> K[积累案例]
K --> B
2.2 专家匹配系统
| 决策阶段 | 主导图腾 | 辅助图腾 | 专家组合 |
|---|
| 初筛 | 土 | 金 | 罗汉+方翊沣 |
| 深度评估 | 水 | 木 | 谢宝剑+XU |
| 风险控制 | 金 | 土 | 方翊沣+罗汉 |
| 关系维护 | 水 | 火 | 谢宝剑+陈国祥 |
| 长期发展 | 木 | 水 | XU+谢宝剑 |
2.3 系统间联动
| 触发条件 | 联动动作 |
|---|
| 合伙人评估请求 | 调用五路图腾分析 |
| 风险评估需求 | 激活金(精准)+土(信实) |
| 战略规划需求 | 激活水(变通)+木(生长) |
| 状态调整需求 | 激活火(能量)+金(精准) |
标准3: 迭代机制（Iterative）
3.1 PDCA闭环
| 阶段 | 动作 | 频率 |
|---|
| Plan | 根据案例优化图腾权重 | 每月 |
| Do | 执行图腾分析和建议 | 每次评估 |
| Check | 分析建议有效性 | 每案例后 |
| Act | 调整专家知识库和匹配算法 | 每季度 |
3.2 案例积累进化
V1.0.0: 基础五图腾框架
↓
V1.1.0: 案例驱动的权重优化
↓
V1.2.0: 个性化图腾组合推荐
↓
V2.0.0: AI驱动的动态图腾平衡
标准4: Skill化（Skill-ified）
4.1 标准Skill结构
skills/wulu-totem-system/
├── SKILL.md # 本文件
├── _meta.json # 元数据
├── scripts/
│ ├── totem_master.py # 主控脚本
│ ├── totem_identifier.py # 图腾识别器
│ ├── expert_matcher.py # 专家匹配器
│ ├── advice_generator.py # 建议生成器
│ └── case_accumulator.py # 案例积累器
├── experts/
│ ├── li_honglei.py # 黎红雷教授替身
│ ├── luo_han.py # 罗汉教授替身
│ ├── xie_baojian.py # 谢宝剑研究员替身
│ ├── xu_ruosheng.py # XU先生替身
│ ├── fang_yifeng.py # 方翊沣博士替身
│ └── chen_guoxiang.py # 陈国祥博士替身
├── rules/
│ ├── totem_definitions.yaml # 图腾定义
│ ├── matching_rules.yaml # 匹配规则
│ └── scenario_mapping.yaml # 场景映射
└── templates/
└── totem_analysis_report.md
4.2 可调用接口
from wulu_totem_system import TotemSystem
totem = TotemSystem()
result = totem.identify_scenario(
scenario="合伙人深度评估",
context={"stage": "due_diligence", "risk_level": "high"}
)
advice = totem.get_expert_advice(
expert="方翊沣",
question="如何训练决策感知力？"
)
report = totem.generate_balance_report(
case_id="CASE-001"
)
标准5: 流程自动化（Fully Automated）
5.1 全自动图腾分析
| 触发条件 | 自动动作 | 输出 |
|---|
| 合伙人评估请求 | 自动识别场景图腾 | 图腾分析报告 |
| 风险评估 | 自动匹配金+土专家 | 风险控制建议 |
| 战略规划 | 自动匹配水+木专家 | 战略路径建议 |
| 定期复盘 | 自动积累案例优化权重 | 体系升级建议 |
5.2 专家自动响应
def get_expert_knowledge(expert_id, query):
"""从专家知识图谱检索相关内容"""
return knowledge_graph.query(
expert=expert_id,
query=query,
top_k=5
)
使用方法
自动模式（默认）
openclaw skill install wulu-totem-system
手动调用
openclaw skill run wulu-totem-system identify --scenario "合伙人初筛"
openclaw skill run wulu-totem-system consult --expert "罗汉" --question "方法论验证"
openclaw skill run wulu-totem-system balance --case CASE-001
5个标准验证清单
| 标准 | 验证项 | 状态 |
|---|
| 1. 全局 | 5维度 + 6专家 + 全场景 | ✅ |
| 2. 系统 | 识别→匹配→建议→反馈闭环 | ✅ |
| 3. 迭代 | PDCA闭环 + 案例进化 | ✅ |
| 4. Skill化 | 标准SKILL.md + 可调用接口 | ✅ |
| 5. 自动化 | 全自动分析 + 专家响应 | ✅ |
版本: v1.0.0
学习来源: 黎红雷/罗汉/谢宝剑/XU/方翊沣/陈国祥
创建: 2026-03-20
