菜单
站在巨人肩膀上创建高质量 Skill —— 在创建新 skill 之前，帮助用户发现并整合领域专家的成熟方法论。当用户请求"帮我创建一个关于 X 的 skill"或"我想做一个能 Y 的 skill"时触发。此 skill 指导方法论选择，然后交由 skill-creator 生成最终 skill。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
CRITICAL - Guide for using Claudish CLI ONLY through sub-agents to run Claude Code with OpenRouter models (Grok, GPT-5, Gemini, MiniMax). NEVER run Claudish directly in main context unless user explicitly requests it. Use when user mentions external AI models, Claudish, OpenRouter, or alternative models. Includes mandatory sub-agent delegation patterns, agent selection guide, file-based instructions, and strict rules to prevent context window pollution.
Telegram 生态开发全栈指南 - 涵盖 Bot API、Mini Apps (Web Apps)、MTProto 客户端开发。包括消息处理、支付、内联模式、Webhook、认证、存储、传感器 API 等完整开发资源。。
snapDOM is a fast, accurate DOM-to-image capture tool that converts HTML elements into scalable SVG images. Use for capturing HTML elements, converting DOM to images (SVG, PNG, JPG, WebP), preserving styles, fonts, and pseudo-elements.
CCXT cryptocurrency trading library. Use for cryptocurrency exchange APIs, trading, market data, order management, and crypto trading automation across 150+ exchanges. Supports JavaScript/Python/PHP.
CoinGecko API documentation - cryptocurrency market data API, price feeds, market cap, volume, historical data. Use when integrating CoinGecko API, building crypto price trackers, or accessing cryptocurrency market data.
Cryptofeed - Real-time cryptocurrency market data feeds from 40+ exchanges. WebSocket streaming, normalized data, order books, trades, tickers. Python library for algorithmic trading and market data analysis.
| name | skill-from-masters |
| description | 站在巨人肩膀上创建高质量 Skill —— 在创建新 skill 之前，帮助用户发现并整合领域专家的成熟方法论。当用户请求"帮我创建一个关于 X 的 skill"或"我想做一个能 Y 的 skill"时触发。此 skill 指导方法论选择，然后交由 skill-creator 生成最终 skill。 |
创建蕴含领域大师智慧的 Skill。在生成 skill 之前，帮助用户发现并整合公认专家的成熟方法论。
大多数专业领域都有杰出的实践者，他们通过书籍、演讲、访谈和框架将自己的方法系统化。基于这些经过验证的方法论构建的 skill，远比从零开始创建的更有价值。
我们的目标不是"够用就行"—— 而是达到该领域人类专业水平的最高境界。
哲学：质量不是写出来的，是选出来的。
询问用户：
将 skill 映射到一个或多个方法论领域。单个 skill 可能跨越多个领域。
映射示例：
第一层：本地数据库
查阅 references/methodology-database.md 获取已知框架。
第二层：网络搜索专家 搜索网络发现更多专家和方法论：
第三层：深入研究选定专家 针对有潜力的专家，搜索其原始内容：
尽可能获取并阅读一手资料（文章、演讲稿、博客文章）。
针对每个相关领域，呈现：
在最终确定方法论之前，搜索典范输出：
理解卓越的标准有助于定义质量基准。
采用「结构化收集 + 深入讨论」的混合交互模式。
阶段一：使用 AskUserQuestionTool 收集初步偏好
根据第三、四步发现的方法论，使用 AskUserQuestionTool 向用户提问：
问题设计示例：
- header: "方法论"
- question: "基于研究，以下哪些方法论最符合你的需求？"
- options: 从发现的专家方法论中提取 2-4 个最相关的选项
- 每个 option 包含：专家名 + 核心理念（如 "Cagan 问题优先 - 先定义问题再设计方案"）
- multiSelect: true（允许组合多种方法）
阶段二：深入讨论与确认
根据用户选择，进一步讨论：
最终确认
引导用户选择 1-3 个核心方法论作为 skill 的基础，明确记录选择理由。
针对每个选定的方法论，搜索并提炼：
为什么（核心原则）
怎么做（具体流程）
做什么（质量标准）
避免什么（常见错误）
获取一手资料以获得准确措辞和细节，而非仅靠摘要。
对比多个来源的见解：
综合形成一个取各家之长的连贯框架。
方法论确认后，使用 skill-creator skill 生成最终 skill。生成的 skill 应该：
最终确认前，验证：
用户：我想创建一个写产品需求文档的 skill。
助手：很好的选择。让我搜索一下 PRD 写作的最佳方法论。
[搜索："PRD 最佳实践 专家"、"产品需求文档 方法论"、"最佳 PRD 示例"]
我找到了几个强有力的框架：
产品管理：
商业写作：
找到的黄金示例：
常见错误（来自搜索）：
[使用 AskUserQuestionTool 进行结构化选择]
header: "方法论"
question: "基于研究，以下哪些方法论最符合你的 PRD 需求？"
options:
- label: "Cagan 问题优先"
description: "先定义问题再设计方案，区分问题空间和解决方案空间"
- label: "Amazon 逆向工作法"
description: "从新闻稿倒推，6 页叙事格式，PR/FAQ 流程"
- label: "Minto 金字塔原理"
description: "结论先行，MECE 结构，逻辑清晰"
- label: "Torres 持续发现"
description: "以结果为导向，持续验证假设"
multiSelect: true
用户：[选择了 "Cagan 问题优先" 和 "Amazon 逆向工作法"]
助手：很好的组合！Cagan 的问题优先思维可以确保 PRD 聚焦于真正的用户问题，而 Amazon 的逆向工作法提供了具体的文档格式和流程。
让我深入研究这两个方法如何结合...
[搜索："Amazon 6页纸 模板"、"Amazon 逆向工作法"、"Amazon PR FAQ 流程"] [搜索："Marty Cagan problem space solution space"、"SVPG PRD best practices"]
这两种方法有很好的互补性：
有没有特别想强调或调整的地方？
用户：听起来很完美，就用这个组合。
助手：[继续第六、七、八步，基于选定的 Cagan + Amazon 方法论生成 skill]