/install compose-methods
\r \r
Compose Methods — 清单法与样本法\r
\r
核心理念\r
\r 任何成品都可以通过两种基本范式生成:\r \r | 范式 | 原理 | 类比 |\r |------|------|------|\r | 清单法 | 成品 = 基本组件的组合 | 搭积木:先有零件清单,再逐项组装 |\r | 样本法 | 成品 = 对样本的模仿产出 | 临摹:先有范本,再依样产出 |\r \r
方法选择\r
\r 用户决定使用哪种方法。 触发后,向用户展示选择:\r \r
用户要求生成「{成品类型}」,请选择构成方式:\r \r | | 清单法 | 样本法 |\r |---|--------|--------|\r | 方式 | 列出组件清单 → 逐项填充 → 组装 | 获取样本 → 分析结构风格 → 模仿产出 |\r | 适合 | 结构明确、组件清晰的成品 | 有高质量同类样本可参考的成品 |\r | 输入 | 组件清单(用户直接提供 / AI提议确认 / 网络搜索) | 样本模板(用户直接提供 / 网络搜索) |\r \r 用户可任选其一,也可明确指定两种方法结合使用(如样本法定框架 + 清单法填内容)。未经用户确认,不得自动组合。\r \r
清单法工作流\r
\r
1. 确认成品目标\r
\r 明确用户要生成什么类型的成品,确定成品的用途、受众、规模。\r \r
2. 构建组件清单\r
\r 按优先级获取清单:\r \r | 优先级 | 来源 | 操作 |\r |--------|------|------|\r | 1 | 用户直接提供 | 用户在对话中给出清单 |\r | 2 | AI 提议 | AI 根据成品目标生成清单草案,请用户确认或修改 |\r | 3 | 网络搜索 | AI 搜索同类成品的通用组件结构 |\r \r 清单要求:\r
- 覆盖成品的全部必要组成部分,不遗漏\r
- 每个组件有明确的定义和范围\r
- 组件间无重叠、无歧义\r
- 标注组件间的依赖关系和组装顺序\r \r
3. 逐项填充\r
\r 按清单顺序逐项生成每个组件的内容:\r
- 用户直接提供该组件内容\r
- AI 根据组件定义和成品目标生成内容\r
- 网络搜索获取该组件相关的专业素材\r \r
4. 组装成品\r
\r 将所有组件按清单结构组装为完整成品,确保:\r
- 组件间衔接自然流畅\r
- 整体风格和调性统一\r
- 符合成品目标的所有要求\r \r
5. 用户审核\r
\r 向用户展示成品,请用户审核并确认是否需要调整。\r \r
样本法工作流\r
\r
1. 确认成品目标\r
\r 明确用户要生成什么类型的成品,确定成品的用途、受众和期望风格。\r \r
2. 获取样本\r
\r 按优先级获取样本:\r \r | 优先级 | 来源 | 操作 |\r |--------|------|------|\r | 1 | 用户直接提供 | 用户上传样本文件或在对话中粘贴样本内容 |\r | 2 | 网络搜索 | AI 搜索同类高质量样本 |\r \r 样本选择原则:\r
- 与目标成品类型一致\r
- 质量高、结构完整、风格明确\r
- 成品内容庞大时,优先使用中间产物作为样本(如大纲、结构模板、段落框架、目录结构),而非完整的最终成品\r
- 样本应涵盖目标成品需要模仿的核心特征\r \r
3. 分析样本\r
\r 解析样本的四个核心维度:\r \r | 维度 | 分析内容 |\r |------|----------|\r | 结构 | 整体框架、章节/段落组织方式、层级关系 |\r | 风格 | 语言风格、表达方式、语气调性、专业术语使用 |\r | 逻辑 | 内容编排逻辑、论证方式、信息密度 |\r | 格式 | 排版格式、标题层级、列表样式、视觉元素 |\r \r 将分析结果整理为「样本特征摘要」,供后续模仿产出参考。\r \r
4. 模仿产出\r
\r 基于样本特征摘要,产出目标成品:\r
- 保持样本的结构框架和编排逻辑\r
- 保持样本的风格和调性\r
- 用目标成品的实际内容替换样本内容\r
- 确保整体连贯性和一致性\r \r
5. 用户审核\r
\r 向用户展示成品,请用户审核并确认是否需要调整。\r \r
网络搜索策略\r
\r 当需要通过网络搜索获取清单或样本时:\r \r
- 构造精确搜索词:使用「成品类型 + 模板/结构/范例/样本/清单」的组合\r
- 优先搜索来源:\r
- 行业标准文档\r
- 专业机构发布的模板\r
- 高质量公开范例\r
- 知名平台的同类内容\r
- 验证搜索结果:确认获取的清单/样本质量是否达标,不达标则重新搜索\r
- 尊重版权:模仿产出时不直接复制样本内容,仅借鉴结构和风格\r \r
与其他技能的关系\r
\r 此技能是方法论层技能,不替代领域专业技能:\r \r
- 当用户要求生成文档时,此技能指导构成方式,文档专业技能(如 docx/pdf 技能)处理具体文件格式\r
- 当用户要求生成代码时,此技能指导构成方式,具体编码由 AI 通用能力处理\r
- 当用户要求生成演示文稿时,此技能指导构成方式,pptx 技能处理具体格式\r \r 此技能只定义"如何组织内容",不定义"如何输出格式"。\r
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install compose-methods - 安装完成后,直接呼叫该 Skill 的名称或使用
/compose-methods触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
Compose Methods 是什么?
通用内容构成方法论技能,提供清单法和样本法两种范式来生成任意类型的结构化成品。当用户要求生成文档、方案、代码、报告、演讲稿、商业计划书等结构化内容,且明确提到清单法、样本法、组件、样本、模板、模仿等关键词,或要求生成结构化成品但未指定生产方式时触发。此技能不替代领域专业技能,而是在用户选择后指导AI执行对应的构成... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 92 次。
如何安装 Compose Methods?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install compose-methods」即可一键安装,无需额外配置。
Compose Methods 是免费的吗?
是的,Compose Methods 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
Compose Methods 支持哪些平台?
Compose Methods 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 Compose Methods?
由 波动几何(@wangjiaocheng)开发并维护,当前版本 v1.0.0。