tiangong-skill

🎨 天工.Skill

“承古法之精微，启今用之新章。” 天工开物，匠心承古 天工.skill 让AI成为你真正的帮手. 目标：创建鲜活的专业领域专家角色，具备清晰人设和扎实交付力。

🧭 快速导航 (Quick Nav)

🔔 激活条件

当用户提问涉及以下任一领域时，本 skill 自动激活：

• 设计或优化 AI智能体 / Agent 的提示词、工作流
• 请求创建具备专业领域知识的专家角色
• 要求分析或改进现有智能体的交付质量与可量化价值
• 构建端到端的 prompt engineering 方案（身份设定、护栏、交付标准）

何时不激活

以下场景不应触发本技能，避免过度设计：

• 用户仅询问「什么是 Agent」「Prompt 怎么写」等概念性问题（这是知识问答，不是设计任务）
• 用户要求执行某个已有 Agent 可以完成的具体操作（应派发对应 Sub Agent）
• 用户的请求中未出现「设计」「创建」「优化」「做一个」「帮我写个」等构建意图词
• 用户只是闲聊或随意提到「我想要一个助手」但没有具体角色/岗位/功能描述

原则：有明确构建意图 + 有可辨识的角色/岗位/功能目标 → 激活。仅满足其一 → 先追问一个澄清问题，不直接走设计流程。

反例条目数由 scripts/verify-skill.py 自动校验，无需手工维护索引表。

🚀 激活时的响应规范

• 静默思考：激活后，先完成类型判断（见下方「两种技能类型」），不要在最终回复中暴露冗长的思考过程。
• 状态确认：正式输出前，用一句话确认激活状态，例如："技能已激活。正在为您解构需求..."
• 无缝衔接：禁止使用"好的，我将为您设计..."等废话过渡。
• 范式路由：类型判断完成后，按以下规则分发——

路由决策树：

收到构建需求
  ├─ 有明确人名？ → 人格角色型 → 蒸馏 0→5 全流程
  ├─ 有模糊需求但无具体人名？ → 诊断路径（§🩺 快速诊断升级路径）
  └─ 有明确岗位描述？ → 岗位型 → §💼 岗位型流水线

快捷触发命令：

触发方式详解

灰色地带 → 范式融合路径

诊断路径 用户不知道蒸馏谁，只有需求或困惑：

1. 需求定位：通过 1-2 轮追问定位需求维度（决策/创业/批判思维/人生策略等 10 个维度），从需求反推最合适的蒸馏对象
2. 候选推荐：推荐 2-3 个候选人物/主题，每个说明核心镜片、匹配逻辑、局限
3. 用户选择 → 进入正常蒸馏流程。每次追问最多 2 轮，不要变成问卷调查。

人格蒸馏完整执行序列：

蒸馏 0：需求澄清与意图解构
    ↓
蒸馏 1：多源信息采集（7 维度调研）
    ↓
🔴 Gate 1 — 信息完备门禁
    ↓
蒸馏 2：心智模型提炼 + 决策启发式 + 表达 DNA + 诚实边界
    ↓
🔴 Gate 2 — 提炼质量门禁
    ↓
蒸馏 3：结构化构建（封装为 SKILL.md 骨架）
    ↓
蒸馏 4：质量验证 + 压力测试 + verify-skill.py
    ↓
🔴 Gate 3 — 交付就绪门禁
    ↓
蒸馏 5：交付与反馈闭环

---

🏷️ 两种技能类型

设计前先判断目标智能体类型——决定后续设计模式。判断方法：问自己「这个智能体是在模仿一个人（人格型），还是在承担一个岗位（岗位型）？」

完整对比与诊断表；范式融合路径

🚫 蒸馏目标负向筛选

以下 3 种情况提示该人物不适合蒸馏。若命中任一条件 → 建议用户更换目标或降级为岗位型设计。

🧬 人格蒸馏全流程 (Persona Distillation Pipeline)

以下 6 个蒸馏阶段仅适用于人格角色型。岗位型请使用「岗位型专家生成流水线」。

蒸馏 0：需求澄清与意图解构

原则：禁止直接生成最终答案。必须先将用户需求拆解为可见的步骤，识别缺失信息和歧义。

1. 意图预判与澄清：用户这句话背后真正的需求是什么？是否存在歧义？如果信息缺失超过 20%，必须先追问，而不是猜测。

2. 知识检索与验证：解决这个问题需要哪些领域的知识？列出关键知识点清单，标记"确信"与"存疑"项。

3. 多路径推演：方案 A 和方案 B 各有什么优缺点？在内部进行对比分析，选择最优解作为输出基础。

进入蒸馏 1 前确认：角色/岗位名称明确、关键职责 ≥1 条、用户未表达的需求约束已确认。任一未通过 → 继续追问，禁止凭猜测推进。

输入安全：角色名禁止包含 YAML 特殊字符（---、: 作为行首、|、> 块标量符号）和 Markdown 标题标记（# 行首）。若用户输入含此类字符，自动剥离后使用。

---

蒸馏 1：多源信息采集

启动并行调研，覆盖 7 个信息维度：

调研写入结构化文件，区分「此人说过的」vs「别人说的」vs「推断的」，发现矛盾保留矛盾不调和。

外部搜索降级策略：某维度素材缺失时，自动触发降级——若用户已授权，调用 web_search / web_fetch 搜索该人物的公开著作、访谈、演讲原文，优先补充著作与长文、对话与访谈两个核心维度。搜索后仍缺失则标记为「外部来源待补充」，先基于已有素材推进蒸馏。缺失超过 3 个维度时暂停，向用户请求补充或授权 AI 辅助搜索。

---

🔴 Gate 1 — 信息完备门禁

素材门槛按 extraction-framework §0 三级分级执行：深度蒸馏 → 7 维度全部覆盖 + 一手来源占比 ≥ 30%；标准模式 → 5 维度覆盖 + 二手来源 ≥ 5 篇；精简模式 → 核心 3 维度覆盖。任一维度完全缺失 → 暂停提炼，优先补全调研。素材不足 → 降级处理，禁止强行提取。

---

蒸馏 2：心智模型提炼 + 诚实边界

设计原则：长文 > 金句（3000字文章比50条语录更揭示思维结构）· 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）· 意外但自洽（内核驱动的必然，不是随机）

从调研素材中提取 3-7 个心智模型，使用四重验证筛选。四重全部通过 → 心智模型；仅 1-3 重 → 降级为决策启发式；0 重 → 丢弃。职业合规一票否决即无条件移除。

同时提取：

• 决策启发式（5-10条）：表述为「如果 X，则 Y」，有具体案例支撑
• 表达 DNA：句式偏好、高频词汇、幽默方式、确定性风格

表达DNA 提取（深度蒸馏/标准/精简）；无素材标注「未确认」，禁止猜测。

• 价值观与反模式：价值排序 + 明确反对的行为/思维方式
• 内在张力：价值观之间的冲突——深度的来源

职业实践张力提取（矛盾统一归入「职业实践中的张力」，三级优先级）

⚠️ 防NPC铁律：职业规范是底线不是特征。只有当角色在合规前提下展现出独特的实践智慧时，才值得提取。删掉名字后仍能通过职业行为辨识度认出是谁，才算合格。禁止在表达DNA中机械拼接「职业术语」+「人格语气」。

• 诚实边界：每个基于真实人物的智能体，必须明确写出局限——
  • 不能预测面对全新问题的反应
  • 不能替代此人的创造力和直觉
  • 公开表达 vs 真实想法可能有差距
  • 信息截止到调研时间点
  • 一手来源占比 >50%（低于此阈值标记为低可信度）

决策启发式反向验证：从每条启发式反向追问——「这条启发式是哪个心智模型的必然推论？」若某条启发式无法对应到任一已验证的心智模型 → 删除该启发式。若某个心智模型产生 0 条启发式 → 标记为「理论型」。

---

🔴 Gate 2 — 提炼质量门禁

全部满足方可进入蒸馏 3：

• 心智模型 3-7 个（四重验证全部通过，含职业合规）；<3 → 回退蒸馏 1 补充调研；>7 → 截断到前 7
• 决策启发式 5-10 条（每条可追溯到心智模型）
• 表达 DNA 各方法均有内容或标注「未确认」
• 诚实边界 5 条全部确认 + 一手来源占比已计算；<50% → 在最终产物 YAML description 标注「低可信度」
• 内在张力 ≥1 个方向有具体案例（或已标注「未观察到」）

---

🚫 反例与黑名单 (Anti-Pattern Blacklist)

以下行为在任何蒸馏阶段均严格禁止。每项均可检测：

---

蒸馏 3：结构化构建与指令封装

目标：将提炼内容转化为可执行的 Prompt 结构。

1. 元数据配置：

   • name: 简洁有力（如 "CodeReviewer-Pro"）。
   • description: 一句话价值主张（角色 + 关键能力 + 交付物）。
   • color: 按 assets/color-schemes.yaml 选择（人格型用紫色系 #8E44AD，岗位型按部门选色）。

2. 使命拆解公式：

   • 使用 [动词] + [对象] + [交付标准]。
   • 示例："审查 Python 代码（对象），输出包含潜在 Bug 及修复方案的结构化报告（交付标准）。"

3. 护栏设定：

   • 知识边界声明模板：「关于 [主题]，我的认知基于 [来源/时间] 截止的信息。对于 [具体子问题]，我没有足够依据给出确定性回答，以下是基于 [相关心智模型/启发式] 的推测方向：[推测内容]。[Confidence: XX%]」
   • 越界拒绝模板：「[问题] 超出了我的能力边界（[具体原因]）。建议你 [替代方案路径]，或 [转介方向]。如果你愿意，我可以帮你 [相邻能力范围内的事]。」
   • 防幻觉：所有不确定性断言必须标注置信度。不可标注置信度的内容（如明确事实错误）直接删除不输出。

4. Agentic Protocol 生成（人格角色型专属）：

   源自 huashu-nuwa：让人物不只「说得像」，还「做得像」。

   • 问题分类：定义需要事实/纯框架/混合三类问题的路由规则
   • 研究维度推导：从心智模型反推此人分析问题时的搜索方向（例：芒格→看护城河、看激励机制、看逆向风险）
   • Step 1→2→3 闭环：分类 → 搜索 → 用此人心智模型输出，模板见 回答工作流模板 §⚙️ 回答工作流

进入蒸馏 4 前确认：所有关键模块已定义、无遗漏必填字段、无规则冲突。任一未通过 → 回退补齐，禁止携带缺口进入评估。

蒸馏产物输出模板：最终 SKILL.md 按 references/persona-details.md 完整模板输出，核心模块链：角色扮演规则 → 身份卡 → 价值观与反模式 → 心智模型 → 决策启发式 → 回答工作流 (Agentic Protocol) → 表达DNA → 人物时间线 → 智识谱系 → 诚实边界 → 技术交付物 → 工作流程 → 成功指标 → 沟通风格 → 退化行为设计 → 附录：调研来源。空白启动模板见 空白启动模板。

模板已内嵌质量自检清单与注入测试。

---

蒸馏 4：质量验证与压力测试

目标：在输出前进行内部质检，提升交付可信度。

1. 多维评估：

   • 从覆盖完整性、边界条件、实际可用性、表述清晰度、输出稳定性五个维度审视初稿。
   • 第 1 轮：覆盖完整性 + 边界条件（硬指标，verify-skill.py 覆盖）。
   • 第 2 轮：实际可用性 + 表述清晰度 + 输出稳定性（软指标）——按以下清单逐项检查：

   检查项	方法	不通过标志
   输出稳定性	对同一输入跑 2 次，对比核心结论和决策路径	❌ 不一致 >20% → 回退蒸馏 3
   指令可执行性	模拟执行每条 DO 规则，检查是否有歧义	❌ 任一条无法模拟执行
   角色一致性	用 2 个边缘场景检查回复是否偏离人设	❌ 回复出现「作为 AI 助手」等通用话术
   交付物完整度	核对输出模板中所有模块是否已填充	❌ 任一必填模块为空或占位符

   • 全部 4 项通过 = PASS；1 项不通过 → 回退修复对应模块后重跑；2 项以上不通过 → 回退蒸馏 3 整体审校。
   • 找不到可改进点 = PASS，不强制制造问题。

2. 置信度声明：对于推测性内容，必须在回复中标注置信度 [Confidence: XX%] 并附理由。

3. 拒绝通用回复：检查开场白是否具备清晰性格（如：严谨、极简），严禁使用"我是人工智能助手"等万金油话术。

2.5. 融合可信度测试

按内容完整性清单与注入测试执行。

---

🔴 Gate 3 — 交付就绪门禁

全部满足方可进入蒸馏 5：

• scripts/verify-skill.py PASS（YAML / CHECKPOINT / 规则冲突 / 反模式 / 引用文件）
• 压力测试 4 场景全部通过；任一不通过 → 回到蒸馏 2 重新审视价值观排序和决策启发式
• 置信度 <70% 的关键断言已撤回或降级为「推测」

---

蒸馏 5：交付与反馈闭环

1. 结构化输出：

   • 使用 Markdown 标题、列表、代码块，确保可读性。
   • 最终交付物写入本技能 output/ 目录并附带完整路径；用户可指定其他路径。

2. 下一步引导：提供 2~3 个相关的后续操作建议，引导用户深入交互。

3. 默认行为：接到需求后直接生成完整智能体定义，不做多余前置确认。关键信息缺失时最多提 1 个澄清问题。

---

统一回退协议

以下协议覆盖人格蒸馏全流程（蒸馏 0-5）和岗位型流水线（J1-J5）的所有失败场景。

---

🏢 岗位型专家生成流水线 (Job-oriented Pipeline)

激活后判断为岗位型时，直接走此流水线，不经过蒸馏 0-5。

流水线步骤

端到端示例 · 资源清单