agentleFS
meow7758meow7758/claude-code-toolkit/.claude/skills/nuwa-consult-advisor/SKILL.md

nuwa-consult-advisor

Skill1 starsChanged 7 months agoMITView on GitHub

女娲顾问蒸馏器:把人物/主题的思维框架蒸馏成 consult 可调用的 Claude Code subagent, 输出 `.claude/agents/consult-*.md` 与对应 manifest 注册信息,而不是传统 perspective skill。 适用于「蒸馏某个名人成顾问」「给 consult 增加一个新人物」「把人物思维方式做成可圆桌讨论的 subagent」。

The file

Files
SKILL.md

女娲顾问蒸馏器

你不是在造一个普通 skill,而是在生产 consult 平台的顾问资产。

最终目标:

  • 生成一个 consult-compatible advisor agent 文件
  • 生成对应的 manifest entry
  • 让该顾问通过验证后能进入 consult 的单聊 / 并行 / discuss 模式

核心产物

本 skill 的标准输出不是 .claude/skills/*-perspective/SKILL.md,而是:

  1. .claude/agents/consult-<slug>.md
  2. consult manifest entry(写入 .claude/skills/consult/references/advisor-manifest.json)
  3. 本次蒸馏的 research / source / audit 文件(保存在当前 skill 工作目录下)

绝不允许只输出一段人物 prompt 或一份普通 markdown 分析就结束。


先读哪些契约

开始前必须读取:

  • .claude/skills/consult/references/advisor-contract.md
  • .claude/skills/consult/references/advisor-manifest.json
  • .claude/skills/nuwa-consult-advisor/references/agent-template.md
  • .claude/skills/nuwa-consult-advisor/references/manifest-entry-template.json
  • .claude/skills/nuwa-consult-advisor/references/source-packet-template.md

这些文件决定了顾问资产的目标格式。若不先读,后续输出大概率会不兼容。


执行流程

Phase 0: 入口识别

用户输入可能是:

  • 明确人物:例如「蒸馏芒格」「做一个乔布斯顾问」
  • 模糊需求:例如「我想要一个更会做战略判断的人物顾问」

处理规则:

  • 明确人物 → 直接进入 Phase 0A
  • 模糊需求 → 先推荐 2-3 个候选人物,再让用户选 1 个进入 Phase 0A

Phase 0A: 蒸馏边界确认

最少确认四件事:

  • 人物是谁
  • 想聚焦的维度(全画像 / 决策 / 产品 / 内容 / 商业 等)
  • 用途是否是 consult 顾问
  • 是新建还是刷新已有顾问

用户没补充时默认:全画像 + consult 顾问 + 新建。

Phase 0.5: 建立工作目录

在当前 skill 目录下创建工作区:

.claude/skills/nuwa-consult-advisor/workbench/<slug>/

建议结构:

workbench/<slug>/
├── research/
│   ├── 01-writings.md
│   ├── 02-conversations.md
│   ├── 03-expression-dna.md
│   ├── 04-external-views.md
│   ├── 05-decisions.md
│   └── 06-timeline.md
├── sources/
├── source-packet.md
└── build-notes.md

所有中间产物必须保存在当前 vault 内,不能散落到 vault 外。

Phase 1: 多源调研

延续 Nuwa 原方法,但目标改成“顾问资产”而不是“perspective skill”。

优先信息源:

  • 本人著作 / 长文 / 长访谈
  • 公开决策记录
  • 播客 / 长视频 / AMA
  • 高质量二手分析

黑名单:

  • 知乎
  • 微信公众号
  • 百度百科 / 百度知道

Phase 1.5: Source Packet 组装

将调研汇总到 source-packet.md,结构必须至少包含:

  • 人物简介
  • 关键时期与转折
  • 3-7 个候选心智模型
  • 5-10 条候选启发式
  • 表达 DNA
  • 价值观 / 反模式 / 内在张力
  • 最近动态
  • 明确信息不足点

Phase 2: 顾问化提炼

你提炼的不是“像他说话”,而是“让他能作为顾问稳定回答问题”。

必须完成:

  • 3-7 个高排他性的心智模型
  • 5-10 条可执行启发式
  • 可运行的表达风格,必须包含:
    • 至少 3 条语气特征(每条带示例句)
    • 至少 5 条口头禅(每条标注使用场景)
    • 至少 3 种结尾收束句式(每种带结构说明和示例)
    • 标准回答结构模板(开场→推进→收束的具体模式)
    • 至少 3 种比喻偏好(每种标注适用问题类型)
  • 清晰的边界约束
  • discuss 模式下可对质、可回应、可让步的协作规则

Phase 3: 构建顾问资产

读取 agent-template.md 和 manifest-entry-template.json。

必须生成:

  • .claude/agents/consult-<slug>.md
  • manifest entry(先以 validation_status: pending 生成,只有通过 validator 才能改为 passed)

Phase 4: 顾问资产自检

检查以下问题:

  1. agent frontmatter 是否完整?
  2. 是否包含 consult agent 必需 section?
  3. manifest entry 是否与 agent 文件一致?
  4. artifact_name 是否可稳定用于 discuss 文件命名?
  5. 这份产物是否真的能被 consult 调用,而不是只像一个写得漂亮的人物介绍?

Phase 5: 交付

交付时必须显式说明:

  • 生成了哪个 agent 文件
  • 对应 manifest entry 是什么
  • 还有哪些验证未完成

如果还没完成 validator,不能宣称顾问已正式入 roster。


混合输入源规则

本 skill 必须支持三类输入同时存在:

  1. 公开资料:网页、视频、播客、书籍、访谈
  2. 本地资料:Obsidian 笔记、Markdown、用户已有素材
  3. 手动校正材料:用户指定的禁止风格、希望突出的角度、要避开的误读

优先级:

  • 事实层:公开资料 / 本地原始材料优先
  • 风格修正层:用户手动校正优先

不允许忽略用户的手动校正材料。


绝不做的事

  • 不要只产出普通人物 skill
  • 不要把 consult 路由规则硬编码进 agent 正文
  • 不要跳过 manifest entry
  • 不要未经校验就把 validation_status 写成 passed
  • 不要省略 discuss section
  • 不要把中间 research 文件写到 vault 外

成功标准

一次成功的运行,至少满足:

  • 产出落在 .claude/agents/consult-<slug>.md
  • 产出兼容 .claude/skills/consult/references/advisor-contract.md
  • 生成了可注册的 manifest entry
  • 中间 research/source packet 可追溯
  • 顾问能被后续 validator 与 consult 平台消费

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.