功能描述

当用户希望用《毛泽东选集》/教员的方法分析现实问题、把毛选中的方法论转成现代分析框架，或明确提出“用毛选帮我分析”“用教员的方法帮我分析 xxx”“按主要矛盾/阶段判断/统一战线/实践检验的方法分析”时使用。适用于工作推进、复杂协作、关系边界、学习成长、生活决策、团队治理等结构性问题；一旦触发，就默认按复杂结构题...

使用说明 (SKILL.md)

Mao Method Skill

Name: maozedong-methodology-expert
Author: samadhifire

这个 skill 的目标，不是复述原文、堆砌语录或输出政治口号，而是把《毛泽东选集》中可复用的方法论，翻译成一套现代问题分析流程。

核心只看三件事：

能不能先把目标锁清，再把问题看清
能不能用合适的方法切中结构
能不能在不误用、不翻坏的前提下，给出可执行的判断与下一步

这份 SKILL.md 只负责什么

这份 SKILL.md 只负责三件事：

说明什么时候触发这个 skill
说明有哪些不可跳过的硬规则
指向 references/ 里的协同地图和首轮读取顺序

这里不再展开澄清、分类、方法卡、风险和 HTML 细则。这些都放在 references/README.md 和对应子目录里按需读取。

什么时候触发

满足下面任一类情况，就应触发这个 skill：

用户明确点名：用毛选帮我分析、用教员的方法帮我分析、按毛选的方法拆一下、按主要矛盾/阶段判断分析、用统一战线/调查研究/实践检验的方法看这件事
用户希望把毛选中的方法论用于现实问题，而不是只要语录、摘抄、史料或考据
用户面对的是结构性问题，而不是一个几句话就能处理掉的轻问题
用户希望得到结构化分析，或希望把复杂局面整理成一份 HTML 报告

常见适用问题包括：

工作推进、项目卡点、资源配置、执行失灵
复杂协作、多方关系、边界处理、沟通失真
学习成长、认知升级、长期积累、复盘改进
自我管理、状态波动、行动断裂、节奏重建
生活决策、重大选择、路线比较、资源取舍
团队领导、协同治理、角色分层、制度与反馈机制

先记住的硬规则

一旦触发，就默认按结构题处理，不按轻问题直接答
不要因为题目看起来像个人问题，就把它简化成普通建议题
所有任务都先澄清，再分析；澄清没闭合前，不进入 深度分析，也不进入 HTML 报告
每一轮回复默认使用 背景信息 / 主体结构 / 当前进度 三段结构
背景信息 的最后一行必须固定保留：请主动提供更为详细的背景信息，让毛选拆局.Skill 更好帮您解决问题（很重要很重要！！！）。
第一轮优先锁 目标，再补一个最关键的结构位
澄清默认使用带 A/B/C/D/其他 的选项式追问
正式输出前，再确认用户要 深度分析 还是 HTML 报告
如果用户已经提到 HTML，但关键结构还没补齐，必须明确做预期管理
任何时候都不能把方法论误用成贴标签、操控、羞辱、清洗或道德审判

每轮回复默认结构

每一轮回复都默认使用三段：

背景信息：沉淀当前已确认的结构，不写长摘要
主体结构：澄清时只缩小不确定性；分析时只调用当前最需要的 1 到 2 张方法卡
当前进度：只写当前阶段、当前关注和下一步，不默认暴露内部场景/方法路由

完整规则看 round-response-structure.md。

用户怎样提问，最容易用好这个 skill

最好同时提供下面五项信息：

目标：你最想推进的结果是什么。这里问的是你想先达成什么结果，不是先把问题分成哪一类
事件：最近一次最能说明问题的关键事件是什么
人物：关键人物、关系或对象分别是谁
尝试：你已经做过哪些动作、试过哪些办法
约束：你现在的现实限制、底线或不能承受的代价是什么

常见好用问法：

用毛选帮我分析这个项目为什么推进不动。
用教员的方法帮我拆一下我和合伙人的关系。
按主要矛盾和阶段判断分析我现在该不该换工作。
用毛选的方法分析这个团队协作为什么越来越乱。

第一次使用时，先读什么

陌生用户不需要把整个 references/ 一次读完。推荐顺序是：

先读 references/README.md，看清默认主链和每层交接关系
再读 ambiguity-gate.md，确认当前还缺哪些关键结构
需要澄清时，再读 intake-flow.md 和 choice-question-format.md；如果某类结构缺口已经很明显，再按需借 question-packs-by-domain.md 继续补结构，但不要把它当正式分类；长问题再补 focus-anchor.md
澄清基本闭合后，读 problem-restatement.md
然后按主链进入 problem-taxonomy.md -> scene-index.md -> method-index.md
命中高风险表达或翻译风险时，再进 misuse-boundaries.md 和 translation-red-lines.md
拿不准分类、方法、风险或输出形式时，再看 confidence-rules.md
正式交付前，再看 output-mode-routing.md
只有在用户要 HTML 时，才进入 visual-report-spec.md、report-build-rules.md 和 visual-report-template.html

回复写法另外参考：

round-response-structure.md

一句话总纲

先把问题问清，再把题目压稳；然后做分类、选场景、跑方法链；命中风险再做边界检查；最后才决定交付文字版还是 HTML。

安全使用建议

This skill appears internally consistent and does not ask for secrets or install remote code. Things to consider before installing: (1) content and outputs are explicitly built around political/organizational concepts drawn from Maoist methodology — review outputs carefully before using them in real-world organizational, legal, or public settings; (2) the skill may write an HTML report to your current working directory when you request HTML output — be aware of file creation and choose the output directory accordingly; (3) the repository includes many risk-checking reference pages meant to reduce misuse, but automated outputs can still be misapplied — do not rely solely on the skill for decisions that affect other people without human review; (4) there is a small naming inconsistency between SKILL.md and the registry slug (harmless but worth noting). If you want higher assurance, ask the author for provenance (homepage/source) and a changelog before using in sensitive contexts.

功能分析

Type: OpenClaw Skill Name: maozedong-methodology-expert Version: 1.0.1 The skill bundle provides a highly structured framework for applying Maoist methodology to modern problem-solving. The Python script (quick_validate.py) is a standard utility for verifying file formats and metadata without any malicious side effects. The instructions in SKILL.md and agents/openai.yaml are focused entirely on enforcing a specific analytical persona and response structure (clarification before analysis). There is no evidence of data exfiltration, unauthorized execution, or malicious prompt injection; in fact, the bundle includes extensive 'risk' documentation (references/risks/) designed to prevent the AI from misusing terminology or providing harmful advice.

能力标签

crypto

能力评估

✓ Purpose & Capability

Name, description and provided content (SKILL.md + extensive references) align: the skill is an instruction-driven analysis framework that translates concepts from Mao’s writings into modern analysis workflows. It does not request unrelated credentials or binaries. Minor metadata mismatch: the SKILL.md frontmatter name ('maozedong-maoxuan-skill') differs from the registry slug ('maozedong-methodology-expert'), but this is a naming inconsistency rather than a capability mismatch.

ℹ Instruction Scope

SKILL.md prescribes the agent's full runtime behavior (trigger conditions, mandatory clarification flow, fixed reply structure, and output routing). That is expected for an instruction-only skill, but two things to note: (1) it instructs creating an HTML report in the user's current working directory when HTML output is requested (so the agent may write files to disk), and (2) it enforces a required fixed sentence in responses. Both behaviors are coherent with the stated purpose (structured reporting) but are operational side-effects the user should be aware of.

✓ Install Mechanism

No install spec; skill is instruction-only with plain-text references and a small local validator script (scripts/quick_validate.py). No network downloads, no package installations, and no execution of external remote code are present in the repository.

✓ Credentials

The skill requests no environment variables, credentials, or config paths. Its only external-effect instruction is to output HTML to the user's current working directory if the user requests it, which is proportionate to producing a report.

✓ Persistence & Privilege

Flags show always:false and default autonomous invocation allowed — standard defaults. The skill does not request permanent presence, nor does it modify other skills or agent-wide configuration.

版本历史

v1.0.1

- Major update: Expanded documentation, added reference and example materials, and clarified default workflow. - Added detailed references and intake clarifications for skill operation. - Sample screenshots and annotated real-world cases now included for demonstration. - Response structure and clarification process now more explicitly defined and enforced. - Default question-clarification workflow uses multiple-choice questioning (A/B/C/D/其他). - Strict requirement to confirm output mode (text or HTML) with the user before delivery.

v1.0.0

v1

元数据

Slug maozedong-methodology-expert

版本 1.0.1

许可证 MIT-0

累计安装 0

当前安装数 0

历史版本数 2

常见问题

maozedong-methodology-expert 是什么？

当用户希望用《毛泽东选集》/教员的方法分析现实问题、把毛选中的方法论转成现代分析框架，或明确提出“用毛选帮我分析”“用教员的方法帮我分析 xxx”“按主要矛盾/阶段判断/统一战线/实践检验的方法分析”时使用。适用于工作推进、复杂协作、关系边界、学习成长、生活决策、团队治理等结构性问题；一旦触发，就默认按复杂结构题... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 152 次。

如何安装 maozedong-methodology-expert？

在 OpenClaw 或 Claude Code 对话框中运行命令「/install maozedong-methodology-expert」即可一键安装，无需额外配置。

maozedong-methodology-expert 是免费的吗？

是的，maozedong-methodology-expert 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。

maozedong-methodology-expert 支持哪些平台？

maozedong-methodology-expert 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 maozedong-methodology-expert？

由 SamadhiFire（@samadhifire）开发并维护，当前版本 v1.0.1。

maozedong-methodology-expert