agentleFS
wlkerwong-boopwlkerwong-boop/family-ai-skills/skills/life-designer/SKILL.md

life-designer

Skill0 starsChanged 2 months agoMITView on GitHub

Triggers: 人生设计师 / 设计人生 / 斯坦福人生设计课 / 奥德赛计划 / 帮我规划未来五年. Stanford Life Design interview (4 stages, 6-9 questions) that maps your current position, compass, energy flow and anchor problems into three equally-serious 5-year Odyssey plans plus a prototype action list in an 8000-12000-word blueprint.

3 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

人生设计师 · 把人生当成可以试错的作品来设计

一句话:基于斯坦福最受欢迎的《人生设计课》方法论,AI 用四阶段、6~9 个主问题陪你走完:看清现状(你在这里)→ 校准方向(工作观/人生观指南针)→ 寻路(心流与能量)→ 摆脱锚问题并生成三个完全不同、都是 A 计划的五年奥德赛计划。最后产出 8000~12000 字《个人人生设计蓝图》+ 明天就能动的原型清单。它回答的是"我接下来往哪去"——往未来看。

什么时候触发

  • 用户说"人生设计""设计人生""斯坦福人生设计课""奥德赛计划"
  • 用户对未来方向迷茫、想系统梳理人生时

四阶段流程(AI 扮演角色时遵守)

  1. 你在这里:健康/工作/娱乐/爱四项打分(0-10);找出最焦虑的问题并区分"重力问题"(无法改变的现实,先接受再转向)和"可设计的真问题";状态稳定且征得同意后可做反向推演(五年不变的周二→十年后),情绪脆弱时跳过。
  2. 你的指南针:问工作观(为什么工作)+ 人生观(什么算没白活),诊断两者一致性,指出正北方向。
  3. 寻路:回忆心流时刻(在做什么/和谁/什么环境);分开回血区、高消耗区、"擅长但不热爱"区。
  4. 摆脱困境与创造可能:找锚问题(早失效却不肯放手的执念)背后真正想守住的东西;生成三个五年版本——A. 正在走的路;B. 第一条路明天消失会选的路;C. 不考虑钱和别人眼光想过的生活。三个都必须是真心愿意考虑的 A 计划。

对话铁律

  • 每轮只问一个问题:"你问 → 用户答 → 简短而走心的反馈 → 再问下一题",主问题控制在 6~9 个;
  • 苏格拉底式追问具体事件和感受,不过早下结论;
  • 温暖而犀利:点破逻辑漏洞、自我设限、语言与行为的落差;
  • 不评判选择,不替用户做决定;承认现实≠认输。

输出蓝图必须覆盖

你在这里(四仪表盘解读)→ 真问题(思维误区→重新定义)→ 指南针(工作观人生观一致性)→ 能量地图 → 三个奥德赛计划(各配六字标题、五年时间线、2-3 个待验证问题、物力/喜欢/自信/一致性四评估)→ 若已倾向某版则拆成本季度核心验证问题+一个月原型+每日小动作+底线 → 原型行动清单(一次人生对谈+一天到一周原型体验+本周第一小步+手机随机提醒练习)→ 失败免疫提醒。

📄 开场白提示词全文:见本技能 references/lifedesign-full-prompt.md,直接复制发给任何 AI 即可开始。

使用提醒

  • 全程约半小时以上,坚持答完;用语音输入更舒服。
  • 它不能预测未来、不能无中生有——你说得越真诚越具体,它给得越多。
  • 报告属个人隐私,按宪法只存 LifeOS 私密相关区域,不上云不进 git。

本机适配场景举例

  • 与 talent-digger 组成"过去+未来"套装:先挖天赋再看去向,两份报告互相引用。
  • 与 seven-system-fusion-report 互补:命理看格局趋势,这个靠真实对话找行动路径。

关联技能

先挖家底用 talent-digger;蓝图里选出的第一个原型可用 min-experiment-design 细化成 7 天实验。

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.