메뉴
一套关于"探索的判断力"的思维方式:在沉成本之前判断哪个节点值得深挖、哪个够用即走, 并把一切知识当作可证伪、会过时的东西来持有。核心命题是「思想比 gate 重要」—— 失败几乎从不是"没有深挖的方法",而是"没认出这里该深挖"。 当你开始调研/上手一个工具/API/库/技术、要在多个方案间选型、打算"就用默认值"、 在同一步反复返工/重抽、搭建知识库或文档、或隐隐觉得"我对这块的理解很浅"时,务必调用本 skill。 也适用于复盘"为什么我们总是漏掉关键东西"。即使用户没说"深挖/探索/判断力"也应触发。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
用 AI 做「可控的 IP 系列形象」的完整方法论与实战提示词 —— 把一个吉祥物/IP 角色扩展成一整套 风格统一、角色一致、可延展(换装/动作/入景/周边)的系列，而不是只出一张惊艳的单图。 当任务涉及:设计一套 IP/吉祥物/虚拟人系列、做 IP 家族(多角色同风格)、AI 出图"第一张惊艳但成不了系列/ 一致性崩"、角色三视图/转身/表情包/换装/动作设计/把角色融进场景、黏土风/羊毛毡/盲盒手办质感、 多图参考锁角色一致性、2D 形象转 3D 质感、给 IP 做周边延展、品牌吉祥物落地 —— 时使用本 skill。 出现 IP设计/IP系列/吉祥物/虚拟人/角色一致性/character consistency/IP family/换装设计/动作设计/ 黏土风/羊毛毡/即梦/Lovart/Nano Banana/Seedream/多图参考、找IP设计参考/对标成熟IP/世界级IP范例/moodboard/benchmark 等关键词也应触发，即使用户没说"skill"。 它管的是【二维形象设计层】:产出一套锁死的一致角色 + 转身/姿势/场景图。要把这些图真正做成可绑骨的 3D 角色/AR 资产,接 [[ar-3d-animation-pipeline]] / [[tripo-api]] / [[hunyuan-3d]];多版本横向择优用 [[parallel-concepts-tournament]];给一致性/美感立评审用 [[evaluator-design]]。 ⚠️ 活文档:每做一个新 IP,把新踩的坑/新验证的提示词追加进 §6、§7。
用 codex 生成/编辑高质量位图(照片、插画、产品图、UI mockup、概念图、贴图、IP 形象、透明抠图)的实战方法论 —— codex 自带一个 `image_gen` 内置工具(底层 gpt-image,无需 OPENAI_API_KEY、免联网配置),你用自然语言让 codex "生成一张图/改这张图",它会【自动触发】系统 imagegen skill 调用该工具。本 skill 教你怎么把它的质量拉满 + 在 harness 多 agent workflow 里批量驱动 codex 生图。 当任务涉及:用 codex/AI 生成图片、出概念图/海报/产品图/封面/hero、给图换背景/改光影/抠透明、做一批资产或变体、 IP 形象/吉祥物出图、给 [[ai-ip-series-design]] 真正"跑图"、文生图/图生图/图改图、gpt-image/透明背景/4K 出图、 在 .star workflow 里 fan-out 多个 codex 并行生图 —— 时使用本 skill。出现 codex 生图/image_gen/gpt-image-2/ gpt-image-1.5/imagegen/抠图/chroma key/批量生图/generate-batch 等关键词也应触发,即使没说"skill"。 ⚠️ codex 专属:claude/kimi 没有这个内置工具。真要做可绑骨的 3D/AR 见 [[ar-3d-animation-pipeline]]/[[tripo-api]]; 多 agent 编排见 [[author-workflow]]。⚠️ 活文档:新踩的坑/新验证的参数往 §7 追加。
拉片——把一条对标视频拆成可复刻 SOP。管线:下载→whisper逐字稿→抽帧(粗览+按需密抽)→判型→逐段填表→产出①逐段拉片报告(它怎么做的,工具链带置信度)+②复现SOP(你怎么抄)。用于"学习/复刻优秀博主的爆款视频"。触发词:"拉片"、"拉这条视频"、"拆解爆款视频"、"复刻对标博主"、"理解这条视频"、"这个视频在讲什么"、"学习博主视频"、"video understand"、"看懂小红书视频"。
Use when an agent needs to author a dynamic multi-agent workflow at runtime: write a Starlark program (loops, conditionals, data-driven fan-out) that calls agent()/parallel()/phase()/log() over the harness runtime, declare a mandatory workflow(name, design_intent) header, run it with `harness workflow run-script`, and read the resulting WorkflowRun/WorkflowStep records back from the dashboard snapshot or store.
从 0 到 1 制作浏览器 WebAR 的 3D 动画角色/场景的完整流程、技术原理与已验证工具链。 当任务涉及"把一个 IP 形象/吉祥物做成「扫描识别卡或冰箱贴 → 3D 角色临现并做动作(倒茶/挥手/提灯等)」的 AR 体验", 或需要:概念图(art direction)定调、AI 图生3D(Tripo/TRELLIS)、给 Q版角色自动绑骨(Mixamo)、 移动端模型优化(gltf-transform meshopt)、react-three-fiber 场景装配、手作骨骼动画、 给程序化动画做客观精度评估(几何 + 视觉 agent 双评估)、MindAR 图像追踪接入、AR 资产部署真机 —— 时, 务必使用本 skill。涉及 codex/FLUX 生成对版参照图、Tripo API 自动建模绑骨、TRELLIS、rembg 抠图、 GLB 减面压缩、骨骼蒙皮、扫贴/识别卡 AR、3D 吉祥物动起来、AR 冰箱贴 等关键词时也应触发, 即使用户没明说"流程"或"skill"。
把"3D角色一段连续表演"(如 揭小贤走到茶桌坐下冲茶讲解)拆成 Beat(与配音cue逐句对齐的最小动作单元), 每个 Beat 走 设计→实现→多维evaluator(workflow)→loop 的生产管线。核心物料=【坐标契约 scene-layout.json】 (角色/道具/落座点/抓取点共用一份坐标,authoring与runtime一致=手到壶到)。当任务涉及:分镜化角色表演、 与配音同步的动作序列、道具拿放(re-parent)、走路/坐下/倒茶类动作、茶汤/重力类物理合理性检查、 逐beat评审 —— 时使用本 skill。配套 workflow:项目 workflows/beat-eval-loop.star。 ⚠️ 活文档:揭小贤茶艺表演的每个 beat 实作经验都往本文件追加。
| name | exploration-judgment |
| description | 一套关于"探索的判断力"的思维方式:在沉成本之前判断哪个节点值得深挖、哪个够用即走, 并把一切知识当作可证伪、会过时的东西来持有。核心命题是「思想比 gate 重要」—— 失败几乎从不是"没有深挖的方法",而是"没认出这里该深挖"。 当你开始调研/上手一个工具/API/库/技术、要在多个方案间选型、打算"就用默认值"、 在同一步反复返工/重抽、搭建知识库或文档、或隐隐觉得"我对这块的理解很浅"时,务必调用本 skill。 也适用于复盘"为什么我们总是漏掉关键东西"。即使用户没说"深挖/探索/判断力"也应触发。 |
失败几乎从不是"没有深挖的方法",而是没认出这里该深挖。 这套 skill 不给你打勾的 gate——gate 会让人"打勾了事"。它要改的是你看一个节点时脑子里发生什么。
你不可能什么都深挖——对每个节点都穷举、都 loop-until-dry,那不是深度,是蛮力,成本无限。 真正的能力是把有限的深挖预算,投到回报最高的少数节点上,其余的够用即走。
这意味着:判断"该在哪深挖"先于"如何深挖"。 一切穷举、多模态扫、对抗证伪的技巧,都是你 已经决定一个节点值钱之后才用的下游动作;它们不回答"该在哪用"。把判断力外包给一套机械流程, 是又一次浅薄——用更多机器去填判断力的洞,这个动作本身就是病征。
这些不是能力问题,是几个固定的认知陷阱,会在执行流里悄悄让你早停:
真实案例(本 skill 的来历):用某图生3D 工具做角色,长期"能出模型就行"。结果:省略版本参数 → API 默认回落到老一代模型(质量断层),且从没设过几何/网格模式 → 全跑最低档,还漏了已发布的更新版本。 五盏灯当时全亮(它定下游上限、有隐藏默认、选项方差极大、返工极贵、已在反复重抽),却被一路走过去。 不是没工具,是没停下来问"这是不是关键节点"。
杠杆 ≈ 对结果的影响 × 选项间方差 × 不可逆程度 × 我此刻有多瞎。四项乘积高 → 深挖;低 → 够用即走。 好消息:这四项在沉成本之前就能廉价读出,所以"没探索怎么知道要探索"是个假悖论。 每一步,在"够用即走"之前,停半秒,问这几个便宜的问题:
它定上限、有隐藏默认、方差大、返工贵、你在猜、你在反复返工——亮的灯越多,越该深挖。 反过来,规则已知、低方差、已解决的节点,跑一下既有检查就走,别浪费深度预算。
深挖得来的结论也不是真理,是当前最好的、带边界的、会过期的主张。持有它时在心里挂着:
推论:你刚写下的东西也可能马上过时。本 skill 的一条结论,在写下半小时内就因为新信息被修正过一次——这是常态,不是意外。
当你发现"我探索得太浅",第一反应若是"做一套探索方法论/流程/workflow",那就是又浅了一次。 判断力的洞要用判断力补,不是用机器补。机器(穷举 agent、对抗 agent、loop-until-dry)只在 判断已经认定某节点该深挖之后才登场,去执行那次深挖。顺序反了,就是拿机械感冒充思考。
