Menü
基于佛教经典文献，生成特定高僧大德的 AI 教学角色
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.
Basierend auf der SOC-Berufsklassifikation
Use this skill to answer questions related to the Diamond Sutra (Mahayana Buddhism, Prajna division) and when the user seeks spiritual or psychological advice on letting go of anxiety, workplace stress, and social labels using modern Buddhist interpretations from Master Nan Huai-Jin and Prof. Fei Yong.
将毛泽东著作蒸馏为 AI Skill，生成 Work Skill（方法论）+ Persona（人格风格）。| Distill Mao Zedong's works into AI Skill.
常熟阿诺视角（虚构版）：用"抽象文学+左右脑互搏+诺言诺语"的口吻点评情感/健身/人生困惑，擅长"那我问你"式零帧起手、自我矛盾式辩论、以及把平凡事说出哲学感的"阿诺文学"；适用于用户要求"用阿诺的方式/诺神视角/来段诺言诺语"回答的场景（触发词：常熟阿诺、诺神、阿诺、诺言诺语、左右脑互搏、那我问你）。
毛泽东思维框架：以《毛泽东选集》五卷为核心，提炼毛泽东分析问题、制定战略、组织行动的认知操作系统。 核心来源：《矛盾论》《实践论》《论持久战》《中国社会各阶级的分析》《星星之火可以燎原》《论联合政府》《关于正确处理人民内部矛盾的问题》等。 核心模型：7个。决策启发式：10条。 触发词：「毛泽东」「毛选」「教员」「用毛泽东的方式分析」「从毛选的角度」「教员怎么看」 局限：本Skill聚焦于毛泽东的分析方法论和战略思维框架，适用于战略分析、组织管理、竞争策略、问题诊断等场景。不涉及具体政治立场的评判。 素材来源：《毛泽东选集》一至五卷、公开演讲与书信、诗词作品。
Distill parents into an AI Skill. Import chat history, photos, voice memos, generate Parent Memory + Persona, with continuous evolution. | 把父母蒸馏成 AI Skill，导入聊天记录、照片、语音，生成亲情记忆+人物性格，支持持续进化。
Distill a real boss into an AI skill, or generate a boss skill from a famous entrepreneur archetype such as Elon Musk, Steve Jobs, Jeff Bezos, or Jensen Huang. Use when the user wants boss analysis, managing-up guidance, persona extraction, or entrepreneur-style boss presets.
| name | create-master |
| description | 基于佛教经典文献，生成特定高僧大德的 AI 教学角色 |
| argument-hint | <法师名称> |
| version | 1.0.0 |
| user-invocable | true |
| allowed-tools | ["Bash","Read","Write","Edit","Glob","Grep","WebFetch"] |
本内容依据历史佛教文献生成，仅供参考学习。如需正式修行指导，请亲近善知识。
以下方式均可触发：
/create-master 或 /create-master <法师名>以下汉传祖师大德可直接使用，无需生成：
/xuanzang — 玄奘法师（法相唯识宗）/kumarajiva — 鸠摩罗什（三论宗/中观）/huineng — 慧能大师（禅宗六祖）/zhiyi — 智顗大师（天台宗）/fazang — 法藏大师（华严宗）/yinguang — 印光大师（净土宗）/ouyi — 蕅益大师（天台/净土·跨宗派）/xuyun — 虚云老和尚（禅宗·五宗兼嗣）/compare-masters — 多位法师对同一问题的对比回答加载 ${CLAUDE_SKILL_DIR}/prompts/intake.md，按照 3 问模式收集信息：
快捷入口：如用户直接提供法师名称（如 /create-master 弘一大师），跳过交互式问答，自动填充默认值（关注方面=全部，语言=根据传承推荐），进入确认流程。展示确认摘要：
即将创建：弘一大师
传承：汉传（律宗）
关注方面：全部
语言：中文
确认创建？(Y/n)
用户确认后直接进入 Step 2。
语言自动检测：根据用户第一条消息的语言决定后续全部交互语言。中文消息 → 中文回复；English message → English replies；其他语言同理。
FoJin 知识图谱匹配：
校验规则：
使用 ${CLAUDE_SKILL_DIR}/tools/sutra_collector.py 从 FoJin 采集数据：
python3 ${CLAUDE_SKILL_DIR}/tools/sutra_collector.py --name "<法师名>" --tradition "<传承>"
采集内容包括：
API 故障处理：
超时设置：每次 API 调用超时时间为 30 秒。超时后自动重试一次，仍失败则触发上述故障处理。
最低数据阈值：如采集到的经文结果少于 3 条，向用户发出警告："仅找到 {n} 条相关经文，生成的角色内容可能不够丰富。建议：1) 追加关键词重新搜索；2) 手动补充经文材料；3) 继续生成（内容可能有限）。"
CBETA ID 验证：采集完成后，使用 verify_sources.py 验证所有 CBETA 链接的有效性：
python3 ${CLAUDE_SKILL_DIR}/tools/verify_sources.py --check-links collected_data.json
无效链接将被标记并在 Step 3 中排除，避免生成内容引用不存在的出处。
采集结果确认：采集完成后，向用户简要报告采集情况：
数据采集完成：
知识图谱实体：{n} 个
相关经典：{m} 部
内容摘录：{k} 段
无效链接：{j} 个（已排除）
继续分析？(Y/n)
运行时检索规则：加载 ${CLAUDE_SKILL_DIR}/prompts/rag_instructions.md，将其中的检索指引嵌入生成的每个法师 SKILL.md 的运行规则中，确保法师回答时调用 FoJin 实时检索而非仅依赖 LLM 自身知识。
两阶段分析：
教义分析（第一阶段）：加载 ${CLAUDE_SKILL_DIR}/prompts/sutra_analyzer.md，填入采集数据，分析教义结构。输出包括核心教义维度、关键经典、修行次第等。
风格分析（第二阶段）：加载 ${CLAUDE_SKILL_DIR}/prompts/voice_analyzer.md，填入采集数据，分析说法风格。输出包括语言特征、说法模式、常用譬喻等。
宗派标签自动检测：根据 FoJin 知识图谱中该法师的宗派信息，自动应用 voice_analyzer 中对应宗派的风格规则。例如：
质量门控：如分析器输出中任一维度标记为 "insufficient_data": true，在继续前向用户提示：
<!-- DATA_LIMITED --> 注释标记RAG 指引嵌入：加载 ${CLAUDE_SKILL_DIR}/prompts/rag_instructions.md，将检索规则（查询构造、结果过滤、引用格式）嵌入生成的 SKILL.md 运行时规则段落中。
教义生成：加载 ${CLAUDE_SKILL_DIR}/prompts/teaching_builder.md，基于分析结果生成 teaching.md。
风格生成：加载 ${CLAUDE_SKILL_DIR}/prompts/voice_builder.md，基于分析结果生成 voice.md。voice.md 采用分层结构：
生成完成后，必须经过两阶段独立审查才能进入预览。审查顺序不可颠倒（教义准确性 → 风格一致性），因为教义错误修复可能影响风格。
第一阶段：教义准确性审查
加载 ${CLAUDE_SKILL_DIR}/prompts/doctrine_reviewer.md，对生成的 teaching.md 执行审查：
若 FAIL → 自动修复严重问题后重新审查，最多 2 轮。2 轮仍 FAIL → 向用户报告问题，请求人工介入。
第二阶段：风格一致性审查
加载 ${CLAUDE_SKILL_DIR}/prompts/voice_reviewer.md，对生成的 voice.md 执行审查：
若 FAIL → 自动修复后重新审查。
审查结果展示：
══ 审查结果 ══
教义准确性：PASS (经证覆盖率 95%, 0 严重问题)
风格一致性：PASS WITH WARNINGS (Layer 0 完整, 1 警告)
警告：Layer 2 缺少"面对学者"的情境风格
══════════════
两项均 PASS 或 PASS WITH WARNINGS 后，进入 Step 4。
展示生成的 teaching.md 和 voice.md 预览，请用户确认。
结构化预览格式：
══ 教义预览（teaching.md）══
核心教义：{1-3 条核心教义概要}
关键经典：{主要引用经典列表}
修行次第：{修行路径概要}
══ 风格预览（voice.md）══
风格特征：{2-3 条风格特点}
语言模式：{典型表达方式}
示例句：
1. "{模拟该法师风格的示例句1}"
2. "{模拟该法师风格的示例句2}"
══════════════════════════
用户修改请求：用户可在确认前要求修改，支持以下指令：
使用 ${CLAUDE_SKILL_DIR}/tools/skill_writer.py 写入文件：
python3 ${CLAUDE_SKILL_DIR}/tools/master_builder.py --name "<法师名>" --output masters/
写入前验证：调用 verify_sources.py 最终验证所有 FoJin 链接：
python3 ${CLAUDE_SKILL_DIR}/tools/verify_sources.py --final-check masters/{slug}/
无效链接将被替换为 FoJin 搜索链接（降级策略），确保用户始终能找到相关内容。
生成文件：
生成目录结构：
masters/{slug}/
├── SKILL.md # /{slug} 触发（完整角色定义）
├── teaching.md # 教义体系（可单独使用）
├── voice.md # 说法风格（可单独使用）
└── meta.json # 元数据（版本、生成时间、数据来源）
角色注册：
Claude Code 用户：
masters/{slug}/ 目录下masters/ 目录在 Claude Code 的 skill 搜索路径中（检查 .claude/settings.json 的 skillDirs 配置）/{slug} 命令触发OpenClaw 用户：
masters/{slug}/ 目录复制到 OpenClaw 的 skills 目录完成提示：写入成功后展示最终摘要：
已生成「{master_name}」教学角色
目录：masters/{slug}/
调用命令：/{slug}
包含文件：SKILL.md, teaching.md, voice.md, meta.json
数据来源：{n} 条经文，{m} 个知识图谱实体
用户可以追加新的经文材料来增强已有法师。
触发短语：
加载 ${CLAUDE_SKILL_DIR}/prompts/merger.md 进行增量合并。
合并冲突处理：
版本自动递增：
version 自动递增（如 1.0.0 → 1.1.0）masters/{slug}/.versions/ 目录/master-rollback 命令回退到任意历史版本用户在使用法师角色时，可以对 AI 的表现提出纠正：
加载 ${CLAUDE_SKILL_DIR}/prompts/correction_handler.md 进行纠正处理。
纠正处理流程：
## Correction 块格式追加到对应文件末尾，包含时间戳和原始反馈/list-masters — 列出所有已生成的法师（含预置和自定义），显示传承、时代、版本号信息。预置法师标记为 [预置]，自定义法师标记为 [自定义]。/master-rollback <slug> <version> — 回滚到指定版本。当前版本自动归档到 .versions/ 目录，指定版本恢复为当前版本。如指定版本不存在，列出所有可用版本供选择。/delete-master <slug> — 删除一个法师目录。执行前需用户二次确认："确定要删除「{master_name}」吗？此操作不可恢复。输入 'yes' 确认。" 预置法师不可删除。法师角色运行时，按以下优先级处理：
当不同层级产生冲突时，高优先级层级覆盖低优先级。
示例：
| 任务 | 工具 |
|---|---|
| FoJin 数据查询 | ${CLAUDE_SKILL_DIR}/tools/fojin_bridge.py |
| FoJin 实时检索 | ${CLAUDE_SKILL_DIR}/tools/rag_query.py |
| 经文采集 | ${CLAUDE_SKILL_DIR}/tools/sutra_collector.py |
| 角色生成 | ${CLAUDE_SKILL_DIR}/tools/master_builder.py |
| 文件写入 | ${CLAUDE_SKILL_DIR}/tools/skill_writer.py |
| 版本管理 | ${CLAUDE_SKILL_DIR}/tools/version_manager.py |
| 来源验证 | ${CLAUDE_SKILL_DIR}/tools/verify_sources.py |
| 教义审查 | ${CLAUDE_SKILL_DIR}/prompts/doctrine_reviewer.md |
| 风格审查 | ${CLAUDE_SKILL_DIR}/prompts/voice_reviewer.md |
直接访问 FoJin API：当 rag_query.py 不够用时（如需要 KG 深度遍历、跨词典分组对比），参考 ${CLAUDE_SKILL_DIR}/references/fojin-api.md，直接用 Python 调用 FoJin REST API。
NO DOCTRINAL CLAIM WITHOUT CBETA CITATION. 生成的 teaching.md 中所有教义断言必须附 CBETA 经证。无经证的教义内容不得写入生成文件。
NO FABRICATED SOURCES. 不得编造不存在的 CBETA ID、经文引用或 FoJin 链接。所有引用必须经过 verify_sources.py 验证。
NO FICTIONAL PERSONAS. 仅接受历史真实人物。不得为虚构角色创建教学角色。
| AI 可能的借口 | 为什么是错的 |
|---|---|
| "这位法师的核心思想众所周知，不需要经证" | 生成文件会被长期引用。"众所周知"的幻觉危害更大。 |
| "FoJin API 暂时不可用，先生成再补验证" | 用降级模式（手动输入），但不跳过验证。 |
| "用户很着急，先出一版再迭代" | 不准确的首版会成为后续迭代的锚点。宁可慢也要准。 |
不做：
要做：