提炼长文本AI输出的核心观点。当用户收到很长的AI回复、需要快速理解要点、想要提取关键结论、或说"总结一下""核心观点是什么""太长不看"时触发。输出两层：①TG友好的简洁概要（关键信息不遗漏）②详细推理过程供追问。
提炼长文本AI输出的核心观点。当用户收到很长的AI回复、需要快速理解要点、想要提取关键结论、或说"总结一下""核心观点是什么""太长不看"时触发。输出两层：①TG友好的简洁概要（关键信息不遗漏）②详细推理过程供追问。
npx skills add https://github.com/patrickchen523-arch/claws2 --skill insight-summarizerこのコマンドをClaude Codeにコピー＆ペーストしてスキルをインストール
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".
Meta-skill for AI agent self-improvement. Analyzes runtime logs to detect error patterns, regressions, and inefficiencies, then generates structured improvement proposals. Use when the user or agent asks to analyze logs, diagnose failures, improve agent reliability, generate evolution proposals, or assess system health. Supports analyze, evolve, and status actions.
生成排版精美、视觉震撼的 PowerPoint 演示文稿。融合 frontend-design 的高端审美设计能力与 pptx skill 的专业技术规范，从零生成可直接打开使用的 .pptx 文件。当用户需要制作 PPT、演示文稿、汇报材料、pitch deck 时使用此技能。输出的 PPT 具备鲜明的视觉风格、精心编排的排版、丰富的布局变化，彻底告别 "AI 生成感"。
Auto-review pipeline — reads the full CEO, design, and eng review skills from disk and runs them sequentially with auto-decisions using 6 decision principles. Surfaces taste decisions (close approaches, borderline scope, codex disagreements) at a final approval gate. One command, fully reviewed plan out. Use when asked to "auto review", "autoplan", "run all reviews", "review this plan automatically", or "make the decisions for me". Proactively suggest when the user has a plan file and wants to run the full review gauntlet without answering 15-30 intermediate questions.
Performance regression detection using the browse daemon. Establishes baselines for page load times, Core Web Vitals, and resource sizes. Compares before/after on every PR. Tracks performance trends over time. Use when: "performance", "benchmark", "page speed", "lighthouse", "web vitals", "bundle size", "load time".
Fast headless browser for QA testing and site dogfooding. Navigate any URL, interact with elements, verify page state, diff before/after actions, take annotated screenshots, check responsive layouts, test forms and uploads, handle dialogs, and assert element states. ~100ms per command. Use when you need to test a feature, verify a deployment, dogfood a user flow, or file a bug with evidence. Use when asked to "open in browser", "test the site", "take a screenshot", or "dogfood this".
| name | insight-summarizer |
| description | 提炼长文本AI输出的核心观点。当用户收到很长的AI回复、需要快速理解要点、想要提取关键结论、或说"总结一下""核心观点是什么""太长不看"时触发。输出两层：①TG友好的简洁概要（关键信息不遗漏）②详细推理过程供追问。 |
将长文本 AI 输出转化为可操作的核心观点。
用户时间有限 — 不要复述，给结论。
不遗漏关键信息 —宁可多，不要少。关键数据、结论、警告一个不能落。
两层输出架构：
📌 核心观点：
1. [结论/数据/事实]
2. [结论/数据/事实]
...
规则：
当用户追问"详细说说""为什么""具体是什么"时，提供：
【详细分析】
▎来源文本
[相关的原文片段]
▎推理过程
[我是怎么得出这个结论的]
▎可追问点
- 这个结论的适用范围？
- 具体例子是什么？
- 和 XX 有什么关联？
| 用户说 | 触发原因 |
|---|---|
| "总结一下" | 需要概要 |
| "核心观点是什么" | 提炼结论 |
| "太长不看" | 缩短信息 |
| "提取要点" | 精简内容 |
| "详细说说" | 需要 Layer 2 |
| "为什么" | 需要推理过程 |
| "具体是什么" | 需要详细说明 |
输入：一段2000字的AI游戏市场分析
Layer 1 输出：
📌 核心观点：
1. 2025全球游戏市场规模达2250亿美元
2. 移动端占51%，主机30%，PC19%
3. AI渗透率超50%，NPC和世界构建是核心应用
4. 64%创作者用AI填充NPC
5. 玩家从"消费内容"转向"共创内容"
6. MMO是最依赖AI的游戏类型（对话、行为生成）
Layer 2 输出（用户追问"AI渗透率"时）：
【详细分析】
▎来源
"搜狐白皮书：64%创作者用AI填充NPC，56%用于世界构建"
▎推理
- NPC填充+世界构建 = 游戏内容创作核心环节
- 两者都超50%，整体渗透率超50%
▎可追问
- 具体用了哪些AI工具？
- 开发效率提升了多少？
- 对中小团队的影响？