forge-skill

name: forge-skill description: | 思维工具锻造引擎。输入方法论名称或模糊需求，自动深度调研 → 方法论结构化提炼 → 生成可运行的思维工具 Skill。 触发词：「锻造」「forge」「铸造」「用...方法分析」「提升决策」「解决问题」「创新方法」。

Forge Skill — 锻造任何领域的思维工具

不是角色扮演一个智者，而是锻造一把可执行的思维工具。

激活条件与触发词

直接锻造触发词

• 「锻造一个/一个 [方法论名]」
• 「forge a [methodology name]」
• 「铸造 [方法论名] Skill」
• 「用 [方法论名] 分析...」（如果本地无该 Skill）

诊断推荐触发词

• 「我想提升...」「帮我改善...」
• 「面对这个问题该用什么方法」
• 「不知道怎么办」「陷入瓶颈」
• 「需要一种方法论/框架」

组合调用触发词

• 「先用...再用...」
• 「用 [方法A] 和 [方法B] 组合分析」
• （当检测到 nuwa-skill 时）「用 [方法论] + [名人视角] 分析」

方法框架概览

Forge Skill 的核心是把抽象方法论"锻造"为可执行的 AI Skill。它通过 6 维并行调研采集信息，用三重验证提炼核心原理，自动推导操作协议，内置误用检测和诚实边界。

核心原理

原理 1: 方法论优先于角色

"用第一性原理分析"比"像 Musk 一样思考"更有价值。角色是临时的，方法论是可复用的。

跨域证据：

1. 芒格使用多元思维模型分析投资（金融领域）
2. Toyota 使用 TPS（精益方法论）管理制造（制造领域）

应用方式：输出的 Skill 是方法论工具，不是角色扮演。

局限：某些需要情感共鸣或人格特质的场景（如演讲风格模仿），方法论工具不如角色 Skill。

原理 2: 结构化可执行

每个方法论必须有明确的操作协议（Agentic Protocol），不是泛泛建议。

跨域证据：

1. TRIZ 的 40 个发明原理是结构化的矛盾解决工具（工程领域）
2. DMAIC（六西格玛）的五步流程是标准化的质量改进协议（管理领域）

应用方式：Skill 必须包含 Step 1/2/3 结构化操作流程。

局限：高度创意性或艺术性的方法论（如"头脑风暴"）难以完全结构化。

原理 3: 误用检测内置

Skill 主动检测方法论是否被错误应用，而非被动等待用户发现问题。

跨域证据：

1. 医学诊断的排除法防止误诊（医学领域）
2. 航空检查单防止操作遗漏（航空领域）

应用方式：每个 Skill 内置误用检测器，覆盖方法-问题不匹配、跳步骤、复杂度超限。

局限：误用检测依赖问题分类的准确性，模糊问题场景下检测器效果降低。

原理 4: 诚实边界

明确标注方法的局限，不伪装万能。

跨域证据：

1. 科学论文的"Limitations"章节是学术诚实的基础（学术领域）
2. Cynefin 框架明确标注每种决策方法适用的复杂度层级（管理领域）

应用方式：Skill 必须包含 ≥3 条具体局限，禁止"不能替代专业建议"类空话。

原理 5: 可组合设计

方法论之间可以无缝组合调用，产生协同效应。

跨域证据：

1. 第一性原理 + 系统思维在 SpaceX 中的应用（航天领域）
2. 设计思维 + 精益创业在 IDEO 中的应用（设计领域）

应用方式：Skill 之间通过统一的 Agentic Protocol 接口组合。

局限：某些互斥方法论（如奥卡姆剃刀 vs 系统思维）不应同时使用。

操作协议（Agentic Protocol）

Step 1: 入口分流 — 判断用户意图，选择锻造路径

前置检查：检测用户语言（用于后续输出语言选择）。

路径 A：直接锻造（用户给出明确方法论名）

1. 确认方法论名称和边界
2. 检查本地 .claude/skills/ 是否已有该 Skill（避免重复锻造）
3. 如果已有：直接激活已有 Skill，询问是否需要重新锻造
4. 如果没有：确认锻造范围（全面画像 vs 聚焦某维度）
5. 确认本地语料（用户是否有一手素材提供）

路径 B：诊断推荐（用户描述模糊需求）

1. 通过 1-2 轮追问定位核心需求维度
2. 扫描本地已有方法论 Skill
3. 推荐候选方法论（最多 3 个），每个展示：
   • 核心框架：这个方法的核心思路（一句话）
   • 为什么适合：直接对应用户需求
   • 局限：这个方法的盲区
4. 用户选择 → 进入路径 A

需求维度映射参考（完整映射见 references/method-categories.md）：

Step 2: 多源信息采集 — 6 路并行调研

前置动作：创建 Skill 目录结构。

.claude/skills/[method-name]-skill/
├── SKILL.md                          # 最终产物
└── references/
    └── research/                     # 调研结果
        ├── 01-classic-literature.md
        ├── 02-practice-cases.md
        ├── 03-critical-views.md
        ├── 04-cross-domain.md
        ├── 05-tooling.md
        └── 06-timeline.md

6 路并行采集（用 Task 工具并行启动 6 个 Agent）：

信息源优先级：

• 方法论创始人的原始著作 > 同行评议论文 > 实践案例 > 批判分析 > 教科书 > 博客/社交媒体
• 原始语言文献 > 英语翻译/分析 > 其他语言翻译

信息源黑名单：知乎、微信公众号、百度百科等低质量百科。

单一维度无结果处理：如果某个 Agent 搜索无结果，继续推进，在 Phase 2.5 调研 Review 中标注该维度信息不足，最终在 Skill 的诚实边界中说明。

Phase 1.5 检查点：调研 Review

6 个 Agent 全部完成后，暂停并向用户展示调研质量摘要：

┌──────────────────┬──────────┬──────────────────────────┐
│ Agent            │ 来源数量 │ 关键发现                   │
├──────────────────┼──────────┼──────────────────────────┤
│ 1 经典文献        │ [N] 篇   │ 核心原理: ...              │
│ 2 实践案例        │ [N] 个   │ 成功: ..., 失败: ...      │
│ 3 批判视角        │ [N] 篇   │ 主要批评: ...             │
│ 4 跨域迁移        │ [N] 个   │ 迁移到: ...               │
│ 5 工具化程度      │ [N] 个   │ 已有: ...                 │
│ 6 演化时间线      │ [完整/部分]│ 起源: ... → 现状: ...    │
├──────────────────┼──────────┼──────────────────────────┤
│ 矛盾点            │ [N] 处   │ [Agent X 说 A, Agent Y 说 B] │
│ 信息不足维度      │ [列表]   │                          │
└──────────────────┴──────────┴──────────────────────────┘

等待用户确认：

• 用户确认 OK → 进入 Phase 2 提炼
• 用户觉得某维度不够 → 补充调研后再继续

Step 3: 方法论提炼 — 三重验证 + 五层提取

3.1 核心原理提炼（三重验证）

对每个候选观点，执行三重验证：

判定：

• 三重通过 → 核心原理（纳入 Skill）
• 1-2 重 → 操作规则（纳入操作协议步骤）
• 0 重 → 丢弃

产出 3-7 个核心原理，每个附格式：

原理名称 + 一句话定义 + ≥2 个跨域证据 + 应用方式 + 局限

3.2 操作协议推导

从核心原理自动推导 Agentic Protocol：

• Step 1 问题分类：根据方法论的适用/不适用场景构建分类器
• Step 2 [方法名]式分析：研究维度必须从核心原理推导，禁止使用通用"搜索相关信息"
• Step 3 [方法名]式输出：基于分析结果的格式化输出

3.3 适用边界分析

3.4 误用检测器设计

至少覆盖 3 种误用模式，必须包含：

• 方法与问题不匹配
• 跳过关键步骤
• 复杂度超限

3.5 诚实边界

至少 3 条具体局限。禁止使用"不能替代专业建议"类空话。

Phase 2.5 检查点：提炼确认

提炼完成后，暂停并向用户展示：

1. 核心原理列表（名称 + 一句话定义）
2. 操作协议概览（3 步结构 + 研究维度列表）
3. 适用/不适用场景
4. 信息不足维度

等待用户确认后进入 Phase 3 构建。

Step 4: Skill 构建

按照 references/skill-template.md 的模板构建完整 SKILL.md。

关键约束（从模板继承）：

• 核心原理 3-7 个，每个须附 ≥2 个跨域证据
• Agentic Protocol Step 2 研究维度须从核心原理推导，禁止通用指令
• 误用检测器 ≥3 种误用模式
• 诚实边界 ≥3 条具体局限
• 调研来源一手来源占比须 >50%

自包含原则：SKILL.md 包含所有必要信息。复制整个目录就能独立使用，不依赖外部文件。

Step 5: 质量验证

5.1 已知案例验证

选 3 个该方法论的经典应用案例，用生成的 Skill 分析，对比分析方向与经典结论是否一致。偏离则回溯调整核心原理权重。

5.2 边缘案例验证

选 1 个方法论未明确覆盖的问题，用 Skill 推断。期望：适度的谨慎和不确定性，而非斩钉截铁。

5.3 误用检测验证

故意用错误的方式调用方法论（如用费曼学习法分析竞争格局），验证误用检测器是否触发。

5.4 通过标准检查

Step 6: 双 Agent 精炼

并行启动两个独立评审 Agent：

Agent A（方法论评审视角）：

• 评审核心原理的准确性和完整性
• 干跑 3 个测试 prompt，评估分析质量
• 输出最弱 2 个维度的改进建议

Agent B（工具可用性视角）：

• 评审 Agentic Protocol 的可操作性
• 评审误用检测器的覆盖度
• 评审适用/不适用判断的准确性
• 输出 2-3 处具体文本改动建议

综合两份报告，应用不冲突的改进，输出最终 SKILL.md。

后处理：darwin-skill 进化优化（可选）

锻造完成的 Skill 可直接交给 darwin-skill 进行持续进化优化：

forge-skill 锻造产出 → darwin-skill 评估 → 改进建议 → 用户确认 → 更新 Skill

如果检测到用户已安装 darwin-skill，在锻造完成后提示：

"锻造完成。你可以用 darwin-skill 对这个 Skill 进行持续进化优化。"

forge-skill 不内置进化能力，避免与 darwin-skill 功能重叠。两者形成"生产 → 优化"的上下游关系。

与 nuwa-skill 组合调用（可选）

如果检测到用户已安装 nuwa-skill，在锻造完成后提示：

"你可以组合使用：先用此方法论 Skill 分析，再用 nuwa-skill 的人物视角审视。"

适用/不适用判断

误用检测器

诚实边界

1. 提炼质量依赖信息源：冷门方法论或非英语方法论可能信息不足，影响核心原理的准确性
2. 三重验证不是万能的：某些方法论的独特价值在于其文化背景和 tacit knowledge（隐性知识），这些难以通过文献调研完全捕获
3. Agentic Protocol 是简化模型：真实的方法论执行往往需要领域专家的判断力，Skill 提供的是结构化框架而非替代
4. 调研截止性：锻造时的信息截止于调研日期，方法论可能有新发展

调研来源

本 Skill 的设计基于以下来源：

1. Agent Skills 开放协议（skills.sh）
2. nuwa-skill 设计实践（github.com/alchaincyf/nuwa-skill）
3. 方法论文献的元分析方法（学术实践）
4. 提示工程的最佳实践（Claude/Cursor 社区）

本 Skill 由 Forge Skill 核心团队设计。GitHub: https://github.com/peterfei/forge-skill