Run any Skill in Manus with one click

Get Started

serendipity

Stars1

Forks0

UpdatedMay 24, 2026 at 23:11

从 Wiki 随机抽取 1-3 个页面作为灵感种子，到网上搜索相关分析文章，发现 Wiki 真正的缺口并补齐。可接受参数指定灵感方向。项目路径见 local/config/serendipity.config.md。

Installation

Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.

Run Skill in Manus

Source

OrangeViolin

OrangeViolin/high-school-physics-wiki

View GitHub Repository View Creator Repositories

Download

Run Skill in Manus

File Explorer

2 files

SKILL.md

readonly

name	serendipity
description	从 Wiki 随机抽取 1-3 个页面作为灵感种子，到网上搜索相关分析文章，发现 Wiki 真正的缺口并补齐。可接受参数指定灵感方向。项目路径见 local/config/serendipity.config.md。

/serendipity — 随缘探索 Skill

核心理念

从 Wiki 自身出发，借外部视角照亮盲区。

从现有 Wiki 随机抽取种子页面，以它们为起点搜索相关分析文章，再反过来发现 Wiki 的缺口。外部资料只提供选题灵感，词条正文须基于书中内容（corpus 路径见 local/config/serendipity.config.md）。

参数

调用方式	说明
`/serendipity`	随机从 Wiki 抽取 1–3 个种子页面
`/serendipity 图灵`	以"图灵"为方向，定向探索
`/serendipity 神经网络深度学习`	以多个关键词为方向

工作流程

步骤 1 · 抽取灵感种子

python3 -c "
import json, random
pages = json.load(open('docs/wiki/pages.json'))['pages']
candidates = [p for p,v in pages.items() if not p.startswith('第') or not p.endswith('章')]
seeds = random.sample(list(candidates), min(3, len(candidates)))
for s in seeds:
    v = pages[s]
    print(s, '|', v.get('type','?'), '|', v.get('description','')[:40])
"

读取种子页面正文，提取 2–3 个尚未充分展开的关联概念。

步骤 2 · 构造搜索查询

角度	构造方式
历史深挖	`人工智能历史 [种子词] 深度解读`
学术角度	`[种子词] AI history review`
冷门细节	`[种子词] 人工智能早期细节`
当代评价	`[种子词] 影响现代AI`

步骤 3 · 并发搜索 + 精读

同时发出 2–3 个 WebSearch 查询（并行）。从结果中挑 1–2 篇最有趣的文章，WebFetch 精读。

精读提取要点：

提到了哪些具体的人物、系统、事件、概念？
有没有书中提及但 Wiki 尚无词条的实体？
有没有跨话题的关联叙述？

步骤 4 · 识别候选话题

从文章中提炼 3–8 个候选词条话题。

过滤原则：

须在 corpus_search.py 中有命中（否则不建页）
外部分析框架名（如"寒冬"、"AI热潮"）：若书中有此词 → 建页；否则只做背景参考
过于抽象的概念（如"科技乐观主义"）：不建 concept 页

步骤 5 · 对照现有 Wiki 查缺口

python3 -c "
import json
ai = json.load(open('docs/wiki/pages.json'))['alias_index']
for c in ['话题A', '话题B']:
    print(c, '->', ai.get(c, 'MISSING'))
"

步骤 6 · corpus_search 验证

python3 wiki/scripts/butler/corpus_search.py "话题名" --max 8

入选标准：

≥3 次命中 → 建完整页面（create-page）
1–2 次命中 → 建 stub（create-stub）
0 次命中 → 不建页

步骤 7 · 撰写词条

内容须基于 corpus_search.py 找到的书中原文，不得将外部分析结论直接写入正文。

步骤 8 · 发布

/wiki

输出格式

## /serendipity 探索报告

### 灵感种子
- 「图灵测试」（concept）— 随机抽取

### 浏览的文章
1. [标题](URL) — 来源 — 主要角度一句话

### 候选话题筛查
| 话题 | Wiki 现状 | corpus 命中 | 决策 |
|------|----------|------------|------|
| 约翰·麦卡锡 | MISSING | 12 | ✅ 建页 |
| AI寒冬 | MISSING | 3 | ✅ 建页 |
| 通用人工智能 | 已有 | — | ❌ 跳过 |

### 本次产出
- 新建词条：X 个
- 扩写词条：Y 个

禁止事项

❌ 禁止把外部解读框架直接当词条内容（须有书中依据）
❌ 禁止未查 corpus 就直接写词条
❌ 禁止 git commit（由 /wiki 负责）

More from this repository

same repository

chapter-scan

OrangeViolin/high-school-physics-wiki

逐章反思，一次只扫一章，发现章节中遗漏的实体页面和改进建议。项目路径见 local/config/chapter-scan.config.md。

2026-06-161

editor

OrangeViolin/high-school-physics-wiki

Wiki 编委审稿：检查近期 butler 工作是否违反质量规范，输出分级违规报告，给出具体纠正建议。项目路径见 local/config/editor.config.md。

2026-06-161

enrich

OrangeViolin/high-school-physics-wiki

升级当前 wiki 页面质量一档（stub→basic→standard→featured→premium）。诊断页面当前指标缺口，执行对应补充操作（扩写散文、补充引用、加节）。当用户说 /enrich PAGE 或 /enrich PAGE 目标档时触发。

2026-06-161

butler

OrangeViolin/high-school-physics-wiki

启动 Wiki 管家永续 loop。两队列系统（content/housekeeping）。每轮：W1队列选任务→W2执行→W3自评→记账，无需用户逐轮确认。每11轮discover+housekeeping-scan，每17轮执行ADM4-commit，每29轮W5反思，每37轮H17覆盖扫描。带 --auto 参数时忽略 fail 暂停 + 上下文将满时 ScheduleWakeup 自续。项目路径见 local/config.md。

2026-06-031

grow

OrangeViolin/high-school-physics-wiki

启动或推进当前 Wiki 的 GROW 增长流程。读取 GROW.md 中的当前阶段，按 $MEMEX_ROOT/GROW.spec.md 执行下一个未完成的 Phase。BIRTH Phase 10 完成后调用。

2026-06-031

butler

OrangeViolin/high-school-physics-wiki

启动 Wiki 管家永续 loop。两队列系统（content/housekeeping）。每轮：W1队列选任务→W2执行→W3自评→记账，无需用户逐轮确认。每11轮discover+housekeeping-scan，每17轮自动/wiki发布，每29轮W5反思，每37轮H17覆盖扫描。带 --auto 参数时忽略 fail 暂停 + 上下文将满时 ScheduleWakeup 自续。项目路径见 local/config.md。

2026-06-011

name	serendipity
description	从 Wiki 随机抽取 1-3 个页面作为灵感种子，到网上搜索相关分析文章，发现 Wiki 真正的缺口并补齐。可接受参数指定灵感方向。项目路径见 local/config/serendipity.config.md。

/serendipity — 随缘探索 Skill

核心理念

从 Wiki 自身出发，借外部视角照亮盲区。

参数

调用方式	说明
`/serendipity`	随机从 Wiki 抽取 1–3 个种子页面
`/serendipity 图灵`	以"图灵"为方向，定向探索
`/serendipity 神经网络深度学习`	以多个关键词为方向

工作流程

步骤 1 · 抽取灵感种子

python3 -c "
import json, random
pages = json.load(open('docs/wiki/pages.json'))['pages']
candidates = [p for p,v in pages.items() if not p.startswith('第') or not p.endswith('章')]
seeds = random.sample(list(candidates), min(3, len(candidates)))
for s in seeds:
    v = pages[s]
    print(s, '|', v.get('type','?'), '|', v.get('description','')[:40])
"

读取种子页面正文，提取 2–3 个尚未充分展开的关联概念。

步骤 2 · 构造搜索查询

角度	构造方式
历史深挖	`人工智能历史 [种子词] 深度解读`
学术角度	`[种子词] AI history review`
冷门细节	`[种子词] 人工智能早期细节`
当代评价	`[种子词] 影响现代AI`

步骤 3 · 并发搜索 + 精读

同时发出 2–3 个 WebSearch 查询（并行）。从结果中挑 1–2 篇最有趣的文章，WebFetch 精读。

精读提取要点：

提到了哪些具体的人物、系统、事件、概念？
有没有书中提及但 Wiki 尚无词条的实体？
有没有跨话题的关联叙述？

步骤 4 · 识别候选话题

从文章中提炼 3–8 个候选词条话题。

过滤原则：

须在 corpus_search.py 中有命中（否则不建页）
外部分析框架名（如"寒冬"、"AI热潮"）：若书中有此词 → 建页；否则只做背景参考
过于抽象的概念（如"科技乐观主义"）：不建 concept 页

步骤 5 · 对照现有 Wiki 查缺口

python3 -c "
import json
ai = json.load(open('docs/wiki/pages.json'))['alias_index']
for c in ['话题A', '话题B']:
    print(c, '->', ai.get(c, 'MISSING'))
"

步骤 6 · corpus_search 验证

python3 wiki/scripts/butler/corpus_search.py "话题名" --max 8

入选标准：

≥3 次命中 → 建完整页面（create-page）
1–2 次命中 → 建 stub（create-stub）
0 次命中 → 不建页

步骤 7 · 撰写词条

内容须基于 corpus_search.py 找到的书中原文，不得将外部分析结论直接写入正文。

步骤 8 · 发布

/wiki

输出格式

## /serendipity 探索报告

### 灵感种子
- 「图灵测试」（concept）— 随机抽取

### 浏览的文章
1. [标题](URL) — 来源 — 主要角度一句话

### 候选话题筛查
| 话题 | Wiki 现状 | corpus 命中 | 决策 |
|------|----------|------------|------|
| 约翰·麦卡锡 | MISSING | 12 | ✅ 建页 |
| AI寒冬 | MISSING | 3 | ✅ 建页 |
| 通用人工智能 | 已有 | — | ❌ 跳过 |

### 本次产出
- 新建词条：X 个
- 扩写词条：Y 个

禁止事项

❌ 禁止把外部解读框架直接当词条内容（须有书中依据）
❌ 禁止未查 corpus 就直接写词条
❌ 禁止 git commit（由 /wiki 负责）