约束驱动技能，作为极限约束引擎，识别现有约束，强化到极限，添加随机新约束，在约束边界内穷尽可能性，提取边界方案。6域30种任务。触发词：约束驱动、极限约束、约束强化、边界方案、可能性穷尽、meta-skill-system。
Coding
Random Driven
Try it随机性驱动技能，作为混沌生成器，提取事物核心概念引入无关概念强制组合，保留看似荒谬但有趣的连接，发展为完整方案。6域30种任务。触发词：随机性、混沌生成、无关概念、强制组合、荒谬连接、meta-skill-system。
What it does
随机性驱动技能，作为混沌生成器，提取事物核心概念引入无关概念强制组合，保留看似荒谬但有趣的连接，发展为完整方案。6域30种任务。触发词：随机性、混沌生成、无关概念、强制组合、荒谬连接、meta-skill-system。
The skill document
随机性驱动技能
定位
本技能是一个混沌生成器技能，提供通过随机性驱动方法生成创新方案的能力。
核心能力
随机性驱动技能能够提取事物核心概念，引入无关概念进行强制组合，保留看似荒谬但有趣的连接，并发展为完整方案。
R1-R5领域定位
| 维度 | 评分 | 说明 | 执行框架映射 |
|---|---|---|---|
| R1 信息密度 | 中 | 主要处理概念组合 | S和C权重中等 |
| R2 创造性 | 高 | 需要创造性地组合无关概念 | A权重高，C偏创新 |
| R3 交互性 | 低 | 主要是自动化生成 | I权重低 |
| R4 规范性 | 低 | 随机性驱动无需严格规范 | G权重低 |
| R5 迭代性 | 高 | 需要多次迭代生成方案 | 循环多，S→C→A链短而频 |
三层结构
第一层：随机性驱动清单 + 依赖拓扑 → references/random-driven-catalog.md
第二层：方法论要求清单 → references/random-driven-requirements.md
第三层：方法论范本库 → references/exemplars.md
使用规则
执行流程
- 首次加载：读取
references/random-driven-catalog.md，获取域分类、依赖拓扑、元操作映射提示 - 按需深入：确认目标方法论执行类型后，读取
references/random-driven-requirements.md获取组件清单；如需样本法，读取references/exemplars.md获取范本
降级模式
- 只读模式：当用户明确要求只读操作时，本技能仅执行感知和认知元操作
- 权限表：感知(S)允许、认知(C)允许、行动(A)禁止、组织(O)禁止、交互(I)禁止、守护(G)允许
执行框架
统一执行流程：收到任务后按5步执行——
- Step 0 核心概念提取：提取事物的核心概念
- Step 1 无关概念引入：引入无关概念
- Step 2 强制组合：强制组合核心概念和无关概念
- Step 3 荒谬连接保留：保留看似荒谬但有趣的连接
- Step 4 方案发展：发展为完整方案
域概览
按使用流程组织，共6域30种方法论执行任务：
| 域 | 任务数 | 典型任务 |
|---|---|---|
| M0 任务域协调域 | 4 | 任务域选择、执行顺序确定、结果整合、深化路由 |
| M1 核心概念提取域 | 5 | 概念识别、概念分析、概念分类、概念整理、概念报告 |
| M2 无关概念引入域 | 5 | 概念来源、概念选择、概念验证、概念整理、概念报告 |
| M3 强制组合域 | 6 | 组合策略、组合执行、组合验证、组合优化、组合整合、组合报告 |
| M4 荒谬连接保留域 | 5 | 连接识别、连接评估、连接保留、连接优化、连接报告 |
| M5 结果交付域 | 5 | 结果完整性验证、响应速度优化、用户满意度评估、改进建议、持续优化 |
域间逻辑流：M0 → M1 → M2 → M3 → M4 → M5
事实纪律
- 仅使用确知的事实和可验证的信息，不得编造数据或引用
- 核心概念提取须基于事物本质，不得表面化
- 无关概念引入须真正无关，不得强行关联
- 强制组合须保留荒谬但有趣的连接，不得过早过滤
- 创新方案引用的案例、数据必须确知真实存在，不确定的标注"待验证"
Related skills
领域负载物技能制作器（Meta-Skill）——Universal Task OS的技能工厂。独立创建与UTOS完全兼容的领域负载物技能，不依赖任何被创建的目标技能。提供领域分析框架（R1-R5分类定位/价值链拆解/任务枚举/UTOS映射推导）、三层结构模板（SKILL.md+catalog+requiremen...
21 installs
维度强关联探索技能，作为可能性空间导航器，将两个概念解构成基本维度建立维度矩阵，随机选择看似无关的维度组合强制连接推导可能性发展，评估逻辑距离形成可能性集群，识别无人探索区域，输出最有潜力最激进最被忽视的反常识方案。8域39种任务。触发词：维度矩阵、强制连接、可能性空间、概念解构、无人探索区域、meta-skil...
角色生成器——元技能系统的下级母技能，从任意角色概念生成完整角色Skill。双轴分类：角色类型（写实/虚构/功能/拟人）×角色用途（叙事/游戏/交互/教学/品牌），20种组合驱动维度深度。12维正交模型（实体层6维/社会层2维/抽象层4维）按三层递进管线填充，8域35任务，内嵌管线编排、三轴判定、领域校准、降级模式。生成的角色Skill可嵌入做事用技能注入真人感，也可独立用于角色扮演与创作灵感。触发词：生成角色、创建角色、角色生成、角色Skill、character builder、角色构建、角色设计、人物角色生成、meta-skill-system。
drand-mcp-server是一个提供可验证随机数的服务，用于AI应用中的模型驱动流程，支持通过时间或轮次获取随机数。
元技能系统，提供领域评估、工作流重构、领域负载物生成和通用任务执行的完整能力。核心能力：①领域消除评估（五步法：边界识别→存在理由分析→消除可行性评估→独立存在必要性判断→决策输出）②工作流重构（三步法：拆解→消除→重整，将复杂工作流重构为AI辅助一人简易完成）③领域负载物生成（从零创建完整的领域负载物技能，三层结构模板+28项接口校验，可选附加12维完整角色）④通用任务执行（三轴正交：执行轴6大元操作+管线编排、内容轴清单法+样本法、创新轴4种模式+10种元框架）。10域82种任务。触发词：元技能、领域评估、工作流重构、技能生成、任务执行、meta-skill、领域消除、三轴执行、创新框架、
6 installs