女娲.skillCAUTION

From the repository's own README, as read at the audited commit. Badges and raw HTML are left out.

用户      ❯ 我同时想做自媒体、写书、做独立开发,精力完全不够

Naval     ❯ 你列了三个欲望。每个欲望都是你跟不快乐签的一份合同。
不是精力不够,是合同太多。

问你自己:哪一个做起来你会忘记时间?
那个就是你的特定知识所在。

不是三选一。是先一,再一,再一。
串行复利,不是并行内耗。

用户      ❯ 我们的SaaS产品获客成本太高了

马斯克     ❯ 先别想怎么降。先算物理极限。
获客的最小必要动作是什么?用户从知道你到付费,
信息传递的理论最短路径是什么

The instruction file, verbatim from the audited commit — this is the text the model reads, and the surface the audit's instruction layer examines. Quoted here so you can judge it without cloning anything.

---
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」。
  English triggers: "distill [person]", "nuwa", "create a [person] perspective skill", "how does [person] think", "I need a thinking advisor".
metadata:
  author: "花叔"
  homepage: "https://github.com/alchaincyf"
  repository: "https://github.com/alchaincyf/nuwa-skill"
  version: "1.0.0"
---

# 女娲 · Skill造人术

> 「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。

## 核心理念

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:
- 他用什么**心智模型**看世界?(镜片)
- 他用什么**决策启发式**做判断?(直觉规则)
- 他怎么**表达**?(DNA)
- 他**绝对不会**做什么?(反模式)
- 什么是这个Skill**做不到的**?(诚实边界)

**关键区分**:捕捉的是HOW they think,不是WHAT they said。

---

## 执行流程

### Phase 0: 入口分流

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」 |

---

### Phase 0A: 需求澄清(直接路径)

收到明确名字后,确认:

1. **这个人/主题是谁**:确保理解正确
2. **聚焦方向**(可选):全面画像 vs 聚焦某个维度?
3. **用途**:思维顾问?决策参考?角色扮演?
4. **新建 or 更新**:是否已有该人物的Skill?(检查 `.claude/skills/` 目录)
5. **本地语料**:「你手上有没有这个人的一手素材?比如书籍PDF、演讲/访谈transcript、视频字幕、个人博客导出等。有的话直接丢给我,比网上搜的质量高得多。」
6. **蒸馏档位**:告知用户成本量级并确认档位。完整蒸馏是多agent+多轮搜索的长任务,顶级模型单次可消耗数十美元(真实用户案例),必须在开跑前说清楚:

| 档位 | 调研规模 | 适用场景 | 成本量级 |
|------|---------|---------|---------|
| 快速 | 3个维度(著作+对话+表达),每维度限5个来源 | 先试试效果 / 冷门人物 / 预算敏感 | 约标准档1/3 |
| 标准(默认) | 6个维度完整调研 | 大多数场景 | 中等;换更轻量模型可显著降低 |
| 深度 | 6维度 + 一手素材全量下载(书籍/字幕/长文存档) | 打算开源发布的精品Skill | 最高 |

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)+ 标准档,直接推进。

**确认不阻塞交付**:凡是能给默认值的问题都给默认值;如果下一步产出(访谈提纲、执行计划等)不依赖用户的答案,先给出产出再让用户调整。不要把现成的价值卡在提问之后。
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。

---

### Phase 0B: 需求诊断(模糊路径)

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**。

#### Step 1: 需求定位

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:
- 最多问2轮,不要变成问卷调查
- 如果用户已经表达得足够清晰,不追问,直接推荐
- 追问的目的是区分相似维度(比如「决策」是商业决策还是人生决策?)

**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。

#### Step 2: 候选推荐

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?**
- 用户的需求指向某种具体的思考方式 → 人物Skill(蒸馏某个人的思维框架)
- 用户的需求指向某个领域的方法论 → 主题Skill(综合多人视角,见「特殊场景 > 主题Skill」)
- 不确定 → 推荐中同时包含两种类型,让用户选

**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:
- 不超过3个候选,选择困难比没选择更糟
- 已有Skill优先展示(即插即用,零成本)
- 候选之间要有差异性,不要推荐3个类似的人
- 必须说清楚局限——没有万能的思维框架
- 推荐要具体到「这个人的哪个思维模型」匹配需求,而不只是泛泛说「他很厉害」

#### Step 3: 用户选择

- 选了已有Skill → 直接激活该Skill,任务完成
- 选了新蒸馏候选 → 进入Phase 0A确认细节 → Phase 0.5开始蒸馏
- 都不满意 → 回到Step 1继续探索,或用户自己提出新人选

### Phase 0.5: 创建Skill目录

**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):
- [ ] 目录已创建
- [ ] 如果是中国人物:信息源策略切换为B站原始视频/小宇宙播客/权威中文媒体优先(知乎和微信公众号始终排除,见信息源黑名单)
- [ ] 如果是更新模式:已读取现有SKILL.md,标注哪些信息需要刷新
- [ ] 如果用户提供了本地语料:将素材复制/移动到 `sources/` 对应子目录,标记为**本地语料模式**

**关键规则**:
- 每个subagent必须把调研结果写入对应的md文件。不存文件的调研等于没做。
- **所有调研文件必须存在skill目录内部**(`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。

---

### Phase 1: 多源信息采集(并行Agent Swarm)

#### 模式判断:本地语料 vs 网络搜索

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**:

1. **先读本地素材**:将用户提供的文件按6个维度分类(一本书可能同时覆盖著作+对话+表达多个维度)
2. **识别信息缺口**:本地素材覆盖了哪些维度?哪些维度缺失或薄弱?
3. **定向补充搜索**:只对缺失维度启动网络搜索Agent,已有充足本地素材的维度跳过搜索
4. **来源标记**:调研文件中明确区分「来自用户提供素材」vs「来自网络搜索」

**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。

#### 6个Agent的任务分配

| 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

CAUTIONgrade C · trust 79/100 Install with care. The audit found things worth knowing before you trust its output.

What the source does

Filesystem

none-observed

Network

none-observed

Shell

none-observed

Dependencies

pinned

Secrets in source

none-found

Findings (11)

- **[1hr Talk] Intro to Large Language Models**(2023年11月):面向普通受众,涵盖LLM训练、LLM OS比喻、安全(jailbreak/prompt injection)

text = base64.b64decode(item["content"]).decode("utf-8")

current_text = base64.b64decode(current["content"]).decode("utf-8")

> "LLMs exhibit amusingly jagged performance characteristics: simultaneously a genius polymath and a confused and cognitively challenged grade schooler, seconds away from getting tricked by a jailbrea

**来源**:[Washington Post](https://www.washingtonpost.com/world/2025/05/23/trump-crypto-dinner-justin-sun/)、[CNBC](https://www.cnbc.com/2025/05/20/justin-sun-trump-dinner.html)、[Fortune(冻结)](https://for

Links: [{"title":"Trump and Deutsche Bank: It’s Complicated | Trump, Inc. | WNYC Studios","url":"https://www.wnycstudios.org/podcasts/trumpinc/episodes/trump-inc-trump-deutsche-bank-its-complicated"},

6-agents-parallel.png

advisory-board.png

assets/hero.gif

assets/mcstomach-promo-202610.png

cover-distill-minds.png

Gates applied: instruction_override, no_behavioural_pass.

[![ModelsAtlas audit: 女娲.skill](https://modelsatlas.com/skills/alchaincyf/huashu-nuwa/badge.svg)](https://modelsatlas.com/skills/alchaincyf/huashu-nuwa/)

Not your listing, or something out of date? Claim or update your listing.