| name | forge-skill |
| description | 思维工具锻造引擎。输入方法论名称或模糊需求，自动深度调研 → 方法论结构化提炼 → 生成可运行的思维工具 Skill。
触发词：「锻造」「forge」「铸造」「用...方法分析」「提升决策」「解决问题」「创新方法」。
|
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：
- 芒格使用多元思维模型分析投资（金融领域）
- 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：
- TRIZ 的 40 个发明原理是结构化的矛盾解决工具（工程领域）
- 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：
- 医学诊断的排除法防止误诊（医学领域）
- 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：
- 科学论文的"Limitations"章节是学术诚实的基础（学术领域）
- 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：
- 第一性原理 + 系统思维在 SpaceX 中的应用（航天领域）
- 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）
- 确认方法论名称和边界
- 检查本地
.claude/skills/ 是否已有该 Skill（避免重复锻造）
- 如果已有：直接激活已有 Skill，询问是否需要重新锻造
- 如果没有：确认锻造范围（全面画像 vs 聚焦某维度）
- 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）
- 通过 1-2 轮追问定位核心需求维度
- 扫描本地已有方法论 Skill
- 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
- 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：
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：
- 核心原理列表（名称 + 一句话定义）
- 操作协议概览（3 步结构 + 研究维度列表）
- 适用/不适用场景
- 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 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
- 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
- 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
- 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
- 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：
- Agent Skills 开放协议（skills.sh）
- nuwa-skill 设计实践（github.com/alchaincyf/nuwa-skill）
- 方法论文献的元分析方法（学术实践）
- 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
