メニュー
智能文档学习和内容模仿技能。当需要：(1) 分析和学习优秀文档的结构、风格和写作模式，(2) 从文档中提炼关键要素和模板，(3) 基于学习内容生成模仿材料，或 (4) 创建新的提示词或技术文档时使用此技能。支持提示词工程、技术文档、API文档、用户手册等多种文档类型的学习和模仿。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/evanfang0054/cc-system-creator-scripts --skill doc-learnerコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Mac 系统深度清理和优化工具。使用 Mole (mo 命令) 执行系统清理、磁盘分析、应用卸载、系统优化等任务。 触发场景（当用户提到以下任一内容时使用此 skill）： - 清理 Mac、清理磁盘、释放空间、清理缓存、清理系统 - 卸载应用、删除应用、移除应用及其残留 - 磁盘分析、查看磁盘占用、大文件查找、空间分析 - 系统优化、系统维护、刷新系统、重建缓存 - 系统状态、系统监控、CPU/内存/磁盘监控 - 清理 node_modules、清理构建产物、清理项目依赖 - 清理安装包、删除 dmg/pkg 文件 - Mac 清理工具、类似 CleanMyMac 的功能 - "我的 Mac 太慢了"、"磁盘空间不足"、"电脑卡顿" - 即使没有明确说 "Mole"，只要涉及上述场景就应使用
构建 CLI / command-line 工具时使用，支持两种模式。模式 A 人类 CLI（终端 UX、彩色、交互式提示、进度条、Shell 自动补全），关键词包括 commander / yargs / oclif / typer / click / cobra。模式 B agent-native CLI（JSON envelope / schema 自省 / dry-run 写入安全 / 契约驱动），关键词包括 agent-native CLI、JSON envelope、friction signal。混合场景默认走 B（agent 约束更严格）。只要用户提到 CLI、command-line、命令行工具、agent-native、envelope、schema、friction signal，或要给 agent 提供可调用的 CLI 工具，就应主动使用此 skill。
快速搭建和配置 pnpm monorepo 项目结构，包含 TypeScript、tsup 构建、私有 npm registry 配置。当用户需要"创建 monorepo"、"初始化 monorepo 项目"、"配置 pnpm workspace"、"设置 monorepo 构建"、"monorepo setup"时使用。特别适合需要统一管理多个包、配置构建工具、处理 TypeScript 路径问题的场景。即使用户只是说"帮我搭建项目结构"或"配置构建"，如果涉及多包管理也应该使用此 skill。
SKILL.md を表示中
SOC 職業分類に基づく
| name | doc-learner |
| description | 智能文档学习和内容模仿技能。当需要：(1) 分析和学习优秀文档的结构、风格和写作模式，(2) 从文档中提炼关键要素和模板，(3) 基于学习内容生成模仿材料，或 (4) 创建新的提示词或技术文档时使用此技能。支持提示词工程、技术文档、API文档、用户手册等多种文档类型的学习和模仿。 |
本技能提供了一套系统化的文档学习和内容模仿方法，能够深入分析各类文档的结构特征、写作风格和表达模式，帮助用户基于优秀范例创建高质量的内容。
当用户请求学习文档时，首先识别文档类型和目标：
支持的文档类型：
确认学习目标：
对提供的文档进行多维度分析：
基于分析结果创建可重用的模式和模板：
使用提炼的模式生成新内容：
系统能够从多个维度分析文档：
结构维度：
风格维度：
模式维度：
自动从文档中提炼可重用元素：
结构模板：
内容模式：
风格指南：
基于学习结果辅助创作：
模板化生成：
风格迁移：
质量保证：
用户请求： "我想学习这些优秀提示词的写作方法，然后创建自己的版本"
工作流程：
用户请求： "分析这份技术文档的写作风格，帮我写出类似风格的新文档"
工作流程：
用户请求： "根据优秀文档范例，改进我的文档质量"
工作流程：
提示词分析框架和方法论，包含：
何时使用： 当需要深度分析提示词结构或学习提示词工程技巧时。
技术文档写作模式和模板，包含：
何时使用： 当需要分析或生成技术文档时。
文档风格分析框架，包含：
何时使用： 当需要深度分析文档风格或进行风格模仿时。
提示词模板集合，包含各种类型的提示词模板：
文档模板集合，包含：
Q: 学习多少个文档样本比较合适？ A: 建议 3-10 个高质量样本。太少可能导致模式不准确，太多可能增加分析复杂度。
Q: 如何处理不同风格的文档？ A: 可以分别学习不同风格，创建多个风格模板，根据需要选择应用。
Q: 生成的内容是否完全模仿原文？ A: 不是。本技能帮助学习和应用优秀文档的模式和结构，但内容本身应该是原创的。
Q: 能否学习非中文文档？ A: 可以。本技能支持多语言文档的学习和模仿。