Menu
将有限语料和自适应访谈蒸馏为可复用的人物视角顾问 Skill。触发词：human2skill、人物蒸馏、创建人物 Skill、更新人物视角。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
李明 的视角顾问 Skill
李明 的视角顾问 Skill
李明 的视角顾问 Skill
李明 的视角顾问 Skill
陈雨 的视角顾问 Skill
陈雨 的视角顾问 Skill
| name | human2skill |
| description | 将有限语料和自适应访谈蒸馏为可复用的人物视角顾问 Skill。触发词：human2skill、人物蒸馏、创建人物 Skill、更新人物视角。 |
| user-invocable | true |
| license | MIT |
| compatibility | requires Python 3.11+; pip install git+https://github.com/EricArcha/human2skill.git |
将私人/身边人的有限语料和自适应访谈，蒸馏为可复用的人物视角顾问 Skill。 触发词：human2skill / 人物蒸馏 / 创建人物 Skill
human2skill 是人物视角蒸馏的编排工具。产物是 public_skill/SKILL.md（可分发视角顾问）+ private_evidence/（私有证据包）+ corpus/（原文归档）。
不做角色扮演，不冒充本人，不输出私域原文。
outputs/{slug}/
├── person.meta.json
├── corpus/ # 原文归档层
│ ├── raw/ # 原始语料（脱敏后）
│ └── index.json # 原文索引
├── public_skill/
│ ├── SKILL.md # {slug}-lens
│ └── SKILL.first_person.md
├── private_evidence/
│ ├── evidence_pack.json
│ ├── source_index.json
│ ├── distillation.json
│ ├── interviews/
│ ├── reviews/
│ └── changelog/
├── exports/
│ ├── claude-code/
│ ├── codex/
│ ├── openclaw/
│ └── hermes/
└── versions/
├── v1/
└── v2/
流程采用 Phase 化设计，3 个强制检查点需要用户确认才能推进。 绝对不可跳过任何 Phase 或 Checkpoint。迭代上限 2 轮。
歧义处理：用户输入 进入蒸馏、继续、ok、下一步、直接构建、直接导出 等短语时，Agent 不得将其解释为 Checkpoint 确认。必须追问：「你是确认通过 [Checkpoint X] 吗？请回复「确认A/确认B/确认C」之一，或告诉我你想做什么。」
唯一确认令牌：每个 Checkpoint 只接受一个特定确认词：
| Checkpoint | 确认词 | 其他回应 |
|---|---|---|
| A 覆盖率 | 确认A | 补充信息、降级确认 |
| B 蒸馏 | 确认B | 修改条目、回 Phase 1 |
| C 验证 | 确认C | 回 Phase 2、降级交付 |
用户说 y、是的、好、ok 仅当紧接着 Agent 刚展示的 Checkpoint 摘要才算有效，否则视为歧义需追问。
Agent 发现用户输入可能意味着跳过 Checkpoint 时，必须先暂停澄清，再继续。
收集以下信息：
收到 slug 后，Agent 首先检查 outputs/{slug}/ 是否存在（human2skill status --root . --slug {slug}）。
→ 不存在 → 继续以下步骤 2-6 的新建流程。
→ 已存在 → 展示项目概况，让用户选择：
检测到已有项目：
- 版本: v{N}
- 创建时间: {created_at}
- 心智模型: N 个
- 语料来源: N 条
你想做什么？
A. 补充新语料 — 有新聊天记录、文档等素材
B. 纠正现有信息 — 某些描述不准，需要修改
C. 两者都有
D. 从头重建（保留旧版本快照）
选 A/B/C → 跳转到增量更新模式。选 D → Agent 先调 human2skill build 备份当前版本（会自动快照），再走新建流程（新版 create 支持 --force 覆盖）。
| Profile | 适用对象 | CLI 参数 |
|---|---|---|
| colleague | 同事、上级、下级、客户 | --profile colleague |
| relationship | 朋友、伴侣、父母、子女 | --profile relationship |
| mentor | 导师、老师、顾问、专家 | --profile mentor |
| self | 自己、过去的自己 | --profile self |
若未明确指定，Agent 根据关系描述关键词自动推断。
| 模式 | 产物文件 | 用途 |
|---|---|---|
| advisor | SKILL.md | 第三人称视角顾问，以观察者身份提供视角分析（同事/导师默认） |
| first_person | SKILL.first_person.md | 沉浸式第一人称，首次激活说一次免责声明后全程自然对话（自己/亲友默认） |
自动推断规则：self / relationship → first_person；colleague / mentor → advisor。用户可通过 --voice-mode 覆盖。
默认隐私策略：
summary_only — 保留摘要，不存原文增量更新模式不执行此 Phase。以下仅适用于新建项目。
收到确认后立即执行，在调研之前完成。
Agent 调用 human2skill create 初始化目录：
human2skill create --root . --slug zhang-san --name "张三" \
--profile colleague --relationship "coworker" \
--use-case "work perspective advisor" --voice-mode advisor
此步骤创建 outputs/{slug}/ 下的完整目录布局、person.meta.json、空证据包和空来源索引。
Agent 在开始前向用户展示三个选项：
在开始蒸馏之前，我有三种方式收集信息：
A. 提供语料 — 你有聊天记录、会议纪要、笔记等材料，我帮你导入分析 B. 20 问快答 — 我来问你最多 20 个问题，你逐一回答（适合本人蒸馏，随时可以
done结束） C. 直接描述 — 你直接告诉我这个人的特点、习惯、思维方式，我来帮你整理成结构化描述你想选哪个？（也可以组合使用）
快捷入口：用户说 /human2skill Q20 直接跳到 B（20 问快答），跳过 A 和 C。
Agent 接收用户提供的语料：
调用 human2skill ingest 将文件归档：
human2skill ingest --root . --slug zhang-san --file ./notes/meeting.pdf
规则：
source_id、摘要和留存策略corpus/raw/{source_id}.txtAgent 分析当前信息覆盖度（10 个维度），对缺口维度启动追问。也可通过 CLI 直接运行交互式循环：
human2skill interview --root . --slug zhang-san --profile colleague --perspective observer_answer
交互规则：每轮显示问题 → 用户输入回答（多行以空行结束）→ 下一轮。输入 skip 跳过、done 提前结束。回答自动保存到 private_evidence/interviews/。
访谈预算：20 轮硬限制。达到上限后必须进入 Checkpoint A，由用户决定是否延展。
Agent 将访谈记录写入 private_evidence/interviews/interview-YYYYMMDD-HHMM.md。
Agent 必须在此暂停，展示覆盖率摘要，等待用户确认后才能继续。
请输入「确认A」继续，或告诉我你想补充/修改什么（也可输入「降级确认」跳过标准）
也可通过 CLI 查看：
human2skill check-coverage --root . --slug zhang-san
展示格式：
覆盖率摘要：
┌──────────────────────┬──────────┬──────────┐
│ 维度 │ 覆盖度 │ 来源数 │
├──────────────────────┼──────────┼──────────┤
│ identity_context │ high │ 5 │
│ mental_models │ medium │ 3 │
│ expression_dna │ high │ 4 │
│ ... │ ... │ ... │
│ honest_boundaries │ medium │ 2 │
└──────────────────────┴──────────┴──────────┘
维度覆盖: 6/10 ≥ medium | 诚实边界: 已标注 | 状态: ✅ 满足进入蒸馏条件
通过标准：≥4 维度达到 medium/high，且 honest_boundaries 至少有一条低置信度声明。
不满足 → 继续访谈或用户签署降级确认。
Agent 将语料和访谈转为结构化证据，写入 private_evidence/evidence_pack.json。
证据三层分级：
| 层级 | 来源类型 | 权重 |
|---|---|---|
| L1 | direct_quote_or_behavior（原话/行为记录） | 3 |
| L2 | observer_report（观察者描述） | 2 |
| L3 | model_inference（模型推断） | 1 |
每条 evidence 包含 evidence_id、source_summary、retention、confidence、supports 和 conflicts_with。
规则：若一条 claim 的置信度高于其 evidence 的组合支持等级，标记为 overconfident。
Agent 编写 private_evidence/distillation.json，包含 9 个章节：mental_models、expression_dna、decision_heuristics、profile_specific、pressure_response、value_order、anti_patterns、honest_boundaries、scenario_tests。
蒸馏质量要求：
honest_boundaries 至少 3 条scenario_tests 必须包含 expected_behavior 字段honest_boundaries 项必须有至少一个 claim_idquote 字段（≤280 字符）：收录此人原话，用于增强真实感和可验证性。first_person 模式建议每个心智模型至少附一条 quoteAgent 必须在此暂停，展示蒸馏摘要，等待用户确认后才能继续。
请输入「确认B」继续，或告诉我你想修改哪些条目/回到 Phase 1 补充信息
展示格式：
蒸馏结果摘要：
- 心智模型: 5个（增量优化、数据锚定、信号驱动、跨文化协作、技术思维）
- 决策启发式: 5条
- 表达DNA: 4项（高频共情、问题引导、认可同事、数据锚定）
- 诚实边界: 5条
- 场景测试: 3个（历史/反事实/边界各1）
- 内在张力: 需要≥2处（当前可能不足）
提炼是主观判断最重的环节，确认后再构建，避免写完才发现方向不对。
Agent 在调 build 之前必须自检：
Agent 调用 human2skill build 从蒸馏声明生成 Skill：
human2skill build --root . --slug zhang-san
此命令执行：
distillation.json schema 和 claim-id 完整性（Layer 1）quote 字段的条目中提取）public_skill/private_evidence/reviews/versions/v{n}/（仅当全部通过）Skill 命名格式：{slug}-lens
运行 scripts/quality_check.py 对生成的 SKILL.md 执行 7 项检查：
| 检查项 | 通过标准 |
|---|---|
| 心智模型数量 | 3-7 个，每个有 claim_id 来源 |
| 每个模型的局限 | 明确写出失效条件（限制: 非空） |
| 表达 DNA 辨识度 | ≥3 项特征标记 |
| 诚实边界 | ≥3 条具体局限 |
| 内在张力 | ≥2 处矛盾/冲突 |
| 一手来源占比 | >50%。优先读取 corpus/index.json 中的真实来源类型统计；无 corpus 时回退到 SKILL.md 关键词匹配 |
| 原文归档 | corpus/index.json 存在且每个来源有对应原文文件 |
.venv/bin/python scripts/quality_check.py outputs/zhang-san/public_skill/SKILL.md
启动独立 sub-agent 执行 3 项行为测试：
Agent 展示验证结果表格，等待用户确认后才算完成。
请输入「确认C」完成，或告诉我你想回到 Phase 2 调整（最多 2 轮迭代）/ 降级交付当前版本
展示格式：
验证结果：
┌──────────────────────┬──────────┬──────────────────────────┐
│ 检查项 │ 结果 │ 备注 │
├──────────────────────┼──────────┼──────────────────────────┤
│ quality_check.py │ 5/6 PASS │ 内在张力不足 │
│ 已知测试 #1 │ PASS │ 方向一致 │
│ 已知测试 #2 │ PASS │ 方向一致 │
│ 已知测试 #3 │ PASS │ 细节略有偏差 │
│ 边缘测试 │ PASS │ 正确表达不确定性 │
│ 风格测试 │ PASS │ DNA辨识度高 │
└──────────────────────┴──────────┴──────────────────────────┘
不通过 → 回到 Phase 2 调整，最多 2 轮迭代。超过 2 轮 → 交付当前版本并标注局限性。
Agent 在导出之前必须自检：
导出可分发 Skill：
human2skill export --root . --slug zhang-san --host claude-code --variant advisor
安装：
human2skill install --export outputs/zhang-san/exports/claude-code --target ~/.claude/skills --name zhang-san-lens
产物交付清单：
public_skill/SKILL.md — 可分发、可安装的视角顾问 Skillpublic_skill/SKILL.first_person.md — 自用第一人称版本（若启用）private_evidence/ — 私有证据包（本地保留，不分发）corpus/ — 原文归档（本地保留，用于验证对照）当 Phase 0 检测到 slug 已存在且用户选择 A/B/C 时，进入此模式。
核心原则：不重写整个 Skill，只增量更新。每次更新生成新版本快照，旧版本可回溯。
读取 person.meta.json 和 distillation.json，展示当前项目概况：
项目概况：
- 版本: v{N}
- 心智模型: {名称列表}
- 决策启发式: N 条
- 表达DNA: {特征列表}
- 诚实边界: N 条
- 场景测试: N 个
更新范围：
A. 全部章节 — 新语料可能影响多个维度
B. 特定心智模型 — 只更新选定的模型
C. 特定章节 — 如只补充场景测试或诚实边界
Agent 在更新任何内容前先备份：
# 查询当前版本号
human2skill status --root . --slug {slug}
备份机制：后续 build 会自动将当前版本快照到 versions/v{n}_before_update/，保护更新前的关键文件（person.meta.json、distillation.json、evidence_pack.json）。
同 Phase 1 的三个入口，但语境变为"增量补充"：
有新材料了？告诉我你想怎么补充：
A. 提供新语料 — 有新聊天记录、会议纪要、笔记等，我帮你追加到现有证据包 B. 直接纠正 — 告诉我现有描述哪里不对，我来修改 C. 新维度问答 — 针对某个缺口维度，我追问几个问题
选 A → 调用 human2skill ingest 追加：
human2skill ingest --root . --slug {slug} --file ./new-material.pdf
选 B → Agent 记录纠正内容，对应更新 distillation 条目。
选 C → 同自适应访谈，只针对指定维度追问。
Agent 分析新证据/纠正 vs 现有 claims：
| 情况 | 处理方式 |
|---|---|
| 强化 | 补充案例，标注 confidence 提升 |
| 矛盾 | 标记 conflict，展示给用户决策（保留旧版本 / 更新为新 / 两者共存标注时间） |
| 新维度 | 新增 claim 和对应的 evidence |
| 无关 | 忽略 |
发现矛盾时展示冲突表格：
冲突检测：
┌──────────┬──────────┬──────────────────────────────┐
│ 现有声明 │ 新证据 │ 处理方式 │
├──────────┼──────────┼──────────────────────────────┤
│ 模型X │ 材料A │ ✅ 强化 — 补充案例 │
│ 模型Y │ 材料B │ ⚠️ 矛盾 — 需要你决定 │
│ — │ 材料C │ 🆕 新维度 — 新增 claim │
└──────────┴──────────┴──────────────────────────────┘
冲突停止规则：若检测到 halt_for_review 级矛盾，Agent 必须向用户报告并等待人工裁决。
在现有 distillation.json 基础上增量修改：
[已更新: YYYY-MM-DD]更新后展示变更摘要让用户确认，再进入下一步。
human2skill build --root . --slug {slug}
build 命令自动：
public_skill/versions/v{n}/（仅当全部通过）同标准 Phase 4/5 评审流程。特别关注：
迭代上限同标准流程：最多 2 轮调整，之后交付当前最佳版本。
summary_only，但 first_person 模式允许 ≤280 字符的脱敏原话引用pyproject.toml — Python 包配置与 CLI 入口src/human2skill/ — 核心 Python 模块scripts/quality_check.py — 自动化品质检查schemas/ — 数据 schema（person.meta、evidence_pack、distillation），位于 src/human2skill/schemas/templates/profiles/ — 四类 Profile Preset，位于 src/human2skill/templates/profiles/templates/skill/ — Skill 渲染模板，位于 src/human2skill/templates/skill/Created by Eric · human2skill