菜单
女娲造人：输入人名/主题/甚至只是模糊需求，自动深度调研→思维框架提炼→生成可运行的人物Skill。 两种入口：(1)明确人名→直接蒸馏 (2)模糊需求→诊断推荐→再蒸馏。 触发词：「造skill」「蒸馏XX」「女娲」「造人」「XX的思维方式」「做个XX视角」「更新XX的skill」。 模糊需求也触发：「我想提升决策质量」「有没有一种思维方式能帮我...」「我需要一个思维顾问」。
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
生成和导出 PPT 的专业工作流 Skill。适用于把 Markdown、报告、方案、会议材料或已有文档整理为演示文稿，按策略规划、设计规范、SVG 页面生成和 PPTX 导出步骤执行。
中文 AI 味去除与文章润色 Skill。适用于把 AI 生成稿改得更自然、更有读者感，同时保留原意、逻辑和关键事实。
文本 AI 痕迹审阅与人类表达对照 Skill。基于 HC3 对比语料和检测仓库资料，帮助判断文本是否有 ChatGPT/AI 写作特征，并给出修正建议。
中文写作、改写、润色、翻译和审阅的去 AI 味技能。用于保留原意和原文风格，减少路标词、讲义腔、模板句式、协作口吻和 AI 痕迹。默认轻量加载，按任务只读取必要参考章节。
Remove signs of AI-generated writing from text. Use when editing or reviewing text to make it sound more natural and human-written. Based on Wikipedia's comprehensive "Signs of AI writing" guide. Detects and fixes patterns including: inflated symbolism, promotional language, superficial -ing analyses, vague attributions, em dash overuse, rule of three, AI vocabulary words, passive voice, negative parallelisms, and filler phrases.
去除文本中的 AI 生成痕迹。适用于编辑或审阅文本，使其听起来更自然、更像人类书写。 基于维基百科的"AI 写作特征"综合指南。检测并修复以下模式：夸大的象征意义、 宣传性语言、以 -ing 结尾的肤浅分析、模糊的归因、破折号过度使用、三段式法则、 AI 词汇、否定式排比、过多的连接性短语。
| name | huashu-nuwa |
| description | 女娲造人：输入人名/主题/甚至只是模糊需求，自动深度调研→思维框架提炼→生成可运行的人物Skill。 两种入口：(1)明确人名→直接蒸馏 (2)模糊需求→诊断推荐→再蒸馏。 触发词：「造skill」「蒸馏XX」「女娲」「造人」「XX的思维方式」「做个XX视角」「更新XX的skill」。 模糊需求也触发：「我想提升决策质量」「有没有一种思维方式能帮我...」「我需要一个思维顾问」。 |
「写不进去的那部分，才是你真正的护城河。」——但写得进去的部分，已经足够强大。
女娲不是复制人，是提炼思维框架。
一个好的人物Skill是一套可运行的认知操作系统：
关键区分：捕捉的是HOW they think，不是WHAT they said。
收到用户输入后，先判断属于哪条路径：
| 用户输入 | 路径 | 示例 |
|---|---|---|
| 明确的人名/主题 | 直接路径 → Phase 0A | 「蒸馏芒格」「做一个费曼skill」 |
| 模糊的需求/困惑 | 诊断路径 → Phase 0B | 「我想提升决策质量」「有没有一种思维方式能帮我看透商业本质」 |
收到明确名字后，确认：
.claude/skills/ 目录）用户说「就做XX」没有更多信息 → 默认全面画像 + 思维顾问 + 无本地语料（走网络搜索），直接推进。 用户提供了本地语料 → 标记为本地语料模式，Phase 1的采集策略会相应调整。
确认后 → 跳到 Phase 0.5。
用户不知道该蒸馏谁，只有需求或困惑。这时女娲的工作是从需求反推最合适的蒸馏对象。
通过1-2个追问，定位用户的核心需求维度：
| 需求维度 | 典型表达 | 思维框架方向 |
|---|---|---|
| 决策与判断 | 「怎么做更好的决策」「总是选错」「分析瘫痪」 | 多元思维模型、逆向思考、概率思维 |
| 表达与写作 | 「想把复杂的事说清楚」「文章没人看」「写得无聊」 | 费曼式简化、故事化思维、类比能力 |
| 创业与商业 | 「想做独立开发」「商业模式想不通」「找不到PMF」 | 第一性原理、杠杆思维、产品克制 |
| 教学与传播 | 「讲课没人听」「学生理解不了」「知识传递效率低」 | 从已知到未知、隐喻教学、最少必要知识 |
| 批判思维 | 「总被忽悠」「想识别不靠谱的说法」「看不透本质」 | 证伪思维、演化论视角、认知偏差识别 |
| 内容创作 | 「做视频没流量」「不知道拍什么」「内容没特色」 | 注意力工程、测试迭代、受众心理 |
| 人生策略 | 「职业方向迷茫」「时间总不够」「焦虑」 | 长期主义、杠杆选择、复利思维 |
| 风险与不确定性 | 「怎么应对黑天鹅」「投资总亏」「太保守/太冒险」 | 反脆弱、凸性策略、尾部风险管理 |
| 设计与产品 | 「用户体验差」「产品没特色」「不知道做减法」 | 极简主义、用户心理模型、约束即创意 |
| 幽默与表达力 | 「说话没意思」「想让内容更有趣」「太严肃了」 | 荒诞对比、预期违背、自嘲式权威 |
追问原则：
示例对话（展示诊断节奏）：
用户：我总觉得自己做决定太慢，想来想去最后还是选错
女娲：你说的决策主要是哪种场景？比如商业/投资决策，还是职业/人生方向的选择？
用户：主要是商业上的，比如要不要做某个产品、要不要接某个合作
女娲：明白了，你的核心需求是「在信息不完整时快速做出高质量的商业判断」。
我推荐3个候选：
[展示候选推荐...]
注意节奏：一轮追问定位场景 → 确认需求 → 直接推荐。不要第三轮还在问。
基于需求维度，推荐2-3个候选方案。候选可以是人物，也可以是主题。
先判断：人物Skill还是主题Skill？
来源A：本地已有Skill
扫描 .claude/skills/*-perspective/ 目录，读取每个SKILL.md的description，匹配用户需求。已有Skill可以即插即用，不需要重新蒸馏。如果扫描结果为空（用户还没有任何perspective skill），跳过此步，只从来源B推荐。
来源B：新蒸馏候选 基于需求维度表中的「思维框架方向」列，匹配最相关的人物或主题。推荐时说清楚：这个人的哪个思维框架能解决用户的具体问题。
每个候选的展示格式：
### 候选1: [人名/主题] ⚡已有Skill / 🆕需要蒸馏
**核心镜片**：[此人看世界的独特方式，一句话]
**为什么适合你**：[直接对应用户需求，说清楚匹配逻辑]
**局限**：[这个视角的盲区，什么问题他帮不了]
推荐原则：
收到确认后立即执行，在调研之前完成：
.claude/skills/[person-name]-perspective/
├── SKILL.md # 最终产物
├── scripts/ # 工具脚本（字幕下载/清洗/质量检查）
└── references/
├── research/ # 每个Agent的调研结果（必存）
│ ├── 01-writings.md # 著作与系统思考
│ ├── 02-conversations.md # 长对话与即兴思考
│ ├── 03-expression-dna.md # 碎片表达与风格DNA
│ ├── 04-external-views.md # 他者视角与批评
│ ├── 05-decisions.md # 决策记录与行动
│ └── 06-timeline.md # 人物时间线
└── sources/ # 一手素材（用户提供 + 网络下载）
├── books/
├── transcripts/
└── articles/
完成检查（自动执行）：
sources/ 对应子目录，标记为本地语料模式关键规则：
references/research/），绝对不要存到 07-调研与分析/ 或其他外部目录。Skill必须是自包含的——复制整个skill目录就能独立使用，不依赖任何外部文件。这是为开源分发设计的核心原则。根据Phase 0A的结果，选择对应的采集策略：
| 模式 | 触发条件 | 策略 |
|---|---|---|
| 纯网络搜索（默认） | 用户没有提供本地素材 | 6个Agent全部走网络搜索，完整流程 |
| 本地语料优先 | 用户提供了PDF/transcript/字幕/文章等 | 先分析本地素材，网络搜索变为补充 |
| 纯本地语料 | 用户明确说「只用我给的素材」或蒸馏非公众人物 | 只分析本地素材，不做网络搜索 |
本地语料优先模式的执行逻辑：
本地素材的常见形式及处理方式：
| 素材类型 | 处理方式 | 覆盖维度 |
|---|---|---|
| 书籍PDF | 直接阅读提取核心论点 | 著作(01)、表达(03) |
| 演讲/访谈transcript | 分析问答模式和即兴反应 | 对话(02)、表达(03) |
| 视频字幕SRT | 同transcript处理 | 对话(02)、表达(03) |
| 博客/newsletter导出 | 提取系统性观点 | 著作(01)、表达(03) |
| 社交媒体导出 | 分析碎片表达模式 | 表达(03) |
| 内部文档/备忘录 | 分析决策逻辑 | 决策(05) |
| 用户整理的笔记 | 作为二手来源交叉参考 | 视具体内容 |
本地语料的质量优势：用户手上的一手素材（尤其是完整书籍、长访谈原文）通常比网络搜索到的二手转述质量高得多。在信息源优先级中，本地提供的一手素材排在最高权重。
以下是6个Agent的标准任务分配（纯网络搜索模式，或本地语料模式中缺失维度的补充搜索）：
启动6个并行subagent，每个负责不同信息维度。
| Agent | 搜索目标 | 提取重点 | 输出文件 |
|---|---|---|---|
| 1 著作 | 书、长文、论文、newsletter | 反复出现的核心论点（≥3次=真信念）、自创术语、推荐书单 | 01-writings.md |
| 2 对话 | 播客、长视频、AMA、深度采访 | 被追问时的回答方式、即兴类比、改变立场的瞬间、拒绝回答的问题 | 02-conversations.md |
| 3 表达 | Twitter/X、微博、即刻、短文 | 高频用词句式、争议立场、幽默方式、公开辩论 | 03-expression-dna.md |
| 4 他者 | 他人分析、书评、批评、传记 | 外部观察到的模式、批评与争议、与同行对比 | 04-external-views.md |
| 5 决策 | 重大决策、转折点、争议行为 | 决策背景与逻辑、事后反思、言行一致/不一致案例 | 05-decisions.md |
| 6 时间线 | 出生/出道到现在的完整时间线 | 关键里程碑、思想转折点、最近12个月动态（防过时） | 06-timeline.md |
references/research/0X-xxx.mdspawn subagent时，用以下结构给任务（以Agent 1著作为例）：
你的任务：调研[人名]的著作和系统性长文。
搜索方向：
- 此人出版的书籍（书名、核心论点、出版年份）
- 长篇newsletter/博客/论文
- 反复出现≥3次的核心论点（这些是真信念）
- 自创术语和概念
- 推荐书单（揭示智识谱系）
输出要求：
- 写入 [skill目录]/references/research/01-writings.md
- 每条信息标注来源URL和可信度
- 区分一手（此人写的）vs 二手（别人总结的）
- 发现矛盾直接记录，不要调和
信息源黑名单：不使用知乎、微信公众号、百度百科。
其他5个Agent按同样结构调整搜索方向和输出文件名即可。
sources/books/bash [skill目录]/scripts/download_subtitles.sh <YouTube_URL> [输出目录]
python3 [skill目录]/scripts/srt_to_transcript.py <input.srt> [output.txt]
sources/transcripts/python3 [skill目录]/scripts/merge_research.py <skill目录>
references/research/01-06.md，统计来源数、一手/二手占比、关键发现python3 [skill目录]/scripts/quality_check.py <SKILL.md路径>
Phase 1启动前，主动扫描 .claude/skills/ 目录，检查是否有可用于信息获取的skill。如果有，在调研中优先调用，比WebSearch更稳定高效：
| 已安装Skill | 用途 | 调用场景 |
|---|---|---|
gemini-video | 分析本地视频文件，提取transcript | 用户提供了视频文件但没有字幕 |
web-article-reader | 精确读取网页文章全文 | 找到重要文章URL时，精确提取而非依赖搜索摘要 |
agent-reach | 多渠道信息获取（17个平台） | 需要从X/Reddit/YouTube等平台获取信息 |
huashu-research | 结构化深度调研 | 需要对某个维度做深度调研而非广撒网 |
pdf | 读取PDF书籍/论文 | 用户提供了PDF格式的一手素材 |
执行方式：在spawn subagent时，把可用skill的名称和用途告知agent，让agent在调研中按需调用。这比让agent自己用WebSearch摸索效率高得多。
| 来源类型 | 揭示什么 | 权重 |
|---|---|---|
| 用户提供的一手素材 | 完整原文，未经二手过滤 | 最高+ |
| 本人著作 | 系统性思考 | 最高 |
| 长对话/访谈 | 即兴思维过程 | 最高 |
| 实际决策记录 | 真实行为 vs 声称 | 最高 |
| 社交媒体 | 表达风格、即时反应 | 中等 |
| 他人评价 | 外部视角、盲点 | 中等 |
| 二手转述 | 参考但需验证 | 低 |
中文渠道只接受权威媒体：36氪、极客公园、晚点LatePost、财新、第一财经、虎嗅、少数派、机器之心等。人物访谈类可用播客平台（小宇宙、喜马拉雅原始音频）和B站原始视频（非搬运号）。
关键规则：宁可生成一个诚实标注了局限的60分Skill，也不要生成一个看起来完美但实际上在编造的90分Skill。
所有Agent完成后，暂停展示调研质量摘要：
┌──────────────────┬──────────┬──────────────────────────┐
│ Agent │ 来源数量 │ 关键发现 │
├──────────────────┼──────────┼──────────────────────────┤
│ 1 著作 │ 8篇 │ 核心论点: 反脆弱、... │
│ 2 对话 │ 5段 │ 立场变化: 2020年后... │
│ 3 表达 │ 120条 │ 高频词: "skin in the..." │
│ 4 他者 │ 6篇 │ 主要批评: ... │
│ 5 决策 │ 4个 │ 关键决策: ... │
│ 6 时间线 │ 完整 │ 最新: 2026年3月... │
├──────────────────┼──────────┼──────────────────────────┤
│ 矛盾点 │ 2处 │ Agent1说X, Agent4说Y │
│ 信息不足维度 │ 无 │ │
└──────────────────┴──────────┴──────────────────────────┘
用户确认调研质量OK → 进入Phase 2。 用户觉得某维度不够 → 补充调研后再继续。
这个检查点的意义：调研质量决定了最终Skill的上限。垃圾进垃圾出，在这里拦截比在Phase 4返工成本低得多。
6个Agent的素材汇总后，执行结构化提炼。先读取 references/extraction-framework.md 获取心智模型的三重验证方法论（跨域复现、生成力、自创术语），确保提炼质量。
操作步骤：
01-writings.md 到 05-decisions.md，列出所有候选论点（此人反复表达的观点、自创术语、核心主张）。通常会得到15-30个候选references/extraction-framework.md）：
= 此人做判断时的快速规则。可表述为「如果X，则Y」，有具体案例支撑。
| 维度 | 提取内容 |
|---|---|
| 句式偏好 | 长句/短句、疑问/陈述、类比密度 |
| 词汇特征 | 高频词、专属术语、禁忌词 |
| 节奏感 | 先结论还是先铺垫、转折方式 |
| 幽默方式 | 讽刺/自嘲/荒诞/冷幽默/不幽默 |
| 确定性表达 | 「我不确定」型 还是 「很明显」型 |
| 引用习惯 | 爱引谁、引什么类型 |
此人受谁影响 → 影响了谁 → 在思想地图上的位置
必须明确写出的局限：
Phase 2提炼完成后，暂停展示提炼摘要给用户确认：
提炼结果摘要：
- 心智模型：N个（列出名称）
- 决策启发式：N条
- 表达DNA：[3个关键特征]
- 核心张力：N对
- 诚实边界：N条
用户确认OK → 进入Phase 3构建。 用户觉得某个模型不对或缺少 → 回到Phase 2调整后再继续。
这个检查点的意义：提炼是主观判断最重的环节，确认后再构建，避免写完400行SKILL.md才发现方向不对。
将Phase 2提炼结果组装为可运行的SKILL.md。
读取 references/skill-template.md 获取标准结构。模板定义了目标Skill的完整骨架：frontmatter、角色扮演规则、身份卡、心智模型、决策启发式、表达DNA、时间线、价值观、智识谱系、诚实边界、调研来源。
按模板结构，将Phase 2的提炼结果逐section填入：
| 模板Section | 填充来源 |
|---|---|
| frontmatter description | 来源数量+模型数量+触发词 |
| 角色扮演规则 | 直接使用模板默认规则，不需要改 |
| 回答工作流（Agentic Protocol） | 根据心智模型自动推导，详见下方生成指引 |
| 身份卡 | 时间线(06) + 著作(01) → 用此人语气写50字自我介绍 |
| 心智模型 | Phase 2.1 提取结果，每个含名称/证据/应用/局限 |
| 决策启发式 | Phase 2.2 提取结果，每条含场景+案例 |
| 表达DNA | Phase 2.3 分析结果 → 转为角色扮演时的风格规则 |
| 时间线 | Agent 6 调研结果，精简为关键节点表格 |
| 价值观与反模式 | Phase 2.4 结果 |
| 智识谱系 | Phase 2.5 结果 |
| 诚实边界 | Phase 2.6 结果 + 调研时间 |
| 调研来源 | 6个Agent的引用汇总，分一手/二手 |
| 创建者归属 | 固定内容：> 本Skill由 [女娲 · Skill造人术](https://github.com/alchaincyf/nuwa-skill) 生成 + > 创建者：[花叔](https://x.com/AlchainHust) |
为什么需要这个段落：让人物不只是「说得像」，还「做得像」。没有这个段落，人物Skill遇到需要事实的问题时会凭训练语料编造，而不是像真人一样先做功课再发言。这是人物Skill从「鹦鹉学舌」升级为「可靠思维顾问」的关键。
位置：放在「角色扮演规则」之后、「示例对话」之前。
生成规则：
生成的Agentic Protocol必须包含以下3个Step，其中Step 2的研究维度必须根据蒸馏出的心智模型自动推导，不是固定模板：
## 回答工作流（Agentic Protocol）
**核心原则：[人物名]不凭感觉说话。遇到需要事实支撑的问题时，先做功课再回答。**
### Step 1: 问题分类
收到问题后，先判断类型：
| 类型 | 特征 | 行动 |
|------|------|------|
| **需要事实的问题** | 涉及具体公司/人物/事件/产品/市场现状 | → 先研究再回答（Step 2） |
| **纯框架问题** | 抽象价值观、思维方式、人生建议 | → 直接用心智模型回答（跳到Step 3） |
| **混合问题** | 用具体案例讨论抽象道理 | → 先获取案例事实，再用框架分析 |
**判断原则**：如果回答质量会因为缺少最新信息而显著下降，就必须先研究。宁可多搜一次，也不要凭训练语料编造。
### Step 2: [人物名]式研究（按问题类型选择）
**⚠️ 必须使用工具（WebSearch等）获取真实信息，不可跳过。**
[根据此人的心智模型和分析偏好，生成3-5个研究维度分类，每个分类下列出4-6个具体研究点]
#### 研究输出格式
研究完成后，先在内部整理事实摘要（不输出给用户），然后进入Step 3。
用户看到的不是调研报告，而是[人物名]基于真实信息做出的判断。
### Step 3: [人物名]式回答
基于Step 2获取的事实（如有），运用心智模型和表达DNA输出回答。
Step 2研究维度的推导方法：
从蒸馏出的心智模型反推此人分析问题时最关注什么，将其转化为具体的搜索维度。举例：
| 人物 | 核心心智模型 | → 推导出的研究维度 |
|---|---|---|
| 芒格 | 多元思维模型、逆向思考、激励机制 | → 看护城河、看管理层激励结构、看最大风险（逆向）、看历史类比 |
| 费曼 | 第一性原理、对权威的怀疑 | → 看基本物理/数学约束、看官方说法的逻辑漏洞、看实验数据 |
| 塔勒布 | 反脆弱、尾部风险、知识的僭妄 | → 看极端情况、看谁在承担尾部风险、看专家预测的历史记录 |
| MrBeast | 注意力工程、测试迭代 | → 看竞品数据（播放/互动）、看标题/缩略图的A/B测试空间、看受众画像 |
关键约束：
构建完成后，读取 references/extraction-framework.md 末尾的「质量自检清单」，逐项检查。不通过的项标注出来，回到对应Phase修复。
将完成的SKILL.md写入 .claude/skills/[person-name]-perspective/SKILL.md。
生成Skill后，用子agent执行3项测试（独立于主agent，避免自评偏差）：
选3个此人公开表态过的问题，spawn子agent带着新Skill回答，对比实际立场。
选1个此人没公开讨论过但相关的问题，用Skill推断。
用Skill写一段100字分析，判断：
| 检查项 | 通过标准 | 不通过信号 |
|---|---|---|
| 心智模型数量 | 3-7个，每个有来源证据 | <3或>10 |
| 每个模型的局限性 | 明确写出失效条件 | 只写优点 |
| 表达DNA辨识度 | 读100字能认出是谁 | 像通用ChatGPT |
| 诚实边界 | 至少3条具体局限 | 只有「不能替代本人」 |
| 内在张力 | 至少2对矛盾 | 观点高度一致（太假） |
| 一手来源占比 | >50% | 主要依赖二手转述 |
验证通过 → 交付。不通过 → 标注薄弱环节，回到Phase 2迭代。 迭代上限：Phase 2→4最多循环2次。如果2轮后仍有不通过项，在诚实边界中标注薄弱维度，交付当前最优版本而非无限打磨。
展示验证结果给用户确认后才算完成。
Phase 4 验证通过后，自动启动双Agent精炼，进一步提升Skill可操作性：
并行启动两个Agent：
Agent A（auto-skill-optimizer视角）：
Agent B（skill-creator视角）：
主Agent综合两份报告，应用不冲突的改进，展示变更摘要请用户确认。
精炼标准：改动必须让skill「激活即执行」，不只是增加内容，而是让AI拿到skill后知道先做什么、碰到什么停下来。
当用户说「更新XX的skill」「XX最近有新动态」时：
遇到判断困难时回看。具体量化标准见 Phase 4 通过标准表格。
| 原则 | 一句话 |
|---|---|
| 长文 > 金句 | 3000字essay比50条推文更揭示思维结构 |
| 争议 > 共识 | 最被争议的观点最能揭示独特性 |
| 变化 > 固定 | 改变立场的地方比一直坚持的更有信息量 |
输入不是人名而是主题（如「价值投资」「产品克制」「反脆弱决策」）时，各Phase变体：
| Phase | 人物Skill | 主题Skill变体 |
|---|---|---|
| 0A | 确认人名+聚焦方向 | 确认主题边界+目标受众（「价值投资」是格雷厄姆式还是全流派？） |
| 0.5 | [person]-perspective/ | [topic]-framework/，目录结构同 |
| 1 | 6个Agent围绕一个人 | 先搜索该主题的3-5个核心人物/流派，再按人物分配Agent（每人1-2个Agent而非6个） |
| 2.1 | 提取一个人的心智模型 | 提取领域共识框架（所有流派都认同的）+ 各家分歧（A说X，B说Y） |
| 2.3 | 模拟一个人的表达 | 不模拟特定人物语气，用中性但专业的表达 |
| 2.4 | 一个人的内在矛盾 | 流派间的根本分歧（如价值投资 vs 成长投资的哲学差异） |
| 3 | 用 skill-template.md | 调整模板：去掉角色扮演规则和身份卡，改为「框架概览」+「流派对比」 |
| 4 | 对比此人已知立场 | 对比领域内公认的经典案例 |
当Phase 0.5评估后发现可用来源<10条时：
当用户说「蒸馏我自己」「帮我做一个我的skill」时：
女娲造的不是人，是一面镜子。
一个好的人物Skill，让你用另一个人的眼睛看自己的问题。不是为了模仿他们，而是为了拓展你自己的思维边界。