forge-skill

# Forge Skill — 锻造任何领域的思维工具 > 不是角色扮演一个智者，而是锻造一把可执行的思维工具。 --- ## 激活条件与触发词 ### 直接锻造触发词 - 「锻造一个/一个 [方法论名]」 - 「forge a [methodology name]」 - 「铸造 [方法论名] Skill」 - 「用 [方法论名] 分析...」（如果本地无该 Skill） ### 诊断推荐触发词 - 「我想提升...」「帮我改善...」 - 「面对这个问题该用什么方法」 - 「不知道怎么办」「陷入瓶颈」 - 「需要一种方法论/框架」 ### 组合调用触发词 - 「先用...再用...」 - 「用 [方法A] 和 [方法B] 组合分析」 - （当检测到 nuwa-skill 时）「用 [方法论] + [名人视角] 分析」 --- ## 方法框架概览 Forge Skill 的核心是把抽象方法论"锻造"为可执行的 AI Skill。它通过 6 维并行调研采集信息，用三重验证提炼核心原理，自动推导操作协议，内置误用检测和诚实边界。 --- ## 核心原理 ### 原理 1: 方法论优先于角色 "用第一性原理分析"比"像 Musk 一样思考"更有价值。角色是临时的，方法论是可复用的。 **跨域证据**： 1. 芒格使用多元思维模型分析投资（金融领域） 2. Toyota 使用 TPS（精益方法论）管理制造（制造领域） **应用方式**：输出的 Skill 是方法论工具，不是角色扮演。 **局限**：某些需要情感共鸣或人格特质的场景（如演讲风格模仿），方法论工具不如角色 Skill。 ### 原理 2: 结构化可执行 每个方法论必须有明确的操作协议（Agentic Protocol），不是泛泛建议。 **跨域证据**： 1. TRIZ 的 40 个发明原理是结构化的矛盾解决工具（工程领域） 2. DMAIC（六西格玛）的五步流程是标准化的质量改进协议（管理领域） **应用方式**：Skill 必须包含 Step 1/2/3 结构化操作流程。 **局限**：高度创意性或艺术性的方法论（如"头脑风暴"）难以完全结构化。 ### 原理 3: 误用检测内置 Skill 主动检测方法论是否被错误应用，而非被动等待用户发现问题。 **跨域证据**： 1. 医学诊断的排除法防止误诊（医学领域） 2. 航空检查单防止操作遗漏（航空领域） **应用方式**：每个 Skill 内置误用检测器，覆盖方法-问题不匹配、跳步骤、复杂度超限。 **局限**：误用检测依赖问题分类的准确性，模糊问题场景下检测器效果降低。 ### 原理 4: 诚实边界 明确标注方法的局限，不伪装万能。 **跨域证据**： 1. 科学论文的"Limitations"章节是学术诚实的基础（学术领域） 2. Cynefin 框架明确标注每种决策方法适用的复杂度层级（管理领域） **应用方式**：Skill 必须包含 ≥3 条具体局限，禁止"不能替代专业建议"类空话。 ### 原理 5: 可组合设计 方法论之间可以无缝组合调用，产生协同效应。 **跨域证据**： 1. 第一性原理 + 系统思维在 SpaceX 中的应用（航天领域） 2. 设计思维 + 精益创业在 IDEO 中的应用（设计领域） **应用方式**：Skill 之间通过统一的 Agentic Protocol 接口组合。 **局限**：某些互斥方法论（如奥卡姆剃刀 vs 系统思维）不应同时使用。 --- ## 操作协议（Agentic Protocol） ### Step 1: 入口分流 — 判断用户意图，选择锻造路径 **前置检查**：检测用户语言（用于后续输出语言选择）。 #### 路径 A：直接锻造（用户给出明确方法论名） 1. 确认方法论名称和边界 2. 检查本地 `.claude/skills/` 是否已有该 Skill（避免重复锻造） 3. 如果已有：直接激活已有 Skill，询问是否需要重新锻造 4. 如果没有：确认锻造范围（全面画像 vs 聚焦某维度） 5. 确认本地语料（用户是否有一手素材提供） #### 路径 B：诊断推荐（用户描述模糊需求） 1. 通过 1-2 轮追问定位核心需求维度 2. 扫描本地已有方法论 Skill 3. 推荐候选方法论（最多 3 个），每个展示： - 核心框架：这个方法的核心思路（一句话） - 为什么适合：直接对应用户需求 - 局限：这个方法的盲区 4. 用户选择 → 进入路径 A **需求维度映射参考**（完整映射见 `references/method-categories.md`）： | 需求维度 | 典型表达 | 推荐方法论 | |---------|---------|-----------| | 解决复杂问题 | "问题太复杂了""看不清全貌" | 系统思维、第一性原理 | | 创新与突破 | "需要新想法""陷入瓶颈" | TRIZ、设计思维、第一性原理 | | 产品增长 | "增长放缓""获客成本高" | 增长黑客、精益创业 | | 快速验证 | "不确定这个方向对不对" | 精益创业、双钻模型 | | 风险预判 | "怕踩坑""想提前发现风险" | 事前验尸、第二阶思维 | | 竞争分析 | "怎么看待竞争格局" | 五力分析、博弈论、蓝海战略 | | 学习理解 | "学不会""讲不明白" | 费曼学习法 | | 持续改进 | "效率低""质量不稳定" | 改善（Kaizen）、六西格玛 | | 简化决策 | "选项太多""想不清楚" | 奥卡姆剃刀、逆向思维 | | 不确定性决策 | "未来不确定""风险大" | 场景规划、Cynefin 框架 | | 根因分析 | "为什么会出问题""反复出同样的错" | 5 Whys、鱼骨图 | | 资源聚焦 | "资源有限""抓大放小""关键少数" | 帕累托法则、约束理论 | | 商业模式设计 | "怎么赚钱""商业模式""如何变现" | 商业模式画布、精益画布 | | 竞争优势分析 | "护城河在哪""成本还是差异化" | 价值链分析、五力分析 | | 目标管理 | "目标不清晰""对齐困难""执行跟踪" | OKR、平衡计分卡 | | 多学科思维 | "需要不同学科视角""避免思维固化""想提升决策质量" | 心智模型融合、交叉学科思维 | --- ### Step 2: 多源信息采集 — 6 路并行调研 **前置动作**：创建 Skill 目录结构。 ``` .claude/skills/[method-name]-skill/ ├── SKILL.md # 最终产物 └── references/ └── research/ # 调研结果 ├── 01-classic-literature.md ├── 02-practice-cases.md ├── 03-critical-views.md ├── 04-cross-domain.md ├── 05-tooling.md └── 06-timeline.md ``` **6 路并行采集**（用 Task 工具并行启动 6 个 Agent）： | Agent | 搜索目标 | 提取重点 | 输出文件 | |-------|---------|---------|---------| | 1 经典文献 | 奠基论文、经典著作、学术论文 | 核心原理、公理、基本假设、自创术语、推荐阅读 | `01-classic-literature.md` | | 2 实践案例 | 成功/失败应用记录、企业案例 | 方法如何被执行、典型步骤、成功条件、失败原因 | `02-practice-cases.md` | | 3 批判视角 | 反对意见、局限性分析、替代方案 | 方法的盲区、误用案例、与其他方法的冲突 | `03-critical-views.md` | | 4 跨域迁移 | 方法在其他领域的应用 | 非原始领域的成功迁移案例、适配修改 | `04-cross-domain.md` | | 5 工具化程度 | 已有框架/模板/清单/软件 | 方法被工具化的程度、现有工具的优劣 | `05-tooling.md` | | 6 演化时间线 | 起源→发展→现状→趋势 | 关键里程碑、理论演化、最新发展 | `06-timeline.md` | **信息源优先级**： - 方法论创始人的原始著作 > 同行评议论文 > 实践案例 > 批判分析 > 教科书 > 博客/社交媒体 - 原始语言文献 > 英语翻译/分析 > 其他语言翻译 **信息源黑名单**：知乎、微信公众号、百度百科等低质量百科。 **单一维度无结果处理**：如果某个 Agent 搜索无结果，继续推进，在 Phase 2.5 调研 Review 中标注该维度信息不足，最终在 Skill 的诚实边界中说明。 --- ### Phase 1.5 检查点：调研 Review 6 个 Agent 全部完成后，暂停并向用户展示调研质量摘要： ``` ┌──────────────────┬──────────┬──────────────────────────┐ │ Agent │ 来源数量 │ 关键发现 │ ├──────────────────┼──────────┼──────────────────────────┤ │ 1 经典文献 │ [N] 篇 │ 核心原理: ... │ │ 2 实践案例 │ [N] 个 │ 成功: ..., 失败: ... │ │ 3 批判视角 │ [N] 篇 │ 主要批评: ... │ │ 4 跨域迁移 │ [N] 个 │ 迁移到: ... │ │ 5 工具化程度 │ [N] 个 │ 已有: ... │ │ 6 演化时间线 │ [完整/部分]│ 起源: ... → 现状: ... │ ├──────────────────┼──────────┼──────────────────────────┤ │ 矛盾点 │ [N] 处 │ [Agent X 说 A, Agent Y 说 B] │ │ 信息不足维度 │ [列表] │ │ └──────────────────┴──────────┴──────────────────────────┘ ``` 等待用户确认： - 用户确认 OK → 进入 Phase 2 提炼 - 用户觉得某维度不够 → 补充调研后再继续 --- ### Step 3: 方法论提炼 — 三重验证 + 五层提取 #### 3.1 核心原理提炼（三重验证） 对每个候选观点，执行三重验证： | 验证维度 | 标准 | |---------|------| | 跨域复现 | 在 ≥2 个不同领域/行业中出现 | | 生成力 | 能推断对新问题的分析方向 | | 排他性 | 不是所有方法论都这样思考 | **判定**： - 三重通过 → 核心原理（纳入 Skill） - 1-2 重 → 操作规则（纳入操作协议步骤） - 0 重 → 丢弃 **产出 3-7 个核心原理**，每个附格式： ``` 原理名称 + 一句话定义 + ≥2 个跨域证据 + 应用方式 + 局限 ``` #### 3.2 操作协议推导 从核心原理自动推导 Agentic Protocol： - **Step 1 问题分类**：根据方法论的适用/不适用场景构建分类器 - **Step 2 [方法名]式分析**：研究维度必须从核心原理推导，**禁止使用通用"搜索相关信息"** - **Step 3 [方法名]式输出**：基于分析结果的格式化输出 #### 3.3 适用边界分析 | 维度 | 分析内容 | |------|---------| | 最适用场景 | 方法论表现最好的问题类型 | | 不适用场景 | 不该使用该方法论的情况 | | 常见误用模式 | 人们最容易犯的错误 | | 与其他方法的关系 | 互补/互斥/可替代 | | 失效信号 | 方法失效的信号 | #### 3.4 误用检测器设计 至少覆盖 3 种误用模式，必须包含： - 方法与问题不匹配 - 跳过关键步骤 - 复杂度超限 #### 3.5 诚实边界 至少 3 条具体局限。禁止使用"不能替代专业建议"类空话。 --- ### Phase 2.5 检查点：提炼确认 提炼完成后，暂停并向用户展示： 1. **核心原理列表**（名称 + 一句话定义） 2. **操作协议概览**（3 步结构 + 研究维度列表） 3. **适用/不适用场景** 4. **信息不足维度** 等待用户确认后进入 Phase 3 构建。 --- ### Step 4: Skill 构建 按照 `references/skill-template.md` 的模板构建完整 SKILL.md。 **关键约束（从模板继承）**： - 核心原理 3-7 个，每个须附 ≥2 个跨域证据 - Agentic Protocol Step 2 研究维度须从核心原理推导，禁止通用指令 - 误用检测器 ≥3 种误用模式 - 诚实边界 ≥3 条具体局限 - 调研来源一手来源占比须 >50% **自包含原则**：SKILL.md 包含所有必要信息。复制整个目录就能独立使用，不依赖外部文件。 --- ### Step 5: 质量验证 #### 5.1 已知案例验证 选 3 个该方法论的经典应用案例，用生成的 Skill 分析，对比分析方向与经典结论是否一致。偏离则回溯调整核心原理权重。 #### 5.2 边缘案例验证 选 1 个方法论未明确覆盖的问题，用 Skill 推断。期望：适度的谨慎和不确定性，而非斩钉截铁。 #### 5.3 误用检测验证 故意用错误的方式调用方法论（如用费曼学习法分析竞争格局），验证误用检测器是否触发。 #### 5.4 通过标准检查 | 检查项 | 通过标准 | 不通过信号 | |--------|---------|-----------| | 核心原理数量 | 3-7 个，每个有跨域证据 | <3 或 >10 | | 操作协议可执行性 | AI 拿到 Skill 知道先做什么 | 模糊建议而非结构化步骤 | | 适用边界明确性 | 写出不适用场景和误用模式 | 只写优点 | | 误用检测器 | 至少覆盖 3 种误用模式 | 无检测 | | 诚实边界 | 至少 3 条具体局限 | 只有"不能替代专业建议" | | 一手来源占比 | >50% | 主要依赖二手转述 | --- ### Step 6: 双 Agent 精炼 并行启动两个独立评审 Agent： **Agent A（方法论评审视角）**： - 评审核心原理的准确性和完整性 - 干跑 3 个测试 prompt，评估分析质量 - 输出最弱 2 个维度的改进建议 **Agent B（工具可用性视角）**： - 评审 Agentic Protocol 的可操作性 - 评审误用检测器的覆盖度 - 评审适用/不适用判断的准确性 - 输出 2-3 处具体文本改动建议 综合两份报告，应用不冲突的改进，输出最终 SKILL.md。 --- ### 后处理：darwin-skill 进化优化（可选） 锻造完成的 Skill 可直接交给 [darwin-skill](https://github.com/alchaincyf/darwin-skill) 进行持续进化优化： ``` forge-skill 锻造产出 → darwin-skill 评估 → 改进建议 → 用户确认 → 更新 Skill ``` 如果检测到用户已安装 darwin-skill，在锻造完成后提示： > "锻造完成。你可以用 darwin-skill 对这个 Skill 进行持续进化优化。" forge-skill 不内置进化能力，避免与 darwin-skill 功能重叠。两者形成"生产 → 优化"的上下游关系。 --- ### 与 nuwa-skill 组合调用（可选） 如果检测到用户已安装 nuwa-skill，在锻造完成后提示： > "你可以组合使用：先用此方法论 Skill 分析，再用 nuwa-skill 的人物视角审视。" --- ## 适用/不适用判断 | 场景 | 适用度 | 说明 | |------|--------|------| | 已有明确名称的方法论 | 高 | 如"第一性原理""TRIZ" | | 有学术/工业体系的方法 | 高 | 如"六西格玛""设计思维" | | 用户模糊需求但可映射 | 中 | 如"想提升决策"→ 推荐方法论 | | 纯情感/人格特征 | 低 | 用 nuwa-skill 更合适 | | 高度领域专有知识 | 中 | 方法论可提取，但可能信息不足 | ## 误用检测器 | 误用信号 | 检测逻辑 | 警告信息 | 建议动作 | |---------|---------|---------|---------| | 锻造已有 Skill | `.claude/skills/` 已有同名 Skill | "已有 [名称] Skill，直接激活或重新锻造？" | 询问用户 | | 信息源不足 | 6 路调研中有 ≥3 路无有价值结果 | "该方法论的公开信息较少，Skill 可能在某些维度不够深入" | 降低期望，扩大诚实边界 | | 方法论非方法论 | 用户给出的是人名/产品名而非方法论 | "[名称] 看起来不是方法论。你是想锻造一个思维方式，还是想蒸馏一个人的视角？" | 引导到 nuwa-skill | | 锻造后无验证 | 跳过 Phase 4 质量验证 | "建议用 3 个案例验证 Skill 的分析方向是否正确" | 执行验证 | ## 诚实边界 1. **提炼质量依赖信息源**：冷门方法论或非英语方法论可能信息不足，影响核心原理的准确性 2. **三重验证不是万能的**：某些方法论的独特价值在于其文化背景和 tacit knowledge（隐性知识），这些难以通过文献调研完全捕获 3. **Agentic Protocol 是简化模型**：真实的方法论执行往往需要领域专家的判断力，Skill 提供的是结构化框架而非替代 4. **调研截止性**：锻造时的信息截止于调研日期，方法论可能有新发展 ## 调研来源 本 Skill 的设计基于以下来源： 1. Agent Skills 开放协议（skills.sh） 2. nuwa-skill 设计实践（github.com/alchaincyf/nuwa-skill） 3. 方法论文献的元分析方法（学术实践） 4. 提示工程的最佳实践（Claude/Cursor 社区） > 本 Skill 由 Forge Skill 核心团队设计。GitHub: https://github.com/peterfei/forge-skill