master-skill
大师.skill — 输入行业,自动调研 6 轨[行业大佬 / 工具地图 / 工作流 / 知识正典 / 信息源 / 术语标准] → 提炼为可运行的行业 Master OS skill;装到任意 Claude Code / OpenClaw / Codex / Hermes agent 即让其进入「这一行的资深人」模式。MIT,Python + Shell。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Check it deeper on your machine
Its scripts were only partly scanned.
As a Claude Code plugin, install it and then ask Claude Code:
/plugin marketplace add keithmackay/mackayi/plugin install scanskillsafety@mackayiDo a deep scan of https://github.com/swaylq/master-skill with scanskillsafety
Or from a terminal, clone it and run it:
git clone https://github.com/keithmackay/scanskillsafety-skill ~/.claude/skills/scanskillsafetynode ~/.claude/skills/scanskillsafety/cli.cjs --deep 'https://github.com/swaylq/master-skill'
It checks the exact commit: every file, its packages against OSV (api.osv.dev), how it compares with this page's scan (findsafeskills.com receives the repository's address), and, if you agree, Claude reading every file with your own Claude subscription. It never runs the code.
Badge for your README
Markdown
[](/listings/swaylq--master-skill)HTML
<a href="/listings/swaylq--master-skill"><img src="/api/listings/swaylq--master-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
# Claude Code git clone https://github.com/swaylq/master-skill.git ~/.claude/skills/master-skill
<details> <summary><b>🛠️ 其他 host 安装路径</b></summary>
<br>
git clone https://github.com/swaylq/master-skill.git <TARGET>
| Host | `<TARGET>` 路径 | |------|-----------------| | 🟣 Claude Code | `~/.claude/skills/master-skill` | | 🔵 OpenClaw | `~/.openclaw/skills/master-skill` | | ⚫ Codex | `~/.codex/skills/master-skill` | | 🟠 Hermes | clone 后 `python3 tools/install.py install --host hermes` |
一键装到所有宿主:`python3 tools/install.py install --host all`
</details>
---
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 689 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: master-skill
- description: |
- 大师.skill — 输入「我做的细分行业」,自动完成行业大佬调研 / 工具地图 / 工作流 / 知识正典 / 信息源 / 术语标准 六轨深度调研,提炼为可运行的「行业 Master OS」skill。
- 生成的 {industry}.master skill 是自包含目录,所有 hermit agent / Claude Code agent / OpenClaw / Codex 都能安装,让 AI 立刻进入「这行的资深人」模式。
- 触发词:「造大师」「做个 X 的 master skill」「我是 X 行业」「让 agent 变成 X 大师」「update 大师 X」「大师 X」「我做 X,帮我蒸一个」。
- allowed-tools: Read, Write, Edit, Bash, WebSearch, WebFetch
- ---
- # 大师 · 行业蒸馏术
- > 「同事.skill 蒸馏一个人,女娲.skill 蒸馏一种思维方式,大师.skill 蒸馏一整个行业的 OS。」
- ## 核心理念
- 一个好的行业 master skill **不是行业百科**,是**可运行的行业认知操作系统**:
- - 这行的人用什么**心智模型**看问题?(镜片)
- - 这行的标准**playbook** 是什么?(决策启发式)
- - 这行的人怎么**沟通**?(行业表达 DNA)
- - 什么算**好工作**?(质量基准)
- - 外行才会犯什么错?(反模式)
- - 这行的工具栈和工作流今年怎么变的?(时效层)
- **关键区分**:捕捉的是 HOW the field thinks,不是 WHAT happens to be in the news this week。
- ---
- ## 范围约束(重要)
- - **粒度**:一个 master skill 覆盖**一个细分领域**(例:「LLM agent 基础设施」「跨境电商运营」「足踝外科」),不要试图覆盖整个泛行业(「软件」「医疗」会让 OS 稀薄到没用)
- - **目标用户**:行业内 / 想入行 / 服务这行的人。不是给完全外行做扫盲
- - **不替代实操工具**:master skill 是「思维顾问」,不是 RPA。不要在里面塞「自动操作 X 后台」之类
- - **版权安全**:不存全本书 / 完整字幕 / 长段原文。只保留结构化摘要 + 来源元数据 + 极短引用
- ---
- ## 路径占位符 (iter 24 重要)
- prompts 里两个不同的目录占位符:
- | 占位符 | 含义 | 例子 |
- |--------|------|------|
- | `{master_skill_dir}` | master-skill 仓库 (本仓库) 的 `skill/` 目录, 工具脚本住在这里 | `~/master-skill/skill/` 或 `/Users/foo/master-skill/skill/` |
- | `{skill_dir}` | 当前正在生成 / 更新 的**行业** skill 目录, 调研笔记 / SKILL.md / sub-skills 都写到这里 | `~/.claude/skills/llm-agent-infra-master/` |
- 工具脚本 (source_verifier.py / cold_detector.py / quality_check.py / collectors / ingest / transcribe) **不复制**到生成的行业 skill 目录, agent 直接调 `{master_skill_dir}/tools/...`. 行业 skill 只装载 prompts + research notes + SKILL.md + sub-skills + cli/.
- 如果运行环境的 master-skill 路径变了, agent 替换占位符即可; 不需要改任何工具源代码.
- ---
- ## 执行流程
- ### Phase 0: 入口分流
- 收到用户输入后判断路径:
- | 用户输入 | 路径 | 示例 |
- |---------|------|------|
- | 明确的细分行业 | **直接路径** → Phase 0A | 「我做跨境电商,给我做一个 master skill」 |
- | 模糊的需求 | **诊断路径** → Phase 0B | 「我想转 AI 行业,但不知道哪个细分」 |
- | 已存在的 skill | **更新路径** → Phase 0C | 「update 大师 LLM-agent-infra」 |
- ---
- ### Phase 0A: 行业澄清(直接路径)
- 确认 6 个维度(用户没主动提的字段就问,主动给的就不要重问):
- 1. **行业 / 细分领域**(必填)— 例:`LLM agent infra`,不是 `AI`;`跨境电商运营`,不是 `电商`
- 2. **聚焦方向**(可选)— 全景画像 vs 某个角度优先(例:技术视角 vs 商业视角)
- 3. **地域 / 语言区**(可选)— global / 中文圈 / 美国 / 欧洲。影响信源选择
- 4. **用户身份**(可选)— 从业者 / 学习者 / 投资人 / 咨询。影响 master skill 的语气与决策视角
- 5. **本地素材**(强烈推荐询问)— 「你手上有这行的一手素材吗?行业报告 PDF / 内部文档 / 你写过的文章 / 长访谈 transcript / 视频字幕?有的话直接丢给我,比网上搜到的二手转述质量高得多」
- 6. **新建 or 更新**(可选)— 检查 `~/.claude/skills/{slug}-master/` 是否已存在
- 用户没主动给 → 默认全景 + global + 从业者视角 + 无本地素材,确认后推进。
- 用户提供了本地素材 → 标记为**本地语料模式**,Phase 1 采集策略相应调整。
- 确认后 → Phase 0.5。
- ---
- ### Phase 0B: 需求诊断(模糊路径)
- 用户不确定要蒸哪个细分时,反推合适的范围。
- #### Step 1: 锚定核心目标
- 最多 1-2 轮追问,定位用户真正的需求维度:
- | 维度 | 典型表达 | 反推方向 |
- |------|---------|---------|
- | 谋生 / 转行 | 「想入行 X」「做这个能赚钱吗」 | 商业生态视角的 master skill |
- | 提效 | 「这行的工作流我搞不清」「文档堆成山」 | 工作流视角的 master skill |
- | 决策 | 「不知道该选 A 还是 B」 | 工具选型 + 标准 playbook |
- | 学习 | 「想系统学这行」 | 知识正典视角 |
- | 创业 | 「想做 X 方向的产品」 | 行业 OS + 信息源(找未被满足的需求) |
- #### Step 2: 反推候选
- 基于用户表达,提议 2-3 个具体的细分领域。每个候选要回答:
- - 这个细分**目前真有可调研的公开材料吗**?(冷门领域的 master skill 质量必差)
- - 它跟用户的需求多对齐?
- - 它跟其他候选的差异在哪?
- 用户选定后 → Phase 0A 补全 6 个维度 → Phase 0.5。
- ---
- ### Phase 0C: 更新路径
- 读取已存在的 `{slug}-master/SKILL.md`,从 frontmatter 找到 `last_research_date`。基于距今多久决定刷新强度:
- | 距今 | 刷新策略 |
- |------|---------|
- | < 1 月 | 拒绝刷新,告知用户最近刚更新过 |
- | 1-3 月 | 仅 Track B(工具)+ Track C(工作流)+ Track E 中的「最新动态」节 |
- | 3-6 月 | 加上 Track A(看 top figures 是否有大动作)+ Track F(标准是否有新版) |
- | > 6 月 | 全部 6 轨重跑,但保留旧版 archive |
- 不要每次都重写整个 skill — 行业的**核心 OS** 通常 1-2 年才动一次,**工具 / 工作流**才是高频变量。
- ---
- ### Phase 0.5: 创建 Skill 目录
- 在调研开始之前完成:
- ```
- {HOST_SKILLS_ROOT}/{slug}-master/
- ├── SKILL.md # 最终产物
- ├── meta.json # 元数据 (industry, locale, profile, last_research_date, source_count)
- ├── scripts/ # 工具脚本(继承自 master-skill 仓库 + 行业特化)
- └── references/
- ├── research/ # 6 轨调研结果(必存)
- │ ├── 01-figures.md # 行业大佬
- │ ├── 02-tools.md # 工具地图
- │ ├── 03-workflows.md # 工作流 / SOP
- │ ├── 04-canon.md # 知识正典(书 / 论文 / 课)
- │ ├── 05-sources.md # 信息源(newsletter / podcast / 会议 / 社区)
- │ └── 06-glossary.md # 术语 + 标准 + 法规
- ├── synthesis.md # Phase 2 提炼结果(行业 OS)
- └── sources/ # 一手素材(用户提供 + 网络下载的字幕等)
- ├── books/
- ├── transcripts/
- └── articles/
- ```
- **HOST_SKILLS_ROOT 解析**:
- - Claude Code: `~/.claude/skills`
- - OpenClaw: `~/.openclaw/skills`
- - Codex: `~/.codex/skills`
- - Hermes: `~/.hermes/skills`
- - 其他 / 不确定:在当前 cwd 下创建 `./{slug}-master/`,最后让用户决定装到哪
- **目录创建后立即检查**:
- - [ ] 目录已创建
- - [ ] 如果 locale 是中文圈:信源策略切换为 B 站原始视频 / 小宇宙播客 / 36氪 / 极客公园 / 晚点 / 财新优先(**永远排除知乎、微信公众号、百度百科**)
- - [ ] 如果 locale 是英文圈:默认 Twitter/X / YouTube / Substack / arXiv / 行业 podcast 优先
- - [ ] 如果是更新模式:已读取现有 `SKILL.md` 和 `references/research/*.md`,标注哪些信息要刷
- - [ ] 如果用户提供了本地素材:复制到 `sources/` 对应子目录,标记为**本地语料模式**
- **关键规则(开源分发的核心)**:
- - 所有调研文件必须存在 skill 目录内部 `references/research/`,**绝不存到外部目录**
- - skill 必须自包含:clone 整个目录就能用
- - 每个 subagent 必须把调研写入对应文件。不存文件的调研等于没做
- ---
- ### Phase 1: 多源信息采集(六轨 Agent Swarm,wave 结构)
- #### 模式判断
- | 模式 | 触发 | 策略 |
- |------|------|------|
- | **纯网络搜索**(默认) | 用户没给本地素材 | 6 个 Agent 全部走网络 |
- | **本地语料优先** | 用户提供了 PDF / 行业报告 / transcript | 先按 6 轨分类本地素材,识别缺口,定向网络补充 |
- | **纯本地语料** | 用户明确说「只用我给的」 | 只分析本地,不联网 |
- #### Wave 结构(重要 — 不是纯并行)
- iter 4 figures 跑通后发现:6 轨之间互相是 bootstrap 输入。Track 01 (figures) 的「最大几家公司创始人」依赖 Track 02 (tools) 找到的「关键工具」;Track 02 的「业内人吐槽过哪些工具」反过来依赖 Track 01 找到的人。强行纯并行 → 各轨都凭空猜起点。
- 执行结构:
- **Wave 1(并行)— 「广撒网」轨**:
- - Track 04 (canon) — 必读书 / 论文 / 课,搜索路径最独立(看 Goodreads / arXiv / 大学课程页就行)
- - Track 05 (sources) — newsletter / podcast / 会议,搜索路径独立(搜「{industry} podcast」「{industry} newsletter」)
- - Track 06 (glossary) — 术语 + 标准,从行业入门书 / 维基 / 标准化机构 page 抓
- **Wave 1 加速器:先跑 collectors 拉机械 seed (iter 24)**
- Wave 1 启动前 2 分钟跑这 4 个 collector, 拉到结构化 seeds.jsonl, 让 web search 不再凭空猜:
- ```bash
- mkdir -p {skill_dir}/references/research/seeds
- # 用户主 industry slug 对应的 GitHub topic / arXiv 类目 / 行业核心 RSS
- python3 {master_skill_dir}/tools/collectors/github_topics.py --topic {topic} \
- --limit 30 --output {skill_dir}/references/research/seeds/github_repos.jsonl
- python3 {master_skill_dir}/tools/collectors/arxiv_collect.py --query "cat:cs.AI AND all:agent" \
- --max 30 --output {skill_dir}/references/research/seeds/arxiv_papers.jsonl
- python3 {master_skill_dir}/tools/collectors/rss_collect.py --feed-list {skill_dir}/intake.feeds.txt \
- --max 20 --output {skill_dir}/references/research/seeds/rss_items.jsonl
- python3 {master_skill_dir}/tools/collectors/podcast_rss.py --apple-id {N} \
- --max 30 --output {skill_dir}/references/research/seeds/podcast_episodes.jsonl
- ```
- Wave 1 subagent 必须**先 cat 这些 jsonl** 再启动 web search. 例如 Track 05 (sources) 看 podcast_episodes.jsonl 里反复出现的 host / show 直接进 retain 候选; Track 04 (canon) 看 arxiv_papers.jsonl 的 author 网络. 这把「凭直觉撒网」换成「从机械 seed 撒网」, 漏掉的高密度一手少很多.
- **Seeds JSONL 通用 schema** (collectors 都遵守):
- - `type`: `github_repo` / `arxiv_paper` / `rss_item` / `podcast_episode` (必填, agent 根据它路由)
- - `name` / `title`: 实体名
- - `url`: 一手 URL (跑 source_verifier classify 取 bucket)
- - `author` / `host` / `show_host`: 主创
- - `published` / `pushed_at` / `last_activity`: ISO 时间戳 (用于 freshness)
- - 类型特有字段: stars/forks (github), authors/abstract (arxiv), guests/duration_sec (podcast), summary (rss)
- - 任何 collector 输出都可作 seed; agent 在合并时用 `url` 去重
- **Wave 2(并行,用 Wave 1 的产出做 seed)— 「人 + 工具」轨**:
- - Track 01 (figures) — 用 Wave 1 的 canon 作者 + sources 嘉宾名单作为初始候选
- - Track 02 (tools) — 用 Wave 1 的 sources 中频繁讨论的工具 + canon 中点名的工具作为初始候选
- **Wave 3(用前两 wave 的产出做 seed)— 「整合」轨**:
- - Track 03 (workflows) — 综合 figures 怎么干活 + tools 怎么用 + canon 中描述的流程,提炼当前 SOP
- 每个 wave 内可并行启动 subagent。Wave 之间串行,但每 wave 跑完不阻塞用户 —— 模型并行 swarm 的内部时间预算 ≤ 3 min / wave,整体 Phase 1 应在 10-15 min 内拿到完整 6 个 research note 文件。
- **Wave seed fallback 统一规则**(findings iter 7+8 unified):
- | 上 wave 总产出 seed 数 | 下 wave 启动策略 |
- |---------------------|----------------|
- | ≥ 8 seeds | 正常启动,按 seed 撒大网 |
- | 5-7 seeds | 警告但启动,subagent 模板被指示「seed 偏少,加权 web search 兜底」 |
- | 1-4 seeds | 启动前先回头检查上 wave subagent 是否还在跑 / 是否失败;如确定失败 → 启动当前 wave 但**降级**为「半 seeded 半 web search」 |
- | 0 seeds | **STOP**,向用户报告:「上 wave 信号 0,可能行业极冷僻 / 闭源主导 / 输入有误。要继续吗?」用户决定 (a) 等待重试 (b) 切纯 web search 模式 (c) 收回 industry 重新选 |
- 如果某 wave 内某 track 失败(5 min 没产出有效 source),不阻塞下一 wave,但 seed 总数减少。子 wave 自动按上表表行降级。
- 启动 wave 1 的 3 个 subagent;Wave 1 完成后启动 wave 2 的 2 个;Wave 2 完成后启动 Wave 3 的 1 个。每个 subagent 任务模板(以 Track A 为例):
- ```
- 你的任务:调研「{industry}」行业的 {track_topic}。
- {track-specific 搜索方向}
- 强制约束:
- - 调研结果必须写入 {skill_dir}/references/research/{NN-track}.md
- - 每条信息标注来源 URL 和可信度(一手 > 二手 > 推测)
- - 区分一手(行业人自己说的)vs 二手(别人转述的)vs 推断(你的判断)
- - 发现矛盾保留,不和稀泥
- - 不要存全本书 / 长字幕 / 大段原文 — 只存结构化摘要 + 来源
- - 信源黑名单:{locale-specific blacklist}
- - 信源优先级:用户本地一手素材 > 行业人本人输出 > 长访谈 > 行业经典著作 > 权威媒体长稿 > 社交媒体短稿 > 二手转述
- ```
- #### 6 个 Agent 的任务分配
- | Agent | Track | 搜索目标 | 提取重点 | 输出 |
- |-------|-------|---------|---------|------|
- | 1 | **Figures** | top 10-15 thought leaders | 各自的「核心一句话」、代表作品、值得读 / 听 / 看的 3 件事、争议、最近 12 个月动态 | `01-figures.md` |
- | 2 | **Tools** | canonical 工具 + 新兴工具 | 用什么场景、相对优劣、近 12 个月有没有出现颠覆性新工具、选型决策树 | `02-tools.md` |
- | 3 | **Workflows** | SOP / 方法论 / pipeline | 入门人怎么走完一个完整任务、资深人怎么走、近期工作流变化(AI / 工具升级带来的) | `03-workflows.md` |
- | 4 | **Canon** | 必读书 / 论文 / 课 / 核心概念 | 「这行的人都读过」的清单(≥3 个独立来源都点过)、核心 20-30 个概念 | `04-canon.md` |
- | 5 | **Sources** | 信息源 | newsletter(前 5)、podcast(前 5)、会议(前 3-5)、社区(前 3-5)、dataset(如适用)、定期更新频率 | `05-sources.md` |
- | 6 | **Glossary** | 术语 + 标准 | 高频黑话 / 缩写、合规框架、认证、最近一次行业标准更新 | `06-glossary.md` |
- #### 音视频转文本(必备能力)
- 行业素材大量是访谈、conference talk、podcast。优先级:
- 1. **YouTube / B 站官方字幕**:`yt-dlp --write-subs --skip-download`,优先人工字幕 → 中文 → 英文 → 自动字幕
- 2. **podcast transcript 网站**:podcastnotes.org、transcriber.io 等,搜「{podcast name} transcript」
- 3. **本地 whisper fallback**:仅当用户明确提供音频文件且没有公开 transcript 时使用
- 4. **转写后存** `sources/transcripts/{slug}.txt`
- 注意:调研笔记中**不要 paste 完整 transcript**,只提取观点 + 引用极短句子。
- #### 信源黑名单(按 locale)
- | Locale | 永远排除 |
- |--------|---------|
- | zh-CN | 知乎、微信公众号、百度百科、百度知道、CSDN(除非是作者本人原文) |
- | en | Quora answers(除非作者认证)、ChatGPT-generated blog spam、内容农场 |
- | 通用 | AI summaries 站(无原文链接的)、SEO 农场 |
- #### 利用已安装的辅助 skill
- Phase 1 启动前扫描 `~/.claude/skills/`(或宿主对应路径),如果有以下 skill 可调用,告知 subagent:
- | Skill | 用途 |
- |------|------|
- | `agent-reach` | 多平台信息获取(X / Reddit / YouTube / Bilibili / 小红书等) |
- | `web-article-reader` | 精读网页全文 |
- | `pdf` | 读 PDF 行业报告 |
- | `gemini-video` | 用户提供本地视频文件无字幕时转写 |
- | `nuwa-skill` | **关键**:Phase 3 时调用它生成 top 3 figures 的 sub-skill |
- #### Agent 失败 / 信息不足处理
- - 单 Agent 跑 5 分钟无有价值结果 → 不等,继续推进,在诚实边界中标注
- - 总来源 < 30 条 → 冷门领域协议:
- - 心智模型限制为 2-3 个
- - 工作流模块标注「基于有限信息」
- - 扩大诚实边界
- - 告知用户:「这个细分目前公开材料偏少,{N} 条来源。如果你能提供以下材料质量会显著提升:[列出关键缺口]」
- ---
- ### Phase 1.5: 调研 Review 检查点
- 所有 Agent 完成后**强制暂停**,向用户展示结构化摘要:
- ```
- ┌──────────────────┬──────────┬─────────────────────────────────┐
- │ Track │ 来源数 │ 关键发现 │
- ├──────────────────┼──────────┼─────────────────────────────────┤
- │ 1 Figures │ N │ top: A / B / C;最近动态: ... │
- │ 2 Tools │ N │ canonical: X / Y;新出: Z │
- │ 3 Workflows │ N │ 当前 SOP: ...;近期变化: ... │
- │ 4 Canon │ N │ 必读 top 3: ... │
- │ 5 Sources │ N │ newsletter / podcast / 社区 │
- │ 6 Glossary │ N │ 关键术语 N 个 │
- ├──────────────────┼──────────┼─────────────────────────────────┤
- │ 矛盾点 │ N 处 │ Track1 说 X, Track4 说 Y │
- │ 信息不足维度 │ [列表] │ 补充计划: ... │
- │ 一手 / 二手比例 │ a:b │ 一手占比 X% │
- │ 冷门领域? │ 是 / 否 │ │
- └──────────────────┴──────────┴─────────────────────────────────┘
- ```
- 用户确认 OK → Phase 2。
- 用户觉得某轨不够 → 补完再继续,不能跳过。
- **这一关挡住的是**:调研垃圾导致后续提炼全部失真。垃圾进垃圾出,在这里返工成本最低。
- ---
- ### Phase 2: 框架提炼(Synthesis)
- 读取 6 轨 research 笔记,提炼行业 OS。
- #### 2.1 行业心智模型(3-7 个)
- = 这行的人看问题的独特镜片。
- **三重验证筛选**:
- - **跨场景复现**:在 ≥ 2 个不同案例 / 子领域 / 经典著作中出现?
- - **生成力**:能用它推断这行人对一个新问题的立场?
- - **排他性**:不是所有聪明人都会这样想?只有这行的人这样想?
- 三重通过 → 心智模型;仅 1-2 重 → 降级为决策启发式;0 重 → 丢弃。
- 每个模型记录:名称、一句话描述、≥ 2 处来源证据、应用方式、局限。
- #### 2.2 标准 playbook(5-10 条决策启发式)
- = 这行的人面对 X 类问题时的快速规则。表述为「如果 {场景},则 {决策方向}」,每条配 1-2 个具体案例。
- #### 2.3 工具栈与选型决策树
- 从 Track 02 提炼:
- - **必备工具**(≥ 80% 从业者用)
- - **场景特化**(不同子方向用不同的)
- - **新兴 / 实验**(近 12 个月出现,未必稳定)
- - **避坑清单**(外行容易选错的)
- #### 2.4 工作流 / pipeline
- 从 Track 03 提炼:
- - **入门 SOP**:完成一个最小完整任务的最少步骤
- - **资深路径**:跳过 / 优化哪些步骤
- - **近期变化**:AI / 新工具 / 法规变化带来的工作流改写
- #### 2.5 行业表达 DNA
- 从 Track 01 / 03 / 06 提炼:
- - 这行人的高频用语 / 黑话
- - 严肃讨论 vs 轻松吐槽的 register 差别
- - 内部 vs 外部沟通时的差异
- - 一个外行读起来「不像这行的」的常见破绽
- #### 2.6 质量基准 + 反模式
- - **什么算「好」**:3-5 条具体可验证的基准
- - **什么是反模式**:外行 / 入门常犯的 5-10 条错误
- #### 2.7 智识谱系
- 这个行业的几个主要流派 / 学派 → 各自的奠基人 → 当前代表人物 → 核心分歧。
- #### 2.8 诚实边界
- 必须明确写出的局限:
- - 信息截止 `{research_date}`,工具 / 工作流模块衰减最快
- - master skill 不能替代行业实操经验
- - 公开信息有偏差(成功者发声多,失败者沉默)
- - 这次调研的薄弱维度(如有)
- #### 2.9 Agentic Protocol 种子
- 为 Phase 3 准备:从 2.1 / 2.3 / 2.4 推导出「这行人面对一个新问题时,会按什么维度去做功课」。例如:
- - 「跨境电商运营」 master 拿到「我要在德国上线一个新品类」 → 默认会研究:竞品定价(看 Helium 10)、目标市场习惯、税务(VAT / 一站式申报)、物流(FBA / 海外仓选型)、合规(CE / GS / 包装法)
- 写下 **3-10 个**(按行业复杂度调整)**这行人面对新问题时的标准研究维度**,每个维度配 1-2 个具体的搜索 / 查询动作。简单行业(窄 + 工具少)3-5 个;标准行业 5-7 个;复杂行业(宽 + 工具栈多 + 流派多)7-10 个。
- ---
- ### Phase 2.5: 提炼确认检查点
- 向用户展示提炼摘要:
- ```
- {industry} Master OS 提炼结果
- ─────────────────────────────────
- 心智模型:N 个
- 1. {名称} - {一句话}
- 2. ...
- 标准 playbook:N 条
- 工具栈:必备 N / 场景化 N / 新兴 N
- 工作流:入门 / 资深 / 近期变化
- 表达 DNA:{3-4 个关键特征}
- 质量基准:N 条
- 反模式:N 条
- 智识谱系:{N 个流派}
- 诚实边界:N 条
- Agentic Protocol:N 个研究维度
- ─────────────────────────────────
- 确认进入 Skill 构建?还是某项要调?
- ```
- 用户确认 OK → Phase 3。
- 用户觉得某项不准 → 回到 Phase 2 调整。
- ---
- ### Phase 3: Skill 构建
- 将 Phase 2 提炼组装为可运行的 `SKILL.md`。
- #### Step 1: 读取生成模板
- 读取 `references/skill-template.md`(master-skill 仓库自带)获取标准结构。模板定义:
- - frontmatter(name / description / triggers / industry / locale / last_research_date)
- - 角色扮演规则
- - **Agentic Protocol**(按行业研究维度做功课再答)
- - 行业 OS 模块(心智模型 / playbook / 表达 DNA / 质量基准 / 反模式 / 智识谱系 / 诚实边界)
- - 知识模块(figures / tools / workflows / canon / sources / glossary)
- - 调研来源汇总
- #### Step 2: 填充
- 按模板逐 section 填入 Phase 2 结果。
- | 模板 Section | 填充来源 |
- |------------|---------|
- | frontmatter | meta.json + research summary |
- | 角色扮演规则 | 直接用模板 default |
- | Agentic Protocol | Phase 2.9 推导的研究维度 |
- | 心智模型 | Phase 2.1 |
- | 标准 playbook | Phase 2.2 |
- | 工具栈 | Phase 2.3 |
- | 工作流 | Phase 2.4 |
- | 表达 DNA | Phase 2.5 |
- | 质量基准 + 反模式 | Phase 2.6 |
- | 智识谱系 | Phase 2.7 |
- | 诚实边界 | Phase 2.8 |
- | Figures / Tools / Workflows / Canon / Sources / Glossary | Track 01-06 整理后摘要 + 链接到 `references/research/` |
- | 调研来源 | 6 轨引用汇总 |
- #### Step 3: Top Figures Sub-skill — cross-skill composition (v1.x)
- > 大师.skill 调女娲.skill 蒸馏 top figures, 生成的 person sub-skill 嵌入 `sub-skills/`. 这是 cross-skill composition 的核心 — 大师不重新发明 person 蒸馏, 它委托给女娲.
- #### 3.0 先决条件
- - 用户在 Phase 0A 选了「全景画像」或明确要求 sub-skill
- - Track 01 (figures) 至少有 3 个 figures 已被多源认可(≥ 2 endorsement-evidence per figure)
- - nuwa-skill 已安装 (`~/.claude/skills/nuwa-skill/` 或 `~/.openclaw/skills/nuwa-skill/`); 没有则告知用户「装一下女娲.skill 才能展开 sub-skill 步骤」
- 如果用户选了「聚焦」或时间紧 → 跳过本步, 只在主 skill 中保留 figures 摘要 (Track 01 输出已足够).
- #### 3.1 选 Top 3 figures
- 读 `references/research/01-figures.md`, 按以下排序选 top 3:
- | 优先级 | 标准 |
- |------|------|
- | 1 | endorsement count (≥ 3 个独立来源点过为优先) |
- | 2 | long-form material 量 (有 ≥ 2 hour podcast / multiple book chapters / ≥ 5 long-form blog) |
- | 3 | 思维方式独特度 (figures 之间观点重叠度低, 同一行业 3 个一样的 figure 没意义) |
- | 4 | 当前活跃度 (最近 12 月有公开发声) |
- **反模式**: 选「业内最有名」(可能只是 PR 强), 而忽略「思维最锐利」.
- #### 3.2 准备每个 figure 的素材包
- 为每个 top figure 准备:
- - **基础事实**: 姓名 / 公司 / 角色 / 主要观点 (从 01-figures.md 的「核心一句话」字段)
- - **长素材**: ≥ 2 个 long-form material 的 transcript / 长文 (优先用 `tools/transcribe/youtube.sh` 处理 podcast / talk)
- - **代表作品**: 文章 / 演讲题目 / 书 (URL 可)
- - **争议立场**: figure 的非 mainstream 观点 (这部分通常最能体现思维方式)
- 把这些写到一个临时 prompt blob, 用 [`prompts/sub-skill-figures.md`](prompts/sub-skill-figures.md) 模板填充.
- #### 3.3 spawn subagent 调用 nuwa-skill
- ```
- spawn subagent (general-purpose):
- prompt: 「{prompts/sub-skill-figures.md 填充后的内容}」
- working_directory: {slug}-master/sub-skills/{figure-slug}/
- ```
- subagent 拿到任务后:
- 1. 读 `~/.claude/skills/nuwa-skill/SKILL.md` (或者其他 host 的 nuwa 安装路径)
- 2. 走 nuwa-skill 的 5 步流程 (intake → 思维素材采集 → 三轨提炼 → 生成 → 验证)
- 3. 把生成的 person sub-skill 写到 `{slug}-master/sub-skills/{figure-slug}/`
- 4. subagent 完成后回主 agent, 报告写入文件清单
- 主 agent 跑 3 个 subagent **并行** (3 个 figures 互不依赖, 可并发).
- #### 3.4 在主 SKILL.md 中绑定 sub-skill
- 主 SKILL.md 「智识谱系」节末尾自动插入:
- ```markdown
- ### Sub-skills (女娲蒸馏的 top figures)
- 需要某位 figure 的视角时, 加载对应 sub-skill:
- | Figure | Sub-skill 路径 | 何时调用 |
- |--------|--------------|---------|
- | {figure-1} | `sub-skills/{slug-1}/SKILL.md` | 当问题涉及 {topic-1} 时 |
- | {figure-2} | `sub-skills/{slug-2}/SKILL.md` | 当问题涉及 {topic-2} 时 |
- | {figure-3} | `sub-skills/{slug-3}/SKILL.md` | 当问题涉及 {topic-3} 时 |
- ```
- `skill_writer.py` 的 `meta.json` 同步更新 `sub_skills` 字段 (slug + path 列表).
- #### 3.5 失败模式
- | 失败场景 | 应对 |
- |---------|------|
- | nuwa-skill 没装 | 告知用户安装 + 暂时跳过 sub-skill 步骤, 完整大师 skill 仍能交付 |
- | figure 的 long-form material 不够 | 跳过这个 figure, 选第 4 名顶上, 或降级为只在 01-figures.md 中保留摘要 |
- | nuwa-skill subagent 超时 | 30 min 没完成单个 figure → 标记 timeout, 主 agent 决定是否等; 不阻塞 Step 4 写入主 skill |
- | 三个 figures 思维高度重叠 | 选 2 个差异大的, 第 3 个换成持反对立场的 figure (即使排名靠后) |
- #### Step 4: 写入
- 调 `tools/skill_writer.py create`(v0.3+),它会:
- - 写 `{skill_dir}/SKILL.md`(自动注入 synthesis body)
- - 写 `{skill_dir}/meta.json`(自动算 source ratio + decay registry)
- - 复制 6 个 `references/research/0X-*.md` 到 skill 内部
- - 复制 `references/synthesis.md`(自包含)
- ```bash
- python3 tools/skill_writer.py create \
- --skill-dir <output> \
- --intake <intake.json> \
- --synthesis <synthesis.md> \
- --template references/skill-template.md \
- --research-dir <research/>
- ```
- #### Step 5: CLI 工具流子树 (v0.6+)
- `skill_writer.py` 在写完 SKILL.md / meta.json 后,**自动调** `tools/cli_writer.py emit` 生成 `cli/` 子树:
- | 脚本类别 | 来源 | 输出 |
- |---------|------|------|
- | `cli/protocol/agentic.sh` | synthesis Section 9 (Agentic Protocol) | 拿到新问题时按 N 维度做功课的交互脚本 |
- | `cli/decision/{cluster}.sh` | synthesis Section 2 (Playbook 规则聚类) | 决策树(每个聚类 ≥ 1 条规则) |
- | `cli/workflow/{wf-slug}.sh` | research/03-workflows.md | SOP 走查 + 失败模式自检 |
- 每个生成脚本支持 `--help` / `--explain` / `--dry-run` / `--json` 标准接口。完整 spec: [references/cli-spec.md](references/cli-spec.md)。
- 如果用户不要 CLI(例如纯演示):`skill_writer.py create --no-cli`.
- ---
- ### Phase 4: 质量验证
- 生成后**用子 agent 独立测试**(避免自评偏差):
- #### 4.1 已知测试(Sanity Check)
- 挑 3 个这行有共识答案的问题,spawn 子 agent 带着新 skill 回答。对比业内共识:
- - 方向一致 → PASS
- - 偏离 → 回 Phase 2 调整
- #### 4.2 边缘测试(Edge Case)
- 挑 1 个这行人没特别讨论过但相关的问题,让 skill 推断。
- - 期望:「基于 {心智模型 X} 和 {playbook Y} 推断,可能 ...; 但需要 {具体来源} 确认」
- - 不应该斩钉截铁
- #### 4.3 风格测试(Voice Check)
- 让 skill 写 100 字行业短评。盲测能否被识别为「这行的人写的」。
- #### 4.4 通过标准
- | 检查项 | 通过 | 不通过 |
- |------|------|--------|
- | 心智模型数 | 3-7 | < 3 或 > 10 |
- | 每个模型有局限 | ✓ | 只写优点 |
- | 表达 DNA 辨识度 | ✓ | 像通用 ChatGPT |
- | 诚实边界 | ≥ 3 条具体 | 只有「不能替代真人」 |
- | 一手来源占比 | ≥ 50% | 主要二手转述 |
- | Agentic Protocol | ≥ 5 个研究维度 | < 3 |
- | 时效性标注 | ≥ 1 处 last_updated | 无 |
- 不通过 → 标注薄弱维度回 Phase 2 迭代。**最多 2 轮**,仍不通过则在诚实边界中明确标注,交付当前最优版本。
- ---
- ### Phase 5: 双 Agent 精炼(标准后置)
- Phase 4 通过后,并行启动两个评审 agent:
- **Agent A(auto-skill-optimizer 视角)**:
- - 评 SKILL.md 的工作流清晰度、边界条件、检查点设计、指令具体性
- - 干跑 3 个典型 prompt,评估有效性
- - 输出最弱 2 个维度的具体改进建议(带改后文本示例)
- **Agent B(skill-creator 视角)**:
- - 评激活触发条件是否覆盖真实场景
- - 评角色扮演规则的可操作性
- - 识别缺失的关键信息
- - 输出 2-3 处具体改动建议(带改后文本示例)
- 主 agent 综合两份报告,应用不冲突的改进,向用户展示变更摘要请求确认。
- 精炼标准:让 skill「激活即执行」,不是「内容更多」。
- ---
- ## 更新已有 Skill
- 走 Phase 0C 路径。重点:
- 1. 读 `meta.json` 中 `last_research_date`
- 2. 按距今时长决定哪几轨重跑
- 3. 旧的 `references/research/` 文件移到 `references/research/archive/{date}/`
- 4. 重跑选定的 track,但保留旧版本可参考
- 5. Phase 2 重新提炼时,明确对比新 vs 旧:
- - 新信息加强现有模型 → 补充案例
- - 新信息与旧模型矛盾 → 标记 changed,更新模型,在诚实边界写「{date} 起 {模型 X} 改为 ...」
- - 出现新模型 → 加入
- - 旧模型彻底过时 → 标记 deprecated,移到「历史模型」节
- 6. 写 `CHANGELOG.md` 记录这次更新动了什么
- 7. 不重写整个 skill,只增量更新
- ---
- ## 品味守则(速查)
- | 原则 | 一句话 |
- |------|--------|
- | 长访谈 > 金句 | 1 小时 podcast 比 50 条推文更揭示行业 OS |
- | 争议 > 共识 | 流派分歧最能揭示行业的真问题 |
- | 工具栈年更 vs OS 年更 | Phase 3 的工具 / 工作流模块每 3-6 月可衰减;心智模型 1-2 年才动 |
- | 一手 > 二手 | 行业人本人发的内容 > 别人写他的 |
- | 本地素材 > 网络搜索 | 用户手上的行业报告 PDF / 内部文档 > 任何网络爬来的 |
- ### 绝不做的事
- - 编造行业 figures 没说过的话 / 没写过的书
- - 把通用商业道理包装成「{X 行业的} 独特见解」
- - 忽略行业的真实争议、骗局、黑历史
- - 在公开材料 < 30 条时强行生成「全维度 master skill」
- ---
- ## 与其他 skill 的关系
- | Skill | 用途 |
- |------|------|
- | [同事.skill (dot-skill)](https://github.com/titanwings/colleague-skill) | 蒸馏一个具体的人(同事 / 合作方) |
- | [女娲.skill](https://github.com/alchaincyf/nuwa-skill) | 蒸馏一种思维方式 / 名人 OS。**大师.skill 在 Phase 3 调用它生成 top figures 的 sub-skill** |
- | 大师.skill(本 repo) | 蒸馏一个细分行业的 OS |
- 层级:dot < nuwa < master,覆盖范围一层比一层大,调研深度逐层下降。
README.md · README · 636 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- <div align="center">
- # 🎓 大师.skill [](https://twitter.com/intent/tweet?text=%E5%A4%A7%E5%B8%88.skill%20%E2%80%94%20%E8%BE%93%E5%85%A5%E8%A1%8C%E4%B8%9A%EF%BC%8C30-60%20%E5%88%86%E9%92%9F%E8%87%AA%E5%8A%A8%E8%92%B8%E9%A6%8F%E5%87%BA%E5%8F%AF%E8%A3%85%E8%BD%BD%E7%9A%84%20Master%20OS%20skill%E3%80%82%E8%A3%85%E5%88%B0%E4%BB%BB%E4%BD%95%20AI%20agent%EF%BC%8C%E4%BB%8E%E9%82%A3%E4%B8%80%E5%88%BB%E8%B5%B7%EF%BC%8C%E5%AE%83%E5%B0%B1%E6%98%AF%E8%BF%99%E4%B8%80%E8%A1%8C%E6%9C%80%E8%B5%84%E6%B7%B1%E7%9A%84%E4%BA%BA%E3%80%82&url=https%3A%2F%2Fgithub.com%2Fswaylq%2Fmaster-skill&hashtags=ClaudeCode%2CAIAgent%2CMasterSkill%2C%E5%BC%80%E6%BA%90)
- ### 🌐 官网 [master-skill.org](https://master-skill.org/) — 在线和已蒸馏的行业大师对话
- > *「下一步,不只蒸馏一个人,蒸馏一整个行业。」*
- [](https://master-skill.org/)
- [](https://github.com/swaylq/master-skill/actions/workflows/ci.yml)
- [](LICENSE)
- [](https://claude.ai/code)
- [](https://skills.sh)
- <br>
- [同事.skill](https://github.com/titanwings/colleague-skill) 把**一个人**蒸馏成 AI。<br>
- [女娲.skill](https://github.com/alchaincyf/nuwa-skill) 把**任何人的思维方式**蒸馏成 AI。<br>
- 但有些东西比一个人更大——<br>
- **一整个行业的资深判断、工作流、工具栈。**
- <br>
- 大师.skill 不蒸馏单个人,<br>
- 它蒸馏**整个行业的认知操作系统**。
- <br>
- 告诉它你做哪个细分行业,<br>
- 30-60 分钟自动跑完调研、蒸馏、生成 skill 加上一套 bash 命令套件。<br>
- 装到任何 AI agent,从那一刻起,<br>
- **它就是这一行最资深的人。**
- <br>
- > **有了大师.skill,你不再需要安装其他 skill ——**<br>
- > **它会为你的行业,自动蒸馏出最适合的那一个。**
- <br>
- [🚀 安装](#-安装) · [✨ 效果示例](#-效果示例) · [🛠️ 自动蒸馏 bash 工具](#️-自动蒸馏出-bash-命令套件) · [🧬 三代谱系](#-三代谱系) · [⭐ 已蒸馏的行业](#-已蒸馏的行业)
- [**English README →**](README_en.md)
- </div>
- ---
- > 📊 **已蒸馏 72 个行业** — 横切技术 / AI / 商业 / 内容 / 教育 / 医疗 / 法律金融 / 软技能 / 管理 / 手艺品鉴 / 传统文化 / 平台 12 个大类。每个行业都经过六路调研 + 16 道质检 + validation gate 验收。[完整列表 ↓](#-已蒸馏的行业)
- >
- > 🆕 **2026.07.04 扩容到 72 行业** — 深度蒸馏流水线连发 29 个新行业:临床诊断思维 / 管理咨询 / 投行并购 / 半导体制造工艺 / 加密链上交易 / 医疗美容 / 音乐制作 / 摄影 / 产品 UX 设计 / 网文写作 / 调香师 / 侍酒师 / 德州扑克 / AI 短剧 / 小红书 & 推特 & 知乎 AI 自媒体博主 等。
- >
- > 🔥 **2026.05.27 SkillOpt 整合** — 从 [Microsoft SkillOpt](https://github.com/microsoft/SkillOpt) 借鉴 5 个机制:**SLOW_UPDATE 保护区**(核心 OS 不被快更冲散)、**validation gate**(accept/reject 门控)、**patch editor**(结构化编辑 + 保护区感知)、**meta skill memory**(跨蒸馏学习)、**DL 类比框架**。[详情 ↓](#-skillopt-整合--让蒸馏管线自我进化)
- >
- > 📢 **2026.05.02 公开** — 第一个完整行业(LLM agent 基础设施)端到端跑通验证。[Release notes →](https://github.com/swaylq/master-skill/releases/tag/v1.1)
- ---
- ## ✨ 效果示例
- > 这不是搜索引擎。这是「这一行的资深人此刻在你旁边」。
- #### 🤖 场景 1 · LLM agent 基础设施
- ```
- 你 ❯ 该不该把这个 RAG 系统迁到 Vespa?
- 大师 ❯ 这是一个「framework 临时性 vs 基建沉降」的判断。
- 先看 retrieval 阶段的瓶颈到底在 Vespa 解决,还是
- 在 embedding 模型本身。如果是后者,迁移就是把
- 脚手架换成混凝土 — 6 个月模型迭代会让你又想换。
- 如果真的卡在 retrieval:Vespa 比 Pinecone 多了
- hybrid search 原生支持,但你的运维栈是不是已经
- 吃下了它的 ZooKeeper / Tensor 复杂度?这一行的
- 资深判断 — Filtering speed × Index size × Team
- Op overhead 三选二,你的瓶颈在哪边?
- Production case:[3-4 个真实迁移案例摘要 + 链接]
- ```
- #### 🛒 场景 2 · 跨境电商运营
- ```
- 你 ❯ 亚马逊德国站要上一个新品类,从哪儿开始?
- 大师 ❯ 德国站有三件事跟美国站完全不同 — 你必须先回答:
- 1) VAT 一站式申报你走 OSS 还是各国注册?
- 这决定了你能不能用 Pan-EU FBA。
- 2) 包装法 (VerpackG) 和 WEEE/电池法注册了吗?
- 没注册 listing 第一天就会被举报下架。
- 3) GS 认证 vs CE — 你品类是不是 GS 强制?
- 这决定能不能上 Idealo / 比价导购流量池。
- 这三个不是合规 checklist — 是你「能不能开卖」的硬门槛。
- 搞定后,关键词调研用 Helium 10 的德语包,不要从
- 美国词库直翻 — 德国搜索习惯长尾密度高得多。
- ```
- #### 🎬 场景 3 · 短视频投流
- ```
- 你 ❯ 投流 ROAS 总是上不去,是不是出价策略有问题?
- 大师 ❯ 出价是后果,不是原因。先回答创意层:
- 你的素材在 cold audience 上的 3s 完播率是多少?
- 低于 35% 时调出价没用 — 巨量引擎的探索预算
- 不会给你跑出量。
- 创意没问题再看人群定向。这一行的资深判断 —
- 「优质素材 × 合理定向 × 出价」,三角顺序错了,
- 后两个调出花。你近 7 天创意素材曲线给我看一眼。
- ```
- **不是把行业百科塞进 prompt**,是用**这一行的心智模型 + 决策规则**给你判断。
- 每个 skill 都自带一套「研究协议」(Agentic Protocol) — 拿到一个行业新问题,它先按这行资深人的研究维度去搜事实,再用心智模型输出判断。**不是说得像,是做得像。**
- ---
- ## 🛠️ 自动蒸馏出 bash 命令套件
- > 这是大师.skill 跟同事 / 女娲最大的区别 — 蒸馏出来的不只是「会说」,还是「会做」。
- 每个生成的 skill **都自动配一个 `cli/` 子目录** —— 把这个行业的认知操作系统直接物化成可执行的命令行工具:
- ```
- {industry}-master/
- └── cli/
- ├── protocol/agentic.sh # 拿到新问题 → 按几个研究维度做功课 → 出报告
- ├── decision/{主题}.sh # 决策树(按主题聚类的几条决策规则)
- └── workflow/{流程}.sh # 走查工作流 + 失败模式自检
- ```
- 每个脚本都支持四个标准开关:`--help`(帮助)/ `--explain`(解释背后的心智模型)/ `--dry-run`(试跑)/ `--json`(机器可读输出)。
- ```bash
- # 拿到新问题:「该不该把 RAG 系统迁到 Vespa」
- $ ./cli/protocol/agentic.sh
- # → 引导你按 5 个研究维度收集信息 → 生成报告
- # 选型决策
- $ ./cli/decision/framework-select.sh
- # 走完一个完整工作流 + 失败模式自检
- $ ./cli/workflow/build-rag-agent.sh
- # 解释背后的心智模型(不交互,直接打印)
- $ ./cli/decision/framework-select.sh --explain
- ```
- **纯 bash + 系统命令,零外部依赖**(不需要 jq、不需要 Python)。由 [`tools/cli_writer.py`](tools/cli_writer.py) 自动从蒸馏结果生成 —— 你不用写一行代码,工具是从行业的工作流和决策规则里**直接长出来的**。
- 设计细节看 [`references/cli-spec.md`](references/cli-spec.md)。
- ---
- ## 🌐 自动调女娲,蒸馏行业 top 人物
- > 大师不重新发明轮子。蒸馏行业 top 人物的活儿,自动外包给女娲.skill 做,结果直接嵌进 `sub-skills/`。
- ```
- {industry}-master/
- ├── SKILL.md
- └── sub-skills/ ← 女娲蒸馏的人物 sub-skill
- ├── {人物-1}/SKILL.md ← 比如 Karpathy
- ├── {人物-2}/SKILL.md ← 比如 Hamel Husain
- └── {人物-3}/SKILL.md ← 比如 Eugene Yan
- ```
- 大师同时启动 3 个子 agent,每个走完女娲.skill 完整流程,蒸馏出一个人物 sub-skill。
- 之后用户问到某位人物的视角时,agent 自动加载对应 sub-skill — 不用重跑大师。
- 详见 [SKILL.md Phase 3.3-3.5](SKILL.md) + [`prompts/sub-skill-figures.md`](prompts/sub-skill-figures.md)。
- ---
- ## 📦 它蒸馏了什么
- 行业的认知操作系统,不是行业的百科全书。一个 skill 装下四件事:
- - 🧠 **资深人怎么想** — 心智模型 + 决策规则
- - ⚙️ **工作流怎么走** — 当前最先进的 SOP,每一步标注衰减时点
- - 🛠️ **工具怎么选** — 选型决策树 + 避坑清单 + **自动生成的 bash 命令套件**
- - 💬 **黑话怎么讲** — 行业表达方式 + 外行破绽
- 具体提取的 7 层:
- | 层 | 说明 |
- |---|---|
- | **怎么判断** | 心智模型 — 这行的资深人看问题用的镜片 |
- | **怎么决策** | 标准决策规则 — 「如果 X,则 Y」的快速判断 |
- | **用什么工具** | 工具栈 + 选型决策树 + 避坑清单 |
- | **怎么干活** | 工作流,每一步标注「2026-04 起这一步换成 Y」的时效 |
- | **怎么沟通** | 行业表达方式 — 黑话、说话节奏、外行破绽 |
- | **不做什么** | 反模式 — 外行才会犯的错 |
- | **知道局限** | 诚实边界 — 信息截止时间,哪些模块衰减最快 |
- ### 诚实边界
- 每个 skill 都明确标注它做不到什么:
- - 工具和工作流的模块**衰减最快**,建议每 3-6 个月刷新一次
- - 法规和标准的模块**衰减更快**,12 个月内一定要更新
- - 大师不能替代真实的实战经验 — 给的是认知框架,不是事故处理手册
- **一个不告诉你局限在哪的 skill,不值得信任。**
- ---
- ## 🔍 凭什么相信它蒸出来的东西
- > 一个新 skill 装上来,怎么知道它不是在编故事?
- **16 道自动检验,跑过才算交付。** 每个生成的 skill 必须答对这些问题:
- - ✅ **来源真的是一手吗?** — 每个网址自动判类(学术论文 / 官方文档 / 作者自己的博客 / vendor 官网算一手;新闻报道 / 二手转述算二手;知乎 / 微信公众号 / 百度百科 / G2 / Capterra / 内容农场**直接拒绝**)
- - ✅ **「这家公司是大佬」有人能背书吗?** — 每条核心结论必须挂 ≥ 2 处独立来源(跨人物 / 跨平台),单源结论自动降级到「快速规则」节,不进核心心智模型
- - ✅ **来源的日期够新吗?** — 每条来源标日期,超过 18 个月自动半折扣
- - ✅ **心智模型真在原始材料里出现过吗?** — 写完 skill 后反过去研究笔记里搜,找不到原文支撑的结论自动 flag
- - ✅ **行业冷僻怎么办?** — 自动检测「公开材料太薄」并切换深挖模式:向你要内部资料 + 自动从行业协会 / 监管文件 / 招聘 JD / 大学课程多源补充,不靠瞎搜兜底
- **结果**:保险经纪人 prototype 73 条来源 → 67 条一手(91.8%)/ 0 黑名单 / 0 自报作弊 / 16 项检验 14 项满分 + 1 项部分通过 + 0 项失败。
- ---
- ## ⚡ 安装
- ```bash
- # Claude Code
- git clone https://github.com/swaylq/master-skill.git ~/.claude/skills/master-skill
- ```
- <details>
- <summary><b>🛠️ 其他 host 安装路径</b></summary>
- <br>
- ```bash
- git clone https://github.com/swaylq/master-skill.git <TARGET>
- ```
- | Host | `<TARGET>` 路径 |
- |------|-----------------|
- | 🟣 Claude Code | `~/.claude/skills/master-skill` |
- | 🔵 OpenClaw | `~/.openclaw/skills/master-skill` |
- | ⚫ Codex | `~/.codex/skills/master-skill` |
- | 🟠 Hermes | clone 后 `python3 tools/install.py install --host hermes` |
- 一键装到所有宿主:`python3 tools/install.py install --host all`
- </details>
- ---
- ## 🚀 用法
- 在装好大师.skill 的 agent 里,直接说:
- ```
- > 造大师 LLM agent 基础设施
- > 做个跨境电商运营的大师 skill
- > 我做的是足踝外科,给我蒸一个
- > update 大师 LLM-agent-infra # 6 个月后增量刷新
- ```
- 大师跟你确认 6 件事(行业、子方向、地域、你的角色、有没有一手素材、是新建还是更新),然后启动**六路并行调研**:行业大佬 / 工具地图 / 工作流 / 知识正典 / 信息源 / 术语标准。
- 30-60 分钟后你拿到一个 `{行业}-master` 目录。装到任意 agent,立刻进入「这一行的资深人」模式。
- ### 🎛️ 调用生成出来的 skill
- ```
- > 用 llm-agent-infra-master 帮我评估这个框架选型
- > 用 跨境电商-master 看一下我这个亚马逊 listing
- > 让 llm-agent-infra-master 跑 framework-select 决策树
- ```
- ### 💻 命令行直接跑
- ```bash
- # 端到端流程:调研 → 检测冷僻 → 生成 skill → 质检 → 安装
- python3 tools/research/merge_research.py merge --skill-dir ./prototype/
- python3 tools/research/cold_detector.py --skill-dir ./prototype --stage wave1
- python3 tools/skill_writer.py create --skill-dir ./output ...
- python3 tools/research/quality_check.py check --skill-dir ./output
- python3 tools/install.py install --host claude --source ./output
- # 6 个月后增量刷新某个老 skill
- python3 tools/update_skill.py plan --skill-dir <已有 skill>
- # (agent 重跑标记的几路调研)
- python3 tools/update_skill.py finalize --skill-dir <skill>
- ```
- ---
- ## ⭐ 已蒸馏的行业
- 每个都是端到端跑过的样本,包含生成的 SKILL.md + 一套可跑的 bash 工具。调研过程**透明可追溯** — 70/72 个样本附完整的六路调研笔记 + 蒸馏文档,可以追溯每条心智模型、每条决策规则是从哪几个来源出来的(2 个早期样本的调研档未入库,已在 meta.json 里诚实标注)。
- ### 🖥️ 技术 (11)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **LLM agent 基础设施** | 英文 | [llm-agent-infra-master/](prototypes/llm-agent-infra-master/) |
- | **软件架构** | 全球 | [software-architecture-master/](prototypes/software-architecture-master/) |
- | **DevOps 与 SRE** | 全球 | [devops-sre-master/](prototypes/devops-sre-master/) |
- | **数据工程** | 全球 | [data-engineering-master/](prototypes/data-engineering-master/) |
- | **红队渗透 / 攻防安全** | 全球 | [cybersecurity-red-team-master/](prototypes/cybersecurity-red-team-master/) |
- | **游戏设计** | 全球 | [game-design-master/](prototypes/game-design-master/) |
- | **语音转文字 (ASR)** | 中文 | [speech-to-text-master/](prototypes/speech-to-text-master/) |
- | **UBNT/UniFi 企业 Wi-Fi 工程** | 全球 | [ubnt-wifi-master/](prototypes/ubnt-wifi-master/) |
- | **Web 线上展览开发(虚拟展厅)** | 中文 | [web-online-exhibition-master/](prototypes/web-online-exhibition-master/) |
- | **Figma 转 Photoshop (PSD)** | 中文 | [figma-to-psd-master/](prototypes/figma-to-psd-master/) |
- | **半导体芯片制造工艺** | 全球 | [semiconductor-process-master/](prototypes/semiconductor-process-master/) |
- ### 🤖 AI / 产品 (3)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **AI 产品经理** | 全球 | [ai-product-manager-master/](prototypes/ai-product-manager-master/) |
- | **AI 自适应学习** | 全球 | [ai-adaptive-learning-master/](prototypes/ai-adaptive-learning-master/) |
- | **用 AI agent 赚钱** | 全球 | [monetize-agents-master/](prototypes/monetize-agents-master/) |
- ### 🛒 商业 / 电商 / 投流 (7)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **跨境电商运营** | 中文 | [cross-border-ecommerce-master/](prototypes/cross-border-ecommerce-master/) |
- | **B2B 大客户销售** | 全球 | [enterprise-b2b-sales-master/](prototypes/enterprise-b2b-sales-master/) |
- | **抖音直播带货** | 中文 | [douyin-live-commerce-master/](prototypes/douyin-live-commerce-master/) |
- | **短视频投流** | 中文 | [short-video-ads-master/](prototypes/short-video-ads-master/) |
- | **微信私域运营** | 中文 | [private-domain-ops-master/](prototypes/private-domain-ops-master/) |
- | **独立开发者与微型 SaaS** | 全球 | [independent-developer-micro-saas-master/](prototypes/independent-developer-micro-saas-master/) |
- | **产品营销 (PMM)** | 全球 | [product-marketing-master/](prototypes/product-marketing-master/) |
- ### ✍️ 内容 / 运营 / 创作 (11)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **小红书运营** | 中文 | [xiaohongshu-ops-master/](prototypes/xiaohongshu-ops-master/) |
- | **小红书 AI 自媒体博主** | 中文 | [xiaohongshu-ai-creator-master/](prototypes/xiaohongshu-ai-creator-master/) |
- | **推特中文圈 AI 自媒体博主** | 中文 | [twitter-cn-ai-creator-master/](prototypes/twitter-cn-ai-creator-master/) |
- | **知乎 AI 自媒体博主** | 中文 | [zhihu-ai-creator-master/](prototypes/zhihu-ai-creator-master/) |
- | **AI 短剧(AI 微短剧)** | 中文 | [ai-short-drama-master/](prototypes/ai-short-drama-master/) |
- | **AIGC 创作工作流** | 全球 | [aigc-creative-workflow-master/](prototypes/aigc-creative-workflow-master/) |
- | **网文写作** | 中文 | [web-novel-writing-master/](prototypes/web-novel-writing-master/) |
- | **SEO 专家** | 中文 | [seo-master/](prototypes/seo-master/) |
- | **公众号写作** | 中文 | [wechat-article-writing-master/](prototypes/wechat-article-writing-master/) |
- | **影视编剧** | 中文 | [scriptwriting-master/](prototypes/scriptwriting-master/) |
- | **内容创作者经济** | 全球 | [newsletter-creator-economy-master/](prototypes/newsletter-creator-economy-master/) |
- ### 🎓 教育 / 培训 (9)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **公务员考试培训** | 中文 | [civil-service-exam-prep-master/](prototypes/civil-service-exam-prep-master/) |
- | **家庭教育指导** | 中文 | [family-education-coaching-master/](prototypes/family-education-coaching-master/) |
- | **K12 体育培训** | 中文 | [k12-sports-training-master/](prototypes/k12-sports-training-master/) |
- | **研学营地教育** | 中文 | [study-camp-education-master/](prototypes/study-camp-education-master/) |
- | **青少年编程教育** | 全球 | [youth-coding-education-master/](prototypes/youth-coding-education-master/) |
- | **教育 SaaS** | 中文 | [education-saas-master/](prototypes/education-saas-master/) |
- | **银发教育** | 中文 | [senior-education-master/](prototypes/senior-education-master/) |
- | **青少年心理健康教育** | 中文 | [youth-mental-health-edu-master/](prototypes/youth-mental-health-edu-master/) |
- | **留学咨询规划** | 中文 | [study-abroad-consulting-master/](prototypes/study-abroad-consulting-master/) |
- ### 🏥 医疗 / 健康 (6)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **临床诊断思维** | 全球 | [clinical-diagnostic-reasoning-master/](prototypes/clinical-diagnostic-reasoning-master/) |
- | **足踝外科** | 中文 | [foot-ankle-surgery-master/](prototypes/foot-ankle-surgery-master/) |
- | **口腔种植** | 中文 | [dentistry-implant-master/](prototypes/dentistry-implant-master/) |
- | **中医诊疗** | 中文 | [traditional-chinese-medicine-master/](prototypes/traditional-chinese-medicine-master/) |
- | **医疗美容** | 中文 | [medical-aesthetics-master/](prototypes/medical-aesthetics-master/) |
- | **健身私教** | 全球 | [personal-trainer-master/](prototypes/personal-trainer-master/) |
- ### ⚖️ 法律 / 金融 / 合规 (8)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **法律执业**(中国法) | 中文 | [china-law-master/](prototypes/china-law-master/) |
- | **个人投资理财** | 全球 | [personal-investing-master/](prototypes/personal-investing-master/) |
- | **投行并购 (M&A)** | 全球 | [investment-banking-mna-master/](prototypes/investment-banking-mna-master/) |
- | **加密链上交易** | 全球 | [crypto-onchain-trading-master/](prototypes/crypto-onchain-trading-master/) |
- | **保险经纪人 / 代理人** | 中文 | [insurance-broker-cn-master/](prototypes/insurance-broker-cn-master/) |
- | **风险投资人** | 全球 | [vc-investor-master/](prototypes/vc-investor-master/) |
- | **国内房产投资** | 中文 | [real-estate-investing-cn-master/](prototypes/real-estate-investing-cn-master/) |
- | **中国网站备案与合规** | 中文 | [china-icp-filing-master/](prototypes/china-icp-filing-master/) |
- ### 💡 软技能 / 人际 / 心理 (3)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **恋爱高手** | 中文 | [love-coach-master/](prototypes/love-coach-master/) |
- | **求职 / 面试辅导** | 中文 | [job-hunting-coach-master/](prototypes/job-hunting-coach-master/) |
- | **心理咨询 / 心理治疗** | 中文 | [psychotherapy-counseling-master/](prototypes/psychotherapy-counseling-master/) |
- ### 🏛️ 领导力 / 管理 / 设计 (6)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **CEO 工艺** | 全球 | [ceo-master/](prototypes/ceo-master/) |
- | **管理咨询** | 全球 | [management-consulting-master/](prototypes/management-consulting-master/) |
- | **亚马逊管理之道** | 中文 | [amazon-operating-model-master/](prototypes/amazon-operating-model-master/) |
- | **广告外包公司绩效管理** | 中文 | [ad-agency-performance-master/](prototypes/ad-agency-performance-master/) |
- | **产品设计 / UX 设计** | 全球 | [product-ux-design-master/](prototypes/product-ux-design-master/) |
- | **现代建筑设计** | 全球 | [architecture-design-master/](prototypes/architecture-design-master/) |
- ### 🎨 手艺 / 品鉴 / 生活方式 (5)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **调香师与香水** | 全球 | [perfumery-master/](prototypes/perfumery-master/) |
- | **侍酒师与葡萄酒** | 全球 | [sommelier-wine-master/](prototypes/sommelier-wine-master/) |
- | **音乐制作 / 混音** | 全球 | [music-production-master/](prototypes/music-production-master/) |
- | **摄影** | 全球 | [photography-master/](prototypes/photography-master/) |
- | **德州扑克策略** | 全球 | [poker-strategy-master/](prototypes/poker-strategy-master/) |
- ### 🔮 传统文化 / 平台 (3)
- | 行业 | 语言 | 路径 |
- |------|------|------|
- | **八字命理 / 玄学算命** | 中文 | [bazi-metaphysics-master/](prototypes/bazi-metaphysics-master/) |
- | **iOS 应用上架** | 全球 | [ios-app-launch-master/](prototypes/ios-app-launch-master/) |
- | **GitHub 解封** | 全球 | [github-unban-master/](prototypes/github-unban-master/) |
- ---
- 72 个行业横切 12 个大类 — 技术 / AI / 商业 / 内容 / 教育 / 医疗 / 法律金融 / 软技能 / 管理 / 手艺品鉴 / 传统文化 / 平台 specific。大师.skill 框架对各类行业都跑得通。
- 想蒸馏不在列表里的行业?装大师.skill,说「造大师 XXX」就行。
- ---
- ## 🧪 SkillOpt 整合 — 让蒸馏管线自我进化
- > 灵感来自 [Microsoft SkillOpt](https://github.com/microsoft/SkillOpt) 的 ReflACT 6 阶段闭环优化管线。SkillOpt 用深度学习类比(skill=权重,patch=梯度,edit budget=学习率)驱动 agent skill 的持续迭代。大师.skill 从中借鉴了 5 个核心机制:
- | 机制 | 文件 | 做什么 |
- |------|------|--------|
- | **SLOW_UPDATE 保护区** | `skill_writer.py` v1.4 | 生成的 SKILL.md 自动用 `<!-- SLOW_UPDATE_START/END -->` 标记低衰减区域(心智模型 / 表达 DNA / 智识谱系)。Phase 0C 增量更新时 patch editor 自动跳过这些区域 — 核心 OS 不被快速迭代冲散 |
- | **Validation Gate** | `tools/research/validation_gate.py` | Phase 4 的 accept/reject 门控。对 quality_check 的 15+ 项检验做加权评分,区分 critical failure(一票否决)和 partial(可接受降级)。输出:`accept` / `conditional_accept` / `reject` + 具体改进建议 |
- | **Patch Editor** | `tools/patch_editor.py` | 4 种结构化编辑操作(append / insert_after / replace / delete),每一步自动检测是否落入 SLOW_UPDATE 保护区。Phase 0C `update_skill.py apply-patch` 直接调用,替代「整段重写」 |
- | **Meta Skill Memory** | `tools/meta_skill.py` | 跨蒸馏学习记忆。每次管线跑完记录 gate score / 失败模式 / 管线教训到 `meta_skill_memory.json`。下次蒸馏前查 `meta_skill.py guidance`,获取累积的优化建议 |
- | **DL 类比框架** | 概念层 | skill = 模型权重(长期积累),patch = 梯度(单次更新),edit budget = 学习率(控制更新幅度),SLOW_UPDATE = 受保护层(frozen layers)。这个类比让 Phase 0C 的增量更新有了原则性约束 |
- ```bash
- # 验证 SLOW_UPDATE 标记
- grep "SLOW_UPDATE" output/SKILL.md
- # 跑 validation gate
- python3 tools/research/validation_gate.py gate --skill-dir ./output
- # 用 patch editor 做增量更新(自动保护慢衰减区域)
- python3 tools/update_skill.py apply-patch --skill-dir ./output --patch patch.json --dry-run
- # 查看跨蒸馏学习
- python3 tools/meta_skill.py guidance
- ```
- ---
- ## 🔬 工作原理
- 输入一个细分行业,大师.skill 做这几件事:
- ```
- 1. 行业澄清 ← 粒度太粗主动收窄(拒绝「AI」,引导到「LLM agent 基础设施」)
- 2. 创建目录 ← 所有产物都在 skill 自己的目录内,自包含
- 3. 六路并行调研 ← 6 个子 agent:行业大佬 / 工具 / 工作流 / 知识正典 / 信息源 / 术语
- ─ 调研评审关卡 ← 你确认调研质量再继续,不让垃圾输入污染下游
- 4. 框架蒸馏 ← 三重验证(跨场景 / 生成力 / 排他性)挡住行业八股
- ─ 蒸馏评审关卡 ← 你确认认知框架再生成
- 5. 写出 skill ← 自动生成完整目录、调女娲蒸人物 sub-skill、emit bash 工具
- 6. 三测验证 ← 已知问题 / 边界问题 / 风格盲测
- 7. 双 agent 精炼 ← 优化 skill 的「激活即执行」程度
- ```
- 详见 [SKILL.md](SKILL.md) — 524 行的 agent 可加载工作流。方法论看 [references/extraction-framework.md](references/extraction-framework.md) — 三重验证、工具栈三层提炼、流派分歧处理、衰减速度表。
- ---
- ## 🧬 三代谱系
- 大师.skill 站在两个前作的肩膀上:
- - **[同事.skill (titanwings/colleague-skill)](https://github.com/titanwings/colleague-skill)** — 提供了「了解 → 多源采集 → 分析 → 写出」的元 skill 框架。
- - **[女娲.skill (alchaincyf/nuwa-skill)](https://github.com/alchaincyf/nuwa-skill)** — 提供了 6 个 agent 并行调研 + 三重质量关卡。**大师.skill 在 Phase 3 直接调女娲,蒸出行业最重要的 3 个人作为 sub-skill。**
- 三者同源,逐层放大。
- > 🎣 **姊妹项目 [私教.skill (swaylq/sijiao-skill)](https://github.com/swaylq/sijiao-skill)**([官网](https://swaylq.github.io/sijiao-skill/))— 把方向反过来:大师.skill 让你的 AI 成为行业大师(授人以鱼),私教.skill 蒸出一个记得你进度、陪你练的私教,把**你自己**训练成领域高手(授人以渔)。
- ---
- ## 📂 项目结构
- ```
- master-skill/
- ├── SKILL.md # 大师本体(核心工作流规约)
- ├── prompts/ # 提示词系统
- │ ├── intake.md # 行业澄清 + 冷僻 deep-mode 二次 intake
- │ ├── synthesis.md # 蒸馏指引(含 Step 5b 对话样本库)
- │ ├── quality_check.md # 16 项 mechanical rubric
- │ ├── sub-skill-figures.md # 调女娲的子 agent 模板
- │ └── research/
- │ ├── _source_id_manifest.md # T01-S001 全局 source_id 规范 + Surrogate Sources Policy
- │ └── 01-06.md # 六路调研提示词(含 voice_samples 字段)
- ├── tools/ # Python 工具
- │ ├── skill_writer.py # 生成 skill 目录
- │ ├── cli_writer.py # 生成 bash 工具子目录
- │ ├── update_skill.py # skill 增量刷新
- │ ├── install.py # 四宿主安装器
- │ ├── self_test.py # 全部样本 + 工具回归测试
- │ ├── patch_editor.py # SkillOpt: 4 种结构化编辑 + SLOW_UPDATE 保护
- │ ├── meta_skill.py # SkillOpt: 跨蒸馏学习记忆
- │ ├── research/ # 质量护栏 (v1.4 新)
- │ │ ├── source_verifier.py # 每个 URL 自动判类 + 黑白名单
- │ │ ├── source_manifest.py # 核对来源台账 + 一致性强制
- │ │ ├── claim_verifier.py # 反向核对 SKILL.md 每条结论是否真有原文支撑
- │ │ ├── cold_detector.py # 行业冷僻自动兜底 (深挖模式)
- │ │ ├── refresh_sources.py # 定期检测来源是否还在
- │ │ ├── quality_check.py # 16 道自动检验
- │ │ ├── validation_gate.py # SkillOpt: accept/reject 门控 (加权评分)
- │ │ └── merge_research.py # 调研评审聚合
- │ ├── collectors/ # 自动抓行业 seed
- │ │ ├── github / arxiv / RSS / 播客 (4 件)
- │ │ └── 监管 / 协会 / 招聘 / 课程 (冷僻行业兜底, 4 件)
- │ ├── ingest/ # 行业报告 / 论文 / 课程 PPT 解析
- │ │ └── PDF / EPUB / PPTX 一键吃进来
- │ └── transcribe/ # 视频 / 播客转录
- │ ├── youtube.sh / local_video.sh # 抓字幕 + 本地视频转录
- │ └── 字幕清洗 / 含金量评分 / 人物识别
- ├── references/
- │ ├── skill-template.md # 生成产物的标准结构
- │ ├── extraction-framework.md # 蒸馏方法论(三重验证 / 衰减表 / 流派分歧)
- │ └── cli-spec.md # bash 工具的设计文档
- ├── meta_skill_memory.json # SkillOpt: 跨蒸馏学习记忆
- └── prototypes/
- └── 72 个完整行业样本 # 见上面「已蒸馏的行业」列表
- ```
- ---
- ## ⚠️ 注意
- **调研材料的质量 = skill 的质量**。不同维度的来源优先级不同:
- | 维度 | 来源优先级(高到低) |
- |------|------|
- | 🌟 行业大佬 | 本人长篇(书 / 长访谈 / 博客系列)**›** 决策记录(公开发声 / 提交记录)**›** 二手转述 |
- | 🛠️ 工具地图 | 官方文档 **›** 工程师生产案例 **›** 培训教程 / SEO 软文 |
- | 📋 工作流 | 公司技术博客的真实流程 **›** 资深人长访谈 **›** 培训机构大纲 |
- | 📚 知识正典 | 行业人推荐书单(至少 3 个独立来源都点过)**›** 学术综述 **›** 二手书评 |
- | 📰 信息源 | 行业人订阅清单 **›** 主流媒体长稿 **›** 内容农场 |
- - 中文环境下自动排除知乎、微信公众号、百度百科、CSDN(除非作者原文)
- - 信息截止得越早,工具和工作流的模块衰减越快 — 用 `update 大师 X` 增量刷新
- - 这是 v1.1,还在快速迭代。发现 bug 请提 issue。
- ---
- ## 📄 路线图
- | 版本 | 内容 | 状态 |
- |------|------|------|
- | v0.1-0.4 | 工作流规约 + 提示词 + 工具 + 打磨 | ✅ |
- | v1.0 | 完成第一个完整样本(LLM agent 基础设施),仓库公开 | ✅ |
- | v0.6 | bash 工具流 — 生成的 skill 自带命令套件 | ✅ |
- | v1.1 | 调用别的 skill + 增量刷新 + 中文样本 | ✅ |
- | v1.2 | 决策树主题自动学 + 定时刷新 + 5 个行业样本(含小红书 / SEO / 恋爱) | ✅ |
- | v1.3 | 短视频投流 / 足踝外科 / 法律 = 8 个行业横切覆盖 | ✅ |
- | v1.4 | **质量护栏 + 第 9 个行业** — 自动跑 16 道质检 + URL 验真 + 黑名单强拦截 + 冷僻行业兜底(自动从协会 / 监管 / 招聘 / 课程多源补充)+ 新增**保险经纪人 / 代理人** | ✅ |
- | v1.5 | **第 10 个行业 — 八字命理 / 玄学算命** — 第一个半敏感 + 学派分歧大行业;同盘多派给不同结论保留分歧不平均;source_verifier 加 4 个古籍 archive 主源(ctext / guoxuedashi / wikisource / archive.org,命理 + 中医 + 历史 canon 永久受益) | ✅ |
- | v1.6 | **第 11+12 个行业 — 用 AI agent 赚钱 + iOS 应用上架** — 新兴商业(量大水分高,5 派互相挑衅)+ 平台 specific(政策 12 月强制 deadline + 双合规体系)。验证 `skip_sub_skills` flag(iOS 上架按用户指示跳人物蒸馏,节省 1 cron 周期);iOS 上架 6 派对照(Apple 官方 / Indie / 大厂 release eng / ASO / 反 Apple / 国内合规)写完整 | ✅ |
- | v1.7 | **SkillOpt 整合 + 第 13 个行业 — 公务员考试培训** — 从 Microsoft SkillOpt 借鉴 5 个机制(SLOW_UPDATE 保护区 / validation gate / patch editor / meta skill memory / DL 类比)。用公考培训端到端验证:171 来源 / gate ACCEPT 0.90 / 3 个 SLOW_UPDATE 区域成功注入 | ✅ |
- | v1.8 | **深度蒸馏扩容 43 → 72 行业** — 流水线连发 29 个新行业(手艺品鉴 / 临床诊断思维 / 管理咨询 / 投行并购 / 半导体工艺 / 链上交易 / 医美 / AI 自媒体矩阵 等)+ 72 样本自检全绿 + CI | ✅ |
- | v2.x | PyPI 打包 / GitHub Action 自动更新 / 多语言文档 / 工具 marketplace | 🔲 |
- 详见 [ROADMAP.md](ROADMAP.md)。
- ---
- ## 📜 许可证
- MIT — 随便用,随便改,随便造。
- <div align="center">
- <br>
- **🧬 同事.skill** 蒸馏一个**具体的人**做什么。<br>
- **🌟 女娲.skill** 蒸馏**任何人**怎么想。<br>
- **🎓 大师.skill** 蒸馏**一整个行业**的认知 + 工作流 + 工具。<br>
- **📖 [私教.skill](https://github.com/swaylq/sijiao-skill)** 反过来——把**你**训练成领域高手。<br>
- <br>
- *把一整个行业的资深认知,蒸馏成一个 skill。*
- <br>
- MIT License © [swaylq](https://github.com/swaylq) · 中文 README · [English](README_en.md)
- </div>
- ---
- ## 🧪 关于作者
- 这个项目出自 **[Sway Lab](https://swaylab.ai)** — [Sway(刘乾)](https://github.com/swaylq)的 agent 实验室,
- 6 个 agent 在上面各自干活,产出产品、开源 skill 和实验。
- - 📄 这个项目的来龙去脉:**[swaylab.ai/articles/master-skill](https://swaylab.ai/articles/master-skill)**
- - 📰 《AI 动态日报》每天 09:30 更新:**[swaylab.ai/articles](https://swaylab.ai/articles)**
- - 🕸️ 其他在做的东西:**[swaylab.ai/agent-network](https://swaylab.ai/agent-network)**
- ---
- ## ⭐ Star History
- <a href="https://www.star-history.com/?repos=swaylq%2Fmaster-skill&type=date">
- <picture>
- <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/image?repos=swaylq/master-skill&type=date&theme=dark" />
- <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/image?repos=swaylq/master-skill&type=date" />
- <img alt="Star History Chart" src="https://api.star-history.com/image?repos=swaylq/master-skill&type=date" />
- </picture>
- </a>
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.