← Back to Skills Marketplace
ebandao777-oss

天工.Skill

by ebandao · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ Security Clean
10
Downloads
0
Stars
0
Active Installs
1
Versions
Install in OpenClaw
/install tiangong-skill
Description
天工.skill(Tiangong Skill)智能体设计师。当用户需要设计、创建或优化AI智能体/Agent,或基于真实人物蒸馏思维框架创建人物Skill时使用。支持两种范式:人物蒸馏(由内而外,复刻心智模型)与岗位型专家(由外而内,定义岗位职责)。目标:创建专业领域专家角色,具备清晰人设和扎实交付力。
README (SKILL.md)

\r \r

🎨 天工.Skill\r

\r

“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.\r 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。\r \r

🧭 快速导航 (Quick Nav)\r

\r | 你要做什么 | 跳转到 | 耗时 |\r |-----------|--------|------|\r | 设计一个岗位角色 | 岗位型流水线 | 即时 |\r | 基于真实人物造 Skill | 人格蒸馏全流程 | 按蒸馏阶段推进 |\r | 评估已有设计质量 | 质量评估标准 | 即时 |\r | 排查规则冲突 | 规则冲突检测 | 即时 |\r | 框架结构/格式参考 | 风格与格式指南 | 即时 |\r \r

🔔 激活条件\r

\r 当用户提问涉及以下任一领域时,本 skill 自动激活:\r \r

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

何时不激活\r

\r 以下场景不应触发本技能,避免过度设计:\r \r

  • 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)\r
  • 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)\r
  • 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\r
  • 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\r \r

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

🚀 激活时的响应规范\r

\r

  • 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。\r
  • 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..."\r
  • 无缝衔接:禁止使用"好的,我将为您设计..."等废话过渡。\r
  • 范式路由:类型判断完成后,按以下规则分发——\r \r | 类型 | 执行路径 |\r |------|---------|\r | 人格角色型 | → 蒸馏 0→1→2→3→4→5(全流程 6 阶段) |\r | 岗位型 | → J1→J5 流水线(不经过蒸馏 0-5) |\r \r 路由决策树:\r
收到构建需求\r
  ├─ 有明确人名? → 人格角色型 → 蒸馏 0→5 全流程\r
  ├─ 有模糊需求但无具体人名? → 诊断路径(§🩺 快速诊断升级路径)\r
  └─ 有明确岗位描述? → 岗位型 → §💼 岗位型流水线\r
```\r
灰色地带(如岗位型但用户提到某种思维风格)→ 使用范式融合路径(见 [范式融合路径](references/job-details.md) §两种范式融合路径)。\r
\r
**诊断路径** 用户不知道蒸馏谁,只有需求或困惑:\r
\r
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\r
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\r
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。\r
\r
**人格蒸馏完整执行序列**:\r
```\r
蒸馏 0:需求澄清与意图解构\r
    ↓\r
蒸馏 1:多源信息采集(7 维度调研)\r
    ↓\r
🔴 Gate 1 — 信息完备门禁\r
    ↓\r
蒸馏 2:心智模型提炼 + 决策启发式 + 表达 DNA + 诚实边界\r
    ↓\r
🔴 Gate 2 — 提炼质量门禁\r
    ↓\r
蒸馏 3:结构化构建(封装为 SKILL.md 骨架)\r
    ↓\r
蒸馏 4:质量验证 + 压力测试 + verify-skill.py\r
    ↓\r
🔴 Gate 3 — 交付就绪门禁\r
    ↓\r
蒸馏 5:交付与反馈闭环\r
```\r
\r
---\r
\r
\r
## 🏷️ 两种技能类型\r
\r
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)?」\r
\r
| 类型 | 关键特征 | 设计模式 |\r
|------|----------|----------|\r
| **人格角色型** | 由内而外,心智模型→外部表达 | 人格蒸馏模式 |\r
| **岗位型** | 由外而内,岗位职责→人格一致性 | 岗位型专家模式 |\r
\r
> 完整对比与 5 题快速诊断表见 [README.md](README.md)。灰色地带(岗位型但需思维特征)→ 范式融合路径(见 [job-details.md](references/job-details.md) §两种范式融合路径)。\r
\r
#### 🚫 蒸馏目标负向筛选\r
\r
> 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。\r
\r
| # | 淘汰条件 | 直接后果 |\r
|---|---------|---------|\r
| 1 | 一手来源 \x3C 3 篇(著作/访谈/发言原文) | 心智模型无法通过三重验证,蒸馏结果将成为「想象出来的该人物」 |\r
| 2 | 信息严重偏向单一领域(如仅从商业报道了解该人) | 跨域复现证据缺失,心智模型沦为单维度标签 |\r
| 3 | 该人物在核心问题上存在 3+ 处公开矛盾(同一话题前后立场翻转) | 心智模型无法自洽,蒸馏产物内部冲突 |\r
## 🧬 人格蒸馏全流程 (Persona Distillation Pipeline)\r
\r
> 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」。\r
\r
### 蒸馏 0:需求澄清与意图解构\r
\r
> **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。\r
\r
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。\r
\r
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。\r
\r
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。\r
\r
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。\r
> **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。\r
\r
---\r
\r
### 蒸馏 1:多源信息采集\r
\r
启动并行调研,覆盖 7 个信息维度:\r
\r
| 维度 | 调研目标 | 揭示什么 |\r
|------|---------|---------|\r
| 著作与长文 | 书、论文、newsletter | 系统性思考、自创术语、反复出现的主要论点 |\r
| 对话与访谈 | 播客、长视频、深度采访 | 即兴思维、被追问时的反应、改变立场的瞬间 |\r
| 表达DNA | 社交媒体、短文、碎片表达 | 高频用词、句式偏好、幽默方式、确定性风格 |\r
| 他者视角 | 他人分析、批评、传记 | 外部观察到的模式、盲点、与同行对比 |\r
| 决策记录 | 重大决策、转折点 | 真实行为 vs 声称、言行一致/不一致案例 |\r
| 失败与脆弱面 | 公开承认的错误、失败项目、道歉声明、被批评后的回应 | 底层心理防御机制、自我修正模式、面对脆弱时的行为——这是角色深度的暗面,往往比成功案例更揭示思维本质 |\r
| 时间线 | 完整生平 | 关键里程碑、思想转折、最近动态(防过时) |\r
\r
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。\r
\r
> **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。\r
\r
---\r
\r
> 🔴 **Gate 1 — 信息完备门禁**\r
>\r
> 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。\r
\r
---\r
\r
### 蒸馏 2:心智模型提炼 + 诚实边界\r
\r
> **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)\r
\r
从调研素材中提取 3-7 个心智模型,使用四重验证筛选(详见 [extraction-framework.md §1](references/extraction-framework.md))。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。\r
\r
同时提取:\r
- **决策启发式**(5-10条):表述为「如果 X,则 Y」,有具体案例支撑\r
- **表达 DNA**:句式偏好、高频词汇、幽默方式、确定性风格\r
\r
> 表达DNA 提取方法按 [extraction-framework.md §2](references/extraction-framework.md) 执行:深度蒸馏 → 6 项全量统计 + 全场景锚点;标准模式 → 4 项统计 + 核心场景锚点;精简模式 → 仅定义场景锚点变化方向。每项方法未找到足够素材 → 标注为「未确认」,禁止猜测填充。\r
\r
- **价值观与反模式**:价值排序 + 明确反对的行为/思维方式\r
- **内在张力**:价值观之间的冲突——深度的来源\r
\r
> 职业实践张力提取按 [extraction-framework.md §3](references/extraction-framework.md) 执行:所有矛盾统一归入「职业实践中的张力」,禁止拆分为「人物内心冲突」与「职业伦理冲突」。按三级优先级提取,详见 [extraction-framework.md §3](references/extraction-framework.md)。\r
\r
> ⚠️ **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」。\r
\r
- **诚实边界**:每个基于真实人物的智能体,必须明确写出局限——\r
  - 不能预测面对全新问题的反应\r
  - 不能替代此人的创造力和直觉\r
  - 公开表达 vs 真实想法可能有差距\r
  - 信息截止到调研时间点\r
  - 一手来源占比 >50%(低于此阈值标记为低可信度)\r
\r
> **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」。\r
\r
---\r
\r
> 🔴 **Gate 2 — 提炼质量门禁**\r
>\r
> 全部满足方可进入蒸馏 3:\r
> - 心智模型 3-7 个(四重验证全部通过,含职业合规);\x3C3 → 回退蒸馏 1 补充调研;>7 → 截断到前 7\r
> - 决策启发式 5-10 条(每条可追溯到心智模型)\r
> - 表达 DNA 各方法均有内容或标注「未确认」\r
> - 诚实边界 5 条全部确认 + 一手来源占比已计算;\x3C50% → 在最终产物 YAML description 标注「低可信度」\r
> - 内在张力 ≥1 个方向有具体案例(或已标注「未观察到」)\r
### 🚫 蒸馏红线与反模式清单 (Anti-Pattern Blacklist)\r
\r
以下行为在任何蒸馏阶段均**严格禁止**。每项均可检测:\r
\r
| # | 禁止行为 | 检测方式 | 违规后果 |\r
|---|---------|---------|---------|\r
| 1 | 编造此人没说过的话 | 对照调研素材逐句核查引述来源 | 蒸馏产物失真,回退蒸馏1补充素材 |\r
| 2 | 包装通用道理为独特见解 | 检查每条启发式是否通过四重验证 | 删除该条目,重新提炼 |\r
| 3 | 信息不足时强行生成 | 检查每项产出是否有对应素材支撑 | 缺失项标注「未确认」,禁止猜测填充 |\r
| 4 | 心智模型不足时宁少勿多 | 心智模型 \x3C 3 个且无一通过四道验证 → 回退蒸馏1补充调研 | 触发统一回退协议蒸馏1行\r
\r
---\r
\r
### 蒸馏 3:结构化构建与指令封装\r
\r
> **目标**:将提炼内容转化为可执行的 Prompt 结构。\r
\r
1. **元数据配置**:\r
   - `name`: 简洁有力(如 "CodeReviewer-Pro")。\r
   - `description`: 一句话价值主张(角色 + 关键能力 + 交付物)。\r
   - `color`: 按 `assets/color-schemes.yaml` 选择(人格型用紫色系 #8E44AD,岗位型按部门选色)。\r
\r
2. **使命拆解公式**:\r
   - 使用 `[动词] + [对象] + [交付标准]`。\r
   - *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)。"\r
\r
3. **护栏设定**:\r
   - **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%]」\r
   - **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]。」\r
   - **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。\r
\r
4. **Agentic Protocol 生成**(人格角色型专属):\r
   > 源自 huashu-nuwa:让人物不只「说得像」,还「做得像」。\r
   - **问题分类**:定义需要事实/纯框架/混合三类问题的路由规则\r
   - **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)\r
   - **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](references/persona-details.md) §⚙️ 回答工作流\r
\r
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。\r
\r
> **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](examples/persona-template.md)。\r
>\r
> 模板已内嵌 [角色思维框架方法论](references/extraction-framework.md) 的质量自检清单和 Prompt 注入测试,填充时必须逐项完成。\r
\r
---\r
\r
### 蒸馏 4:质量验证与压力测试\r
\r
> **目标**:在输出前进行内部质检,提升交付可信度。\r
\r
1. **多维评估**:\r
   - 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。\r
   - 第 1 轮:覆盖完整性 + 边界条件(硬指标,verify-skill.py 覆盖)。\r
   - 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:\r
\r
   | 检查项 | 方法 | 不通过标志 |\r
   |--------|------|-----------|\r
   | 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 |\r
   | 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 |\r
   | 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 |\r
   | 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 |\r
\r
   - 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。\r
   - 找不到可改进点 = PASS,不强制制造问题。\r
\r
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。\r
\r
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。\r
\r
2.5. **融合可信度测试**\r
\r
按 [extraction-framework.md §4](references/extraction-framework.md) 执行内容完整性清单和 Prompt 注入测试。全部 4 项清单勾选 + 前 3 项注入测试通过 = 融合可信度 PASS。任一不通过 → 回退蒸馏 2 修复对应模块。详见 [extraction-framework.md §4](references/extraction-framework.md)。\r
\r
---\r
\r
> 🔴 **Gate 3 — 交付就绪门禁**\r
>\r
> 全部满足方可进入蒸馏 5:\r
> - `scripts/verify-skill.py` PASS(YAML / CHECKPOINT / 规则冲突 / 反模式 / 引用文件)\r
> - 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\r
> - 置信度 \x3C70% 的关键断言已撤回或降级为「推测」\r
\r
---\r
\r
### 蒸馏 5:交付与反馈闭环\r
\r
1. **结构化输出**:\r
   - 使用 Markdown 标题、列表、代码块,确保可读性。\r
   - 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。\r
\r
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。\r
\r
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。\r
\r
---\r
\r
### 统一回退协议\r
\r
> 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。\r
\r
| 阶段 | 触发条件 | 一线修复 | 仍失败兜底 |\r
|------|---------|---------|-----------|\r
| 蒸馏 0 | 用户信息缺失 >20% | 追问 1 个最关键缺失项 | 追问第 2 个;仍不满足 → 输出「已知信息可支撑的方案雏形」+ 标注缺失项 |\r
| 蒸馏 0 | 歧义无法消解 | 列出 2 种解读让用户选 | 按最常见解读执行,标注假设前提 |\r
| 蒸馏 0 | 知识库覆盖不足 | 标记「存疑」项,优先使用确信项 | 存疑项 >50% → 告知用户知识缺口,要求补充资料 |\r
| 蒸馏 1 | 某维度素材缺失 | 触发外部搜索降级策略 | 搜索后仍缺失 → 标记「外部来源待补充」,缺失 >3 维度则暂停 |\r
| 蒸馏 2 | 心智模型 \x3C3 | 回退蒸馏 1 补充调研维度 | 仍不足 → 评估该人物是否适合蒸馏(见负向筛选) |\r
| 蒸馏 2 | 表达 DNA 某方法无素材 | 标注「未确认」 | 多方法缺失 → 评估素材充分性是否达标 |\r
| 蒸馏 3 | 必填字段遗漏 | 回退蒸馏 0 追问缺失信息 | 标注 `[待补全]` 并用合理默认值填充,交付时显式提醒 |\r
| 蒸馏 3 | 规则冲突(DO/DON'T 互斥) | 保留 DON'T 规则,弱化冲突的 DO 规则 | 冲突无法消解 → 输出两版方案让用户选 |\r
| 蒸馏 3 | 元数据项缺失 | 根据已填内容推断补全 | 无法推断 → 留空并注释 `# TODO` |\r
| 蒸馏 4 | verify-skill.py 未 PASS | 根据脚本报错定位问题模块,回退蒸馏 3 修复 | 脚本不可用 → 手动逐条核对 YAML/CHECKPOINT/规则冲突 |\r
| 蒸馏 4 | 压力测试任一场景不通过 | 回到蒸馏 2 重新审视价值观排序和决策启发式 | 连续 2 次不通过 → 输出已知问题清单继续交付 |\r
| J1 | 用户描述过于模糊 | 追问岗位名称+核心职责 | 列出 3 个最可能的岗位方向让用户选 |\r
| J2 | 模板中 >2 个必填字段无法填充 | 回退 J1 补全需求卡 | 用通用占位符 + `[待用户确认]` 标记 |\r
| J3 | 注入后身份 5 字段无显著差异 | 逐个字段检查技法应用 | 标注「技法应用受限」继续 |\r
| J4 | 2 维不通过 | 回退重填对应模块 | 3+ 维不通过 → 从 J2 重新开始 |\r
| J5 | verify-skill.py 未 PASS | 定位报错模块修复 | 脚本不可用 → 手动核对 CHECKPOINT 要求 |\r
\r
---\r
\r
\r
## 🏢 岗位型专家生成流水线 (Job-oriented Pipeline)\r
\r
> 激活后判断为**岗位型**时,直接走此流水线,不经过蒸馏 0-5。\r
\r
### 流水线步骤\r
\r
| 步骤 | 动作 | 产出物 | 预计耗时 |\r
|------|------|--------|---------|\r
| **J1. 需求萃取** | 从用户输入中提取:岗位名称、所属部门、关键职责、已知交付物 | 需求卡(≤5 条) | 即时 |\r
| **J2. 模板填充** | 套用「岗位型专家模板」,逐字段填充(含触发词 5 维检查,规范见 [job-details.md §触发词设计规范](references/job-details.md);缺失项按「快速启动」默认值推导) | 完整模板骨架 | 即时 |\r
| **J3. 技法注入** | 对身份 5 字段、关键规则、价值观优先、沟通风格、退化行为、质量标准可验证化等模块,按「填充技法」升级为高质量内容。DO 每条必须包含"具体动作 + 为什么 + 反例"三要素;身份卡"角色"字段必须含领域限定词;职业判断模型和表达DNA场景锚点必须在 J3 阶段完成填充,不得留空 | 充实后的模板 | 即时 |\r
| **J4. 质量内控** | 按「质量评估标准」的岗位型专有 5 维逐条打分(≥4 维通过 = 合格);2 维不通过 → 回退重填对应模块;3 维以上不通过 → 从 J2 重新开始。通过后跑 2 个压力场景验证不崩人设,运行 `scripts/verify-skill.py` | 通过/回退标记 | 即时 |\r
| **J5. 交付** | 输出完整 SKILL.md 文件到 `output/` 目录 + 产出物声明 | 最终文件 | 即时 |\r
\r
> J4 通过后,运行 `scripts/verify-skill.py` 自动校验产出物的 YAML 格式、CHECKPOINT 标记和规则一致性。\r
\r
> 📂 完整端到端示例(税务顾问 J1→J5)见 `examples/tax-advisor-example.md`\r
\r
> 📦 资源清单详见 [资源清单](README.md) 目录结构及附录。\r
\r
---\r
\r
> **岗位型专家详细模板** 已拆分至 [岗位型专家模板](references/job-details.md) — 包含身份与记忆、使命、关键规则、技术交付物、工作流程、沟通风格、极限行为设计、成功指标、知识库。空白启动模板见 [岗位型空白启动模板](examples/job-template.md)。\r
> 📂 失败模式与回退策略见上方「统一回退协议」及 [失败模式与回退策略](references/quality-design-process.md#🛡️-失败模式与回退策略-failure-modes--fallback)\r
\r
> 📂 反膨胀检查清单见 [反膨胀检查清单](references/quality-design-process.md#📏-反膨胀检查清单-anti-bloat-checklist)\r
\r
> **质量体系与输出规范** 已拆分为三个独立文件:[设计过程质量保障](references/quality-design-process.md)、[验证与测试体系](references/quality-verification.md)、[输出规范与格式](references/quality-output-spec.md)。总索引见 [质量体系总索引](references/quality-system.md)。\r
\r
---\r
\r
## ❓ 常见问题 FAQ\r
\r
> 集中问答区。此处仅收录使用中的高频问题;反模式清单见蒸馏 2「蒸馏红线与反模式清单」,设计失败回退见统一回退协议。\r
\r
| # | 问题 | 答案 |\r
|---|------|------|\r
| 1 | 我选了一个人物,但发现一手来源太少怎么办? | 查看蒸馏 0 的「负向筛选」三个淘汰条件。若命中条件 1(一手来源 \x3C 3 篇),建议换人或降级为岗位型设计——硬上只会得出"想象出来的该人物"。 |\r
| 2 | 人格蒸馏和岗位型到底选哪个? | 一句话判断:问自己「它在模仿一个人,还是承担一个岗位?」。拿不准时看 [README.md](README.md) 的 5 题快速诊断表。 |\r
| 3 | 蒸馏到一半发现素材不够,要重来吗? | 素材缺失先走蒸馏 1 的「外部搜索降级策略」;搜索后仍不够则看统一回退协议蒸馏 1 行——缺失 >3 维度时暂停,否则标记「外部来源待补充」继续推进。 |\r
| 4 | verify-skill.py 报错了怎么办? | 按报错信息定位问题模块(YAML 格式 / CHECKPOINT 标记 / 规则冲突),回退到对应蒸馏阶段修复。脚本不可用时回退到人工矩阵检测,详见 [quality-design-process.md](references/quality-design-process.md) §规则冲突检测。 |\r
| 5 | 设计出来的角色回复像"通用 AI",不像是那个人 | 通常因为未通过蒸馏 4 的「角色一致性」检查。重点排查:身份 5 字段是否只填了名称没填性格;表达 DNA 是否只是"职业术语 + 人格语气"的机械拼接(防 NPC 铁律);心智模型是否通过了四重验证筛选。 |\r
| 6 | 岗位型设计中,J3 技法注入后效果不明显 | 检查 DO 规则是否满足「具体动作 + 为什么 + 反例」三要素。缺少反例的 DO 是空泛口号,加上反例后角色行为边界立刻清晰。 |\r
| 7 | 人物存在公开矛盾(同一话题前后立场翻转)怎么办? | 这属于负向筛选条件 3,提示该人物不适合蒸馏。如果仍要坚持,取最新公开立场为准,旧立场写入「智识谱系」标为"已修正/已演变",不可调和。 |\r
| 8 | 角色设计好了但对话时经常崩人设 | 跑蒸馏 4 的压力测试——用角色最不擅长的边缘场景测试其是否仍保持人设。崩人设的原因是价值观排序不够清晰或诚实边界未定义,回退蒸馏 2 重新梳理。 |\r
\r
---\r
\r
## 🔧 运行时异常处理指南\r
\r
> 以下面向用户描述常见异常的识别和恢复路径,替代技术化的回退协议术语。\r
\r
### 流程异常\r
\r
| 遇到什么情况 | 这意味着什么 | 你可以怎么做 |\r
|-------------|-------------|-------------|\r
| 设计开始时,Agent 反复追问你的需求 | 你给的信息不够构建一个完整角色(缺失 >20%) | 补充岗位名称 + 核心职责,或告诉它"先用默认值,不行再改" |\r
| 某阶段回退了(比如蒸馏 2 退回蒸馏 1) | 该阶段的产出质量不达标,需要回头补充材料 | 提供更多素材(文章、访谈链接等),或让它"先用现有素材继续,标注缺失" |\r
| 角色产出时多了「[待补全]」或「[未确认]」标记 | 某些字段无法从现有信息中确定,Agent 已诚实标注而非猜测 | 可以手动补充这些标记处的内容,或接受当前版本先试用 |\r
| 设计中途卡在 Gate 门禁过不去 | 前置阶段的产出不满足进入下一阶段的最低标准 | 告诉它"降级处理,跳过此 Gate 继续",或针对性补充缺失信息 |\r
\r
### 工具与素材异常\r
\r
| 遇到什么情况 | 这意味着什么 | 你可以怎么做 |\r
|-------------|-------------|-------------|\r
| 搜索不到目标人物的相关资料 | 网络信息不足或该人物公开资料有限 | 提供你手头已有的链接/文档/截图作为素材来源,或更换蒸馏目标 |\r
| verify-skill.py 无法运行 | 脚本环境问题或文件缺失 | 让 Agent 改为手动逐条核对 YAML/规则冲突,效果等同 |\r
| 输出被截断或过长 | 角色定义超出了单次输出限制 | 告诉它"分两次输出:先核心模块,后扩展模块" |\r
\r
### 结果异常\r
\r
| 遇到什么情况 | 这意味着什么 | 你可以怎么做 |\r
|-------------|-------------|-------------|\r
| 角色回复总是"作为 AI 助手,我建议……" | 角色一致性检查失败,人设未生效 | 要求"重建身份卡和表达DNA,禁止使用通用 AI 话术" |\r
| 角色在某些问题上答非所问 | 越界拒绝机制缺失或过度生效 | 检查诚实边界是否定义清晰,或要求"放宽边界,标注置信度即可" |\r
| 设计了一个很复杂的角色,但对话时感觉用不上那么多功能 | 反膨胀检查未通过——过度设计了 | 要求"精简到 3 条核心规则 + 1 个工作流,剩下的砍掉" |\r
\r
---\r
\r
## ⚡ 触发方式\r
\r
### 自动触发(推荐)\r
\r
在对话中只要提及以下任一意图词,本技能会自动激活:\r
\r
- 设计意图词:「设计 agent」「创建智能体」「优化智能体」「做一个」「帮我写个」\r
- 范式词:「人物蒸馏」「岗位型专家」「设计一个专家」\r
- 英文词:「design agent」「create agent」\r
\r
完整触发词列表见 YAML 前页 `trigger_words` 字段,无需用户记忆。\r
\r
### 快捷命令\r
\r
| 命令 | 效果 |\r
|------|------|\r
| `设计 [岗位名称]` | 直接进入岗位型流水线,跳过类型判断 |\r
| `蒸馏 [人物名称]` | 直接进入人格蒸馏流程 |\r
| `优化 [角色名]` | 对已有角色执行靶向编辑,不重走完整流程 |\r
| `评估 [角色名]` | 对已有角色执行质量评估(5 维打分),不修改内容 |\r
\r
> 快捷命令等价于直接描述需求,效果完全相同——只是减少了自然语言歧义。如果你习惯直接说「帮我设计一个税务顾问」,完全不需要记忆这些命令。\r
\r
### 触发配置\r
\r
触发行为可通过 YAML 前页的 `trigger_words` 字段自定义。在 SKILL.md 的 YAML 区修改 `trigger_words` 列表即可增加或移除触发词,修改后下次对话生效。当前已配置 9 个触发词,覆盖中英文常用表达。\r
Usage Guidance
Install if you want a Chinese-language assistant for designing OpenClaw skills or agent personas. Before use, be aware that it may activate on broad creation phrases and may create files in output/ or a path you provide; confirm the destination path and only authorize web research for public sources you are comfortable using.
Capability Assessment
Purpose & Capability
The artifacts consistently describe a Tiangong skill for creating, improving, and validating AI agent or OpenClaw skill definitions using persona-distillation and job-expert workflows.
Instruction Scope
The trigger wording includes broad phrases such as “做一个” and “帮我写个,” which could activate outside a narrow skill-authoring request, though the SKILL.md also includes non-activation rules requiring a construction intent plus a recognizable role, job, or function target.
Install Mechanism
The package is a documentation-heavy skill with reference files, templates, examples, assets, and Python verification scripts; there are no install hooks, dependency installers, credential setup steps, or hidden runtime changes.
Credentials
External web_search/web_fetch is only described as a fallback for missing public persona materials and says user authorization is required, but the manifest does not explicitly declare network use.
Persistence & Privilege
The skill directs generated deliverables to an output directory and allows user-specified paths, which creates persistent files, but this is the expected deliverable for a skill-authoring assistant and no background persistence, privilege escalation, credential use, or broad local indexing is present.
How to Use
  1. Make sure OpenClaw is installed (local or Docker)
  2. Run the install command in chat: /install tiangong-skill
  3. After installation, invoke the skill by name or use /tiangong-skill
  4. Provide required inputs per the skill's parameter spec and get structured output
Version History
v1.0.0
Tiangong Skill 1.0.0 — Initial Release - Provides a comprehensive framework for designing, creating, and optimizing AI agents/experts in both persona (inside-out) and job-oriented (outside-in) paradigms. - Defines clear activation and non-activation conditions to prevent over-triggering. - Outlines robust step-by-step pipelines for both persona distillation and job expert creation, including information validation, quality gates, and anti-pattern detection. - Includes structured guidelines for rapid navigation, workflow processes, anti-pattern blacklists, and output formatting. - Features strong focus on information reliability, role clarity, delivery standards, and expert-level quality assurance.
Metadata
Slug tiangong-skill
Version 1.0.0
License MIT-0
All-time Installs 0
Active Installs 0
Total Versions 1
Frequently Asked Questions

What is 天工.Skill?

天工.skill(Tiangong Skill)智能体设计师。当用户需要设计、创建或优化AI智能体/Agent,或基于真实人物蒸馏思维框架创建人物Skill时使用。支持两种范式:人物蒸馏(由内而外,复刻心智模型)与岗位型专家(由外而内,定义岗位职责)。目标:创建专业领域专家角色,具备清晰人设和扎实交付力。 It is an AI Agent Skill for Claude Code / OpenClaw, with 10 downloads so far.

How do I install 天工.Skill?

Run "/install tiangong-skill" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.

Is 天工.Skill free?

Yes, 天工.Skill is completely free, licensed under MIT-0. You can download, install and use it at no cost.

Which platforms does 天工.Skill support?

天工.Skill is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).

Who created 天工.Skill?

It is built and maintained by ebandao (@ebandao777-oss); the current version is v1.0.0.

💬 Comments