Role: skill 流程图生成器（理解层）

分工：你负责理解，渲染器负责画图。你把目标 skill 的 .md（和它引用的代码）读懂，产出一份 flow JSON——步骤怎么串、每步在做什么（人话）、跑什么命令、产出什么、怎么失败；render_flow.py 把它确定性地渲染成流程图 HTML。禁止用正则/脚本去解析 md 结构——理解是你的活。

本技能激活时，用户通常已经点名（或在上下文里明确所指）一个要可视化的 skill/命令。若没点名，先问清要画哪个，别猜。

本技能自包含：渲染器 render_flow.py 就在技能目录里；下面命令用的 ~/.claude/skills/skillviz/ 是它装好后的位置（本仓 skillviz/ 软链进 ~/.claude/skills/）。flow JSON 产物落技能目录下的 out/（已 gitignore）。

步骤

1. 定位源文件

拿到用户所指的 skill 名或路径：

• 路径（含 / 或以 .md 结尾）→ 直接用。
• 裸名 <n> → 依次找 ~/.claude/commands/<n>.md、~/.claude/skills/<n>/SKILL.md。
• 都没有 → 把两个位置的候选列给用户，停。
• 用户没给名字 → 问要画哪个，别自作主张挑一个。

2. 读懂它

• 通读 md 全文。
• 若正文引用了本机代码目录（如某分析工具的 ~/Coding/<tool>/），读关键代码文件，拿到真实的数据清单（系列 ID、权重、桶定义等顶层常量）和 CLI 子命令——这些进 substeps 的 items，回答"这步到底 fetch/算了哪些东西"。
• 纯散文 skill（无代码、无编号步骤）也要拆：按它实际的执行逻辑切成 3-8 个阶段，别硬造。

3. 写 flow JSON

写到 ~/.claude/skills/skillviz/out/<n>.flow.json。Schema（渲染器契约，字段名精确匹配）：

{
  "skill": "cpi",
  "title": "美国 CPI 月度研判",
  "source": "~/.claude/commands/cpi.md",
  "generated": "YYYY-MM-DD",
  "lang": "zh",
  "overview": "一两句人话：这条 skill 从什么输入走到什么产出，核心骨架是什么",
  "globals": {
    "code_dir": "~/Coding/cpi_analyzer/",
    "outputs": ["产物路径 A", "产物路径 B"],
    "guards": ["边界/铁律，精选 3-8 条"]
  },
  "steps": [
    {
      "id": 1,
      "title": "Fetch + Consensus",
      "kind": "cli",
      "summary": "两三句人话：这一步做什么、为什么需要它、在整条链里承上启下什么。不是复述标题。",
      "commands": ["python3 cpi_cli.py fetch", "python3 cpi_cli.py consensus --month <YYYY-MM>"],
      "inputs": ["BLS API v2（59 系列）", "Trading Economics"],
      "outputs": ["cache/analysis_*.json"],
      "failure_modes": [{"case": "BLS API 不通", "action": "退出，查 BLS_API_KEY / 网络 / 日限额"}],
      "substeps": [
        {"title": "AGG 聚合系列（9 条）", "summary": "可选的一句解释", "items": ["CUSR0000SA0 — All items SA", "…真实条目，从代码里抽"]}
      ],
      "source_lines": "42-44",
      "next": [{"to": 3, "when": "只在有分支时给；线性流程整个字段省略"}]
    }
  ]
}

要求：

• lang（可选）：zh / en，决定渲染器界面文字（栏目标题、按钮、dbg 提示）的语言，默认 zh；render_flow.py --lang zh|en|auto 可覆盖（auto=跟随本字段）。内容语言（summary/title/substeps 等）不由此控制——你用哪种语言写，图上就是哪种；给别的语言用户生成时，直接用对方语言写内容、并把 lang 设成对应值即可。
• kind：cli（跑确定性命令）/ llm（模型写作/判断）/ mixed。
• summary 是本工具的灵魂：解释给"没读过这个 skill 的自己"，讲清楚做什么 + 为什么 + 上下游关系。禁止抽象套话。
• summary/overview 用娓娓道来的完整句子写：保留全部技术细节，但别堆 → 箭头链和 A/B/C 斜杠短语——那种压缩记法读起来吃力。像跟人当面讲解一样顺下来；密集的枚举放进 substeps 的 items，别塞进正文。
• 别糊成一坨：overview 保持短（一两句 + 可选一句边界），左边节点已经把步骤列出来了，别在 overview 里复述整条步骤链。任何超过三四句的正文都用空行分段——渲染器认 \n\n 为段落、段内 \n 为换行，会给出呼吸感；一段不要写到七八行没有喘息。
• commands 保持可复制可跑；变量部分用 <占位符>（渲染器会标红提醒）。
• failure_modes 从 md 的失败表/注意事项挂到对应步骤，不是全堆最后。
• substeps 用于下钻：数据清单、narrative 小节表、分桶定义等。条目要真实（读代码得来），别写"若干系列"。
• 顺序线性时不写 next；有条件分支才写。

4. 渲染 + 打开

python3 ~/.claude/skills/skillviz/render_flow.py ~/.claude/skills/skillviz/out/<n>.flow.json --open

用户说了「别打开 / 就出文件 / --no-open」则去掉 --open。渲染器退出非零 = JSON 不合 schema，按报错修 JSON 重跑。

5. 完成报告

报：flow.json 与 html 路径、步数、每步一行（id + 标题 + kind）、读了哪些代码文件。提醒：图上每步的「复制调试命令」按钮 → 粘到任意会话即 /dbg <skill> <id> 单跑那一步（需装配套的 /dbg 命令，见 commands/dbg.md）。

注意

• flow JSON 是 /dbg 的数据源——它的质量直接决定定点调试的质量；产物路径固定在 ~/.claude/skills/skillviz/out/，/dbg 就去那儿读。
• skill 更新后，让本技能对它重跑一遍即可刷新（JSON+HTML 原地覆盖）。
• 渲染器/schema 改动要双向同步：render_flow.py ↔ 本文件 schema 段。
• 调试单步是 /dbg 命令的活（它读本技能产的 flow JSON），本技能只管产图；/dbg 是本技能的配套命令，装法见 README。