Menü
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Ein direkter Befehl überspringt den Prüf-Prompt. Prüfen Sie die Quelle, bevor Sie ihn ausführen.
npx skills add https://github.com/GeorgeDoors888/GB-Power-Market-JJ --skill benchmark-lobster-forgeDer Befehl bleibt in einer Zeile. Scrollen Sie horizontal, um ihn vor dem Kopieren vollständig zu prüfen.
Sie bevorzugen eine lokale Kopie? Laden Sie die Dateien herunter, die SkillsMP derzeit vorliegen.
Basierend auf der SOC-Berufsklassifikation
SKILL.md wird angezeigt
| name | benchmark-lobster-forge |
| description | 用元认知引导发现值得被做成小龙虾的机会点，并将其收敛为可开箱即用的基准 Agent 小龙虾。 |
| version | 1.0.2 |
| displayName | MomClaw 元认知造虾师 |
| tags | metacognition, agent-design, architecture, benchmark-agent, skill, planning, momclaw |
这不是一只普通的“Agent 生成器” skill。
它是一只 母虾型 skill： 负责把用户脑中模糊的机会点，经过元认知引导、价值判断、架构收敛与规划，变成一只 可开箱即用的基准小龙虾蓝图。
它解决的核心问题不是“怎么写一个 Agent”，而是：
一句话定义：
帮助用户从“隐约觉得这是个机会”走到“产出一只可直接创建、测试、迭代的基准小龙虾”。
这只 skill 的目标，不是帮用户多想几个创意。 而是把 ag-creator 的核心造虾能力，整理成一个真正可交付、可复用、可发布的产品级方法包。
它要做到三件事：
这是一个 造虾前置决策 + 蓝图生成 skill。
它主要负责两件事：
它本身不等于最终创建动作。 当机会点、价值、边界、架构都清楚后，再把结果交给：
openclaw-agent-governance：治理层vertical-agent-creator：实际创建 / 复制 / 重构层所以它在整个造虾链路里的位置是：
元认知机会识别 -> 基准虾蓝图收敛 -> 治理校正 -> 实际创建
当用户出现以下表达时，优先使用本 skill：
以下情况不要直接触发本 skill，或要先缩小问题边界：
不是等用户把需求讲清楚，而是主动发现：
不是所有点都适合做成虾。 必须判断：
把模糊想法收敛成：
不是只问“能不能做”。 还要问：
不是所有点都值得 Agent 化。 优先判断：
禁止一上来就堆功能、堆人设、堆工具。 先定义：
输出不能停留在概念。 必须产出：
用户往往只说表层想法。 要主动向下挖：
默认从可复制、可测试、可迭代的 benchmark lobster 入手。
先从用户表达里提炼“潜在机会点”。
重点识别：
如果用户说得模糊，先用一句话总结：
[候选机会点]：这个想法本质上是在尝试解决什么重复性问题？
通过提问把模糊想法压缩成结构化判断材料。
优先问这几类：
不要机械追问全部问题。 只问最能帮助收敛判断的 2-5 个关键问题。
用多视角判断法做价值评估：
最后给出三类结论之一：
同时必须说明：
判断它更像哪一类：
虾型决定：
一旦确认值得做，就必须转成结构。
至少定义清楚：
如果需要创建真实 Agent，结构设计默认服从以下硬规则：
AGENTS.md 保持 Panda / 官方骨架思维MEMORY.md 只写长期治理规则memory/YYYY-MM-DD.md 写短期推进skills/ 承载流程能力knowledge / cards / reports 承载内容，不把内容硬塞进 AGENTS.md在蓝图收敛完成后，再做一轮“圆润化”检查，确认这不是一只只会说、不好用的虾。
重点检查：
优先参考：
references/product-roundness-framework.mdtemplates/product-roundness-check.md把架构结果组织成一个可直接交付的蓝图包。
蓝图至少包括：
输出形式优先使用模板：
templates/opportunity-intake.mdtemplates/lobster-opportunity-scorecard.mdtemplates/lobster-blueprint.mdtemplates/benchmark-agent-spec.mdtemplates/next-actions-checklist.md如果用户只想做判断和规划，到蓝图为止。
如果用户明确要进入创建阶段：
openclaw-agent-governancevertical-agent-creator不要跳过治理直接创建。
当用户确认要落地某只新虾后，不能只在当前对话里给建议。 必须把当前产出的关键文档，写入目标虾自己的 workspace。
默认至少要落这些内容：
推荐落位：
memory/reports/：蓝图、架构说明、阶段报告memory/cards/：结构卡、判断卡、场景卡memory/YYYY-MM-DD.md：本次推进日志skills/：已确认需要 skill 化的流程原则：
完成写入后，必须主动告诉用户：
不要只默默写文件。 必须给用户一份清晰的“交付地图”。
在目标 workspace 搭好之后，不要等用户自己想起来。 要主动问：
这只新虾准备部署在哪个平台？Telegram、Feishu、Discord，还是其他 channel？
这一步必须主动做，因为平台会决定：
用户选定平台后，要继续引导：
也就是说，本 skill 不只负责“想清楚”和“写清楚”，还负责把用户引导到真正可部署的下一步。
当用户确认进入创建阶段后，默认必须执行：
这 4 步属于本 skill 的后半段闭环，不是可选项。
每次使用本 skill，默认输出以下 7 段：
一句话定义这次真正值得讨论的机会点。
给出支持理由、反对理由、风险判断。
明确谁会用、在什么情况下用、为什么会反复使用。
给出虾型归类，并可用 scorecard 辅助说明判断质量。
给出这只虾的核心结构：
明确：
明确接下来是：
在信息不足时，优先从下面选 2-5 个问题追问：
更详细的问诊路径见：
references/metacognitive-interview-tree.md优先阅读：
references/lobster-opportunity-evaluation.mdreferences/benchmark-lobster-architecture-framework.mdreferences/product-roundness-framework.mdreferences/metacognitive-interview-tree.mdreferences/agent-type-taxonomy.mdreferences/lobster-case-cards.mdreferences/anti-patterns.md正确做法：先筛机会，再造虾。
正确做法：先明确价值、场景、闭环、边界。
正确做法：必须输出基准架构与 next actions。
正确做法：先做 benchmark lobster，再逐步增强。
正确做法：蓝图出来后，先治理，再落地创建。
openclaw-agent-governance 的关系本 skill 负责：
openclaw-agent-governance 负责：
vertical-agent-creator 的关系本 skill 负责“先想清楚”。
vertical-agent-creator 负责“正式创建 / 复制 / 重构”。
workflow-to-clawhub-skill 的关系后者负责把完整工作流打包成技能包。 本 skill 就是该流程打包出来的结果之一。
collab-to-skill 的关系当 MomClaw 的能力不是单边生成，而是通过“人类 + Agent”共同打磨出来时，
可以使用 collab-to-skill 将这类协作过程提炼成独立 skill。
blueprint-to-deployment 的关系当 MomClaw 已经产出蓝图，但需要把结果真正写入目标 Agent workspace、给用户交付地图、并推进到部署接入时，
可以使用 blueprint-to-deployment 作为后半段闭环补全 skill。
一次成功的使用，至少要做到：
这只 skill 的本质不是“帮用户生成一个机器人”。
它的本质是：
把元认知引导、造虾判断、Agent 架构理解、圆润化产品思维、基准小龙虾规划能力，打包成一套可重复执行的母体流程。
它先回答：
然后再把结果交给创建流程，产出真正可开箱即用的基准小龙虾。