| name | perspective-distiller |
| description | Distill a public figure, creator, thinker, operator, or theme into a reusable Chinese perspective skill. Use when Codex needs to research how someone thinks instead of merely what they said: gather primary materials, run six research lanes, extract mental models and decision heuristics with validation, preserve tensions and limits, and generate or update a self-contained perspective-skill folder. |
Perspective Distiller
Overview
把一个人或一个主题蒸成一套可运行的认知视角。
核心不是模仿口气，而是提炼：
- 他怎么想
- 他怎么判断
- 他怎么表达
- 他绝对不做什么
- 他在哪些地方不该被假装“完整复刻”
最终目标不是一篇人物介绍，而是一个可复用的视角 Skill 包。
Quick Start
- 先判断目标是人物还是主题。
- 锁定用途：顾问型、角色型，还是研究沉淀型。
- 优先吃用户提供的一手素材，再补公开资料。
- 按六路研究工作流收集证据。
- 只把通过验证的内容升级为核心心智模型。
- 生成自包含 Skill 包，并跑质量检查。
如果材料太薄，不要硬蒸。
Default Contract
默认采用以下约定，除非用户另有说明：
- 输出语言：中文
- 信息边界：公开信息 + 用户明确提供的一手材料
- 输出形态：一个自包含 Skill 目录
- 默认模式：顾问型视角优先，角色表演其次
- 默认研究策略：本地材料优先，原始来源优先，低质量二手材料只作线索
Workflow
Step 0: Scope the Distillation
先判断：
- 目标是人物还是主题
- 是新建还是更新
- 是否有本地素材
- 用户想要的是：
advisor-firstrole-firstresearch-only
如果目标过于模糊，先把对象与用途说清楚，再进入采集。
Step 1: Set Up the Target Skill Folder
默认在当前工作区创建或更新：
skills/<target-slug>/
├── SKILL.md
├── references/
│ └── research/
└── assets/ (optional)
若用户给了已有目录，则在原目录上更新，不要另起炉灶。
完整结构要求见 references/output-contract.md。
Step 2: Run the Six Research Lanes
按六路研究工作流收集信息：
- writings
- conversations
- expression DNA
- external views
- decision records
- timeline and recent updates
工具和策略允许时可以并行；否则顺序跑完也可以，但不要跳 lane。
详细规则见 references/research-lanes.md。
Step 3: Extract the Cognitive Operating System
对研究材料做五层提炼：
- core mental models
- decision heuristics
- expression DNA
- anti-patterns / values
- honest boundary
只有通过验证的内容才能进入核心心智模型。
详细方法见 references/extraction-framework.md。
Step 4: Build the Perspective Skill
用 assets/perspective-skill-template.md 组装最终 Skill。
默认要求：
- 3-7 个核心心智模型
- 5-10 条决策启发式
- 明确的表达 DNA
- 可见的张力与矛盾
- 明确的诚实边界
- 附录保留研究来源
Step 5: Validate Before Delivery
优先做两层验证：
- 结构验证：字段是否完整、数量是否合理、边界是否清楚
- 视角验证：是否真的像这个人的认知框架，而不是名句拼贴
可用 scripts/quality_check.py 做快速结构检查。
如果用户提供了字幕文件或下载后的 SRT/VTT，可用 scripts/srt_to_transcript.py 先清洗为可读 transcript。
Output Format
默认交付一个自包含 Skill 包，并在回复里说明：
- 目标对象与模式
- 主要来源类型
- 提炼出的核心模型数
- 是否保留了主要张力与边界
- 还缺什么信息
Hard Rules
Do not:
- 把人物语录堆成一个 Skill
- 用单一来源硬凑完整认知系统
- 把低可信二手材料写成事实
- 抹平明显矛盾
- 假装这个 Skill 能替代真人本人
- 为了“像”而过度模仿表层口癖
Always:
- 优先原始材料
- 区分事实、引述、外部观察和推断
- 保留张力、演化和信息不足
- 让结果目录自包含
- 写清楚诚实边界
Resource Map
