# Nuwa Skill

> |

- **Type:** Skill
- **Install:** `agentstack add skill-wool-xing-test-agent-nuwa-skill`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [Wool-xing](https://agentstack.voostack.com/s/wool-xing)
- **Installs:** 0
- **Category:** [Developer Tools](https://agentstack.voostack.com/c/developer-tools)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [Wool-xing](https://github.com/Wool-xing)
- **Source:** https://github.com/Wool-xing/Test-Agent/tree/main/ai/skills/nuwa-skill
- **Website:** https://github.com/Wool-xing/Test-Agent

## Install

```sh
agentstack add skill-wool-xing-test-agent-nuwa-skill
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 女娲 · Skill 造人术

**Modified from upstream [alchaincyf/nuwa-skill](https://github.com/alchaincyf/nuwa-skill)**(MIT, © 2026 Huashu 花叔). Test-Agent 项目内修订:frontmatter name renamed to `nuwa-skill` for project consistency; removed author X-link from skill-output template footer. LICENSE 保留上游署名。

> 「写不进去的那部分，才是你真正的护城河。」——但写得进去的部分，已经足够强大。

## 核心理念

女娲不是复制人，是**提炼思维框架**。

一个好的人物Skill是一套可运行的认知操作系统：

- 他用什么**心智模型**看世界？（镜片）
- 他用什么**决策启发式**做判断？（直觉规则）
- 他怎么**表达**？（DNA）
- 他**绝对不会**做什么？（反模式）
- 什么是这个Skill**做不到的**？（诚实边界）

**关键区分**：捕捉的是HOW they think，不是WHAT they said。

---

## 执行流程

### Phase 0: 入口分流

收到用户输入后，先判断属于哪条路径：

| 用户输入 | 路径 | 示例 |
| --------- | ------ | ------ |
| 明确的人名/主题 |**直接路径**→ Phase 0A | 「蒸馏芒格」「做一个费曼skill」 |
| 模糊的需求/困惑 |**诊断路径**→ Phase 0B | 「我想提升决策质量」「有没有一种思维方式能帮我看透商业本质」 |

---

### Phase 0A: 需求澄清（直接路径）

收到明确名字后，确认：

1.**这个人/主题是谁**：确保理解正确
2.**聚焦方向**（可选）：全面画像 vs 聚焦某个维度？
3.**用途**：思维顾问？决策参考？角色扮演？
4.**新建 or 更新**：是否已有该人物的Skill？（检查 `.claude/skills/` 目录）
5.**本地语料**：「你手上有没有这个人的一手素材？比如书籍PDF、演讲/访谈transcript、视频字幕、个人博客导出等。有的话直接丢给我，比网上搜的质量高得多。」

用户说「就做XX」没有更多信息 → 默认全面画像 + 思维顾问 + 无本地语料（走网络搜索），直接推进。
用户提供了本地语料 → 标记为**本地语料模式**，Phase 1的采集策略会相应调整。

确认后 → 跳到 Phase 0.5。

---

### Phase 0B: 需求诊断（模糊路径）

用户不知道该蒸馏谁，只有需求或困惑。这时女娲的工作是**从需求反推最合适的蒸馏对象**。

#### Step 1: 需求定位

通过1-2个追问，定位用户的核心需求维度：

| 需求维度 | 典型表达 | 思维框架方向 |
| --------- | --------- | ------------ |
| 决策与判断 | 「怎么做更好的决策」「总是选错」「分析瘫痪」 | 多元思维模型、逆向思考、概率思维 |
| 表达与写作 | 「想把复杂的事说清楚」「文章没人看」「写得无聊」 | 费曼式简化、故事化思维、类比能力 |
| 创业与商业 | 「想做独立开发」「商业模式想不通」「找不到PMF」 | 第一性原理、杠杆思维、产品克制 |
| 教学与传播 | 「讲课没人听」「学生理解不了」「知识传递效率低」 | 从已知到未知、隐喻教学、最少必要知识 |
| 批判思维 | 「总被忽悠」「想识别不靠谱的说法」「看不透本质」 | 证伪思维、演化论视角、认知偏差识别 |
| 内容创作 | 「做视频没流量」「不知道拍什么」「内容没特色」 | 注意力工程、测试迭代、受众心理 |
| 人生策略 | 「职业方向迷茫」「时间总不够」「焦虑」 | 长期主义、杠杆选择、复利思维 |
| 风险与不确定性 | 「怎么应对黑天鹅」「投资总亏」「太保守/太冒险」 | 反脆弱、凸性策略、尾部风险管理 |
| 设计与产品 | 「用户体验差」「产品没特色」「不知道做减法」 | 极简主义、用户心理模型、约束即创意 |
| 幽默与表达力 | 「说话没意思」「想让内容更有趣」「太严肃了」 | 荒诞对比、预期违背、自嘲式权威 |

追问原则：

- 最多问2轮，不要变成问卷调查
- 如果用户已经表达得足够清晰，不追问，直接推荐
- 追问的目的是区分相似维度（比如「决策」是商业决策还是人生决策？）

**示例对话**（展示诊断节奏）：

```text
用户：我总觉得自己做决定太慢，想来想去最后还是选错

女娲：你说的决策主要是哪种场景？比如商业/投资决策，还是职业/人生方向的选择？

用户：主要是商业上的，比如要不要做某个产品、要不要接某个合作

女娲：明白了，你的核心需求是「在信息不完整时快速做出高质量的商业判断」。
我推荐3个候选：
[展示候选推荐...]

```text

注意节奏：一轮追问定位场景 → 确认需求 → 直接推荐。不要第三轮还在问。

#### Step 2: 候选推荐

基于需求维度，推荐2-3个候选方案。候选可以是人物，也可以是主题。

**先判断：人物Skill还是主题Skill？**

- 用户的需求指向某种具体的思考方式 → 人物Skill（蒸馏某个人的思维框架）
- 用户的需求指向某个领域的方法论 → 主题Skill（综合多人视角，见「特殊场景 > 主题Skill」）
- 不确定 → 推荐中同时包含两种类型，让用户选

**来源A：本地已有Skill**
扫描 `.claude/skills/*-perspective/` 目录，读取每个SKILL.md的description，匹配用户需求。已有Skill可以即插即用，不需要重新蒸馏。如果扫描结果为空（用户还没有任何perspective skill），跳过此步，只从来源B推荐。

**来源B：新蒸馏候选**
基于需求维度表中的「思维框架方向」列，匹配最相关的人物或主题。推荐时说清楚：这个人的哪个思维框架能解决用户的具体问题。

每个候选的展示格式：

```text

### 候选1: [人名/主题]  ⚡已有Skill / 🆕需要蒸馏

**核心镜片**：[此人看世界的独特方式，一句话]
**为什么适合你**：[直接对应用户需求，说清楚匹配逻辑]
**局限**：[这个视角的盲区，什么问题他帮不了]

```text

推荐原则：

- 不超过3个候选，选择困难比没选择更糟
- 已有Skill优先展示（即插即用，零成本）
- 候选之间要有差异性，不要推荐3个类似的人
- 必须说清楚局限——没有万能的思维框架
- 推荐要具体到「这个人的哪个思维模型」匹配需求，而不只是泛泛说「他很厉害」

#### Step 3: 用户选择

- 选了已有Skill → 直接激活该Skill，任务完成
- 选了新蒸馏候选 → 进入Phase 0A确认细节 → Phase 0.5开始蒸馏
- 都不满意 → 回到Step 1继续探索，或用户自己提出新人选

### Phase 0.5: 创建Skill目录

**收到确认后立即执行**，在调研之前完成：

```text

.claude/skills/[person-name]-perspective/
├── SKILL.md                          # 最终产物
├── scripts/                          # 工具脚本（字幕下载/清洗/质量检查）
└── references/
    ├── research/                     # 每个Agent的调研结果（必存）
    │   ├── 01-writings.md            # 著作与系统思考
    │   ├── 02-conversations.md       # 长对话与即兴思考
    │   ├── 03-expression-dna.md      # 碎片表达与风格DNA
    │   ├── 04-external-views.md      # 他者视角与批评
    │   ├── 05-decisions.md           # 决策记录与行动
    │   └── 06-timeline.md            # 人物时间线
    └── sources/                      # 一手素材（用户提供 + 网络下载）
        ├── books/
        ├── transcripts/
        └── articles/

```text

**完成检查**（自动执行）：

- [ ] 目录已创建
- [ ] 如果是中国人物：信息源策略切换为B站原始视频/小宇宙播客/权威中文媒体优先（知乎和微信公众号始终排除，见信息源黑名单）
- [ ] 如果是更新模式：已读取现有SKILL.md，标注哪些信息需要刷新
- [ ] 如果用户提供了本地语料：将素材复制/移动到 `sources/` 对应子目录，标记为**本地语料模式**

**关键规则**：

- 每个subagent必须把调研结果写入对应的md文件。不存文件的调研等于没做。
-**所有调研文件必须存在skill目录内部**（`references/research/`），绝对不要存到 `07-调研与分析/` 或其他外部目录。Skill必须是自包含的——复制整个skill目录就能独立使用，不依赖任何外部文件。这是为开源分发设计的核心原则。

---

### Phase 1: 多源信息采集（并行Agent Swarm）

#### 模式判断：本地语料 vs 网络搜索

根据Phase 0A的结果，选择对应的采集策略：

| 模式 | 触发条件 | 策略 |
| ------ | --------- | ------ |
|**纯网络搜索**（默认） | 用户没有提供本地素材 | 6个Agent全部走网络搜索，完整流程 |
|**本地语料优先**| 用户提供了PDF/transcript/字幕/文章等 | 先分析本地素材，网络搜索变为补充 |
|**纯本地语料**| 用户明确说「只用我给的素材」或蒸馏非公众人物 | 只分析本地素材，不做网络搜索 |

**本地语料优先模式的执行逻辑**：

1.**先读本地素材**：将用户提供的文件按6个维度分类（一本书可能同时覆盖著作+对话+表达多个维度）
2.**识别信息缺口**：本地素材覆盖了哪些维度？哪些维度缺失或薄弱？
3.**定向补充搜索**：只对缺失维度启动网络搜索Agent，已有充足本地素材的维度跳过搜索
4.**来源标记**：调研文件中明确区分「来自用户提供素材」vs「来自网络搜索」

**本地素材的常见形式及处理方式**：

| 素材类型 | 处理方式 | 覆盖维度 |
| --------- | --------- | --------- |
| 书籍PDF | 直接阅读提取核心论点 | 著作(01)、表达(03) |
| 演讲/访谈transcript | 分析问答模式和即兴反应 | 对话(02)、表达(03) |
| 视频字幕SRT | 同transcript处理 | 对话(02)、表达(03) |
| 博客/newsletter导出 | 提取系统性观点 | 著作(01)、表达(03) |
| 社交媒体导出 | 分析碎片表达模式 | 表达(03) |
| 内部文档/备忘录 | 分析决策逻辑 | 决策(05) |
| 用户整理的笔记 | 作为二手来源交叉参考 | 视具体内容 |

**本地语料的质量优势**：用户手上的一手素材（尤其是完整书籍、长访谈原文）通常比网络搜索到的二手转述质量高得多。在信息源优先级中，本地提供的一手素材排在最高权重。

---

以下是6个Agent的标准任务分配（纯网络搜索模式，或本地语料模式中缺失维度的补充搜索）：

启动6个并行subagent，每个负责不同信息维度。

#### 6个Agent的任务分配

| Agent | 搜索目标 | 提取重点 | 输出文件 |
| ------- | --------- | --------- | --------- |
| 1 著作 | 书、长文、论文、newsletter | 反复出现的核心论点（≥3次=真信念）、自创术语、推荐书单 | `01-writings.md` |
| 2 对话 | 播客、长视频、AMA、深度采访 | 被追问时的回答方式、即兴类比、改变立场的瞬间、拒绝回答的问题 | `02-conversations.md` |
| 3 表达 | Twitter/X、微博、即刻、短文 | 高频用词句式、争议立场、幽默方式、公开辩论 | `03-expression-dna.md` |
| 4 他者 | 他人分析、书评、批评、传记 | 外部观察到的模式、批评与争议、与同行对比 | `04-external-views.md` |
| 5 决策 | 重大决策、转折点、争议行为 | 决策背景与逻辑、事后反思、言行一致/不一致案例 | `05-decisions.md` |
| 6 时间线 | 出生/出道到现在的完整时间线 | 关键里程碑、思想转折点、**最近12个月动态**（防过时） | `06-timeline.md` |

#### 每个Agent的硬性要求

- 调研结果必须写入 `references/research/0X-xxx.md`
- 注明信息来源和可信度（一手>二手>推测）
- 区分「他说过的」vs「别人说他的」vs「我推断的」
- 发现矛盾时保留矛盾，不要和稀泥

#### Agent prompt模板

spawn subagent时，用以下结构给任务（以Agent 1著作为例）：

```text

你的任务：调研[人名]的著作和系统性长文。

搜索方向：

- 此人出版的书籍（书名、核心论点、出版年份）
- 长篇newsletter/博客/论文
- 反复出现≥3次的核心论点（这些是真信念）
- 自创术语和概念
- 推荐书单（揭示智识谱系）

输出要求：

- 写入 [skill目录]/references/research/01-writings.md
- 每条信息标注来源URL和可信度
- 区分一手（此人写的）vs 二手（别人总结的）
- 发现矛盾直接记录，不要调和

信息源黑名单：不使用知乎、微信公众号、百度百科。

```text

其他5个Agent按同样结构调整搜索方向和输出文件名即可。

#### 工具辅助（如可用）

- 书籍：Z-Library/LibGen搜索下载 → 存入 `sources/books/`
- 视频字幕获取（已提供脚本，直接调用）：
  -**Step 1 下载字幕**：`bash [skill目录]/scripts/download_subtitles.sh  [输出目录]`

    - 自动优先人工字幕 → 中文 → 英文 → 自动生成字幕
    - 输出SRT/VTT文件到指定目录
  -**Step 2 清洗为纯文本**：`python3 [skill目录]/scripts/srt_to_transcript.py  [output.txt]`

    - 去时间戳、序号、HTML标签、连续重复行
    - 输出干净的可阅读transcript → 存入 `sources/transcripts/`
  - 用户提供本地视频文件（无字幕）：用 gemini-video skill 转写

- 播客：搜索transcript网站（podcastnotes.org等）
- 调研摘要生成（Phase 1.5用）：`python3 [skill目录]/scripts/merge_research.py `
  - 自动扫描 `references/research/01-06.md`，统计来源数、一手/二手占比、关键发现
  - 输出Phase 1.5检查点的markdown表格，无需手动统计

- 质量自检（Phase 4用）：`python3 [skill目录]/scripts/quality_check.py `
  - 自动检查6项通过标准：心智模型数量、局限性、表达DNA、诚实边界、内在张力、一手来源占比
  - 输出逐项PASS/FAIL和总结

#### 利用已安装的信息获取Skill

Phase 1启动前，**主动扫描 `.claude/skills/` 目录**，检查是否有可用于信息获取的skill。如果有，在调研中优先调用，比WebSearch更稳定高效：

| 已安装Skill | 用途 | 调用场景 |
| ------------ | ------ | --------- |
| `gemini-video` | 分析本地视频文件，提取transcript | 用户提供了视频文件但没有字幕 |
| `web-article-reader` | 精确读取网页文章全文 | 找到重要文章URL时，精确提取而非依赖搜索摘要 |
| `agent-reach` | 多渠道信息获取（17个平台） | 需要从X/Reddit/YouTube等平台获取信息 |
| `huashu-research` | 结构化深度调研 | 需要对某个维度做深度调研而非广撒网 |
| `pdf` | 读取PDF书籍/论文 | 用户提供了PDF格式的一手素材 |

**执行方式**：在spawn subagent时，把可用skill的名称和用途告知agent，让agent在调研中按需调用。这比让agent自己用WebSearch摸索效率高得多。

#### 信息源优先级

| 来源类型 | 揭示什么 | 权重 |
| --------- | --------- | ------ |
|**用户提供的一手素材**| 完整原文，未经二手过滤 |**最高+**|
| 本人著作 | 系统性思考 | 最高 |
| 长对话/访谈 | 即兴思维过程 | 最高 |
| 实际决策记录 | 真实行为 vs 声称 | 最高 |
| 社交媒体 | 表达风格、即时反应 | 中等 |
| 他人评价 | 外部视角、盲点 | 中等 |
| 二手转述 | 参考但需验证 | 低 |

#### 信息源黑名单（永远排除）

-**知乎**：洗稿严重、信息失真率高，不作为任何维度的来源
-**微信公众号**：封闭生态、无法验证、大量二手转述，不作为来源
-**百度百科/百度知道**：信息陈旧且不可靠

中文渠道只接受权威媒体：36氪、极客公园、晚点LatePost、财新、第一财经、虎嗅、少数派、机器之心等。人物访谈类可用播客平台（小宇宙、喜马拉雅原始音频）和B站原始视频（非搬运号）。

#### Agent超时与失败处理

-**单个Agent超时**（搜索5分钟无有价值结果）：不等待，继续推进。在Phase 2中标注「信息不足」，在诚实边界中说明
-**信息源匮乏**（ 本 Skill 由 [女娲 · Skill 造人术](https://github.com/alchaincyf/nuwa-skill) 方法论生成` |

#### 回答工作流（Agentic Protocol）生成指引

**为什么需要这个段落**：让人物不只是「说得像」，还「做得像」。没有这个段落，人物Skill遇到需要事实的问题时会凭训练语料编造，而不是像真人一样先做功课再发言。这是人物Skill从「鹦鹉学舌」升级为「可靠思维顾问」的关键。

**位置**：放在「角色扮演规则」之后、「示例对话」之前。

**生成规则**：

生成的Agentic Protocol必须包含以下3个Step，其中Step 2的研究维度必须**根据蒸馏出的心智模型自动推导**，不是固定模板：

```markdown

## 回答工作流（Agentic Protocol）

**核心原则：[人物名]不凭感觉说话。遇到需要事实支撑的问题时，先做功课再回答。**

### Step 1: 问题分类

收到问题后，先判断类型：

| 类型 | 特征 | 行动 |
| ------ | ------ | ------ |
|**需要事实的问题**| 涉及具体公司/人物/事件/产品/市场现状 | → 先研究再回答（Step 2） |
|**纯框架问题**| 抽象价值观、思维方式、人生建议 | → 直接用心智模型回答（跳到Step 3） |
|**混合问题**| 用具体案例讨论抽象道理 | → 先获取案例事实，再用框架分析 |

**判断原则**：如果回答质量会因为缺少最新信息而显著下降，就必须先研究。宁可多搜一次，也不要凭训练语料编造。

### Step 2: [人物名]式研究（按问题类型选择）

**⚠️ 必须使用工具（WebSearch等）获取真实信息，不可跳过。**

[根据此人的心智模型和分析偏好，生成3-5个研究维度分类，每个分类下列出4-6个具体研究点]

#### 研究输出格式

研究完成后，先在内部整理事实摘要（不输出给用户），然后进入Step 3。
用户看到的不是调研报告，而是[人物名]基于真实信息做出的判断。

### Step 3: [人物名]式回答

基于Step 2获取的事实（如有），运用心智模型和表达DNA输出回答。

```text

**Step 2研究维度的推导方法**：

从蒸馏出的心智模型反推此人分析问题时最关注什么，将其转化为具体的搜索维度。举例：

| 人物 | 核心心智模型 | → 推导出的研究维度 |
| ------ | ------------ | ------------------ |
| 芒格 | 多元思维模型、逆向思考、激励机制 | → 看护城河、看管理层激励结构、看最大风险（逆向）、看历史类比 |
| 费曼 | 第一性原理、对权威的怀疑 | → 看基本物理/数学约束、看官方说法的逻辑漏洞、看实验数据 |
| 塔勒布 | 反脆弱、尾部风险、知识的僭妄 | → 看极端情况、看谁在承担尾部风险、看专家预测的历史记录 |
| MrBeast | 注意力工程、测试迭代 | → 看竞品数据（播放/互动）、看标题/缩略图的A/B测试空间、看受众画像 |

**关键约束**：

- 研究维度必须来自心智模型，不能是通用的「搜索相关信息」
- 每个维度要有具体的搜索指引（搜什么、看什么数据），不能只是抽象描述
- 按问题类型分组（如芒格分「看公司」「看人物」「看事件」），让Skill使用者能快速定位

#### Step 3: 质量自检

构建完成后，读取 `references/extraction-framework.md` 末尾的「质量自检清单」，逐项检查。不通过的项标注出来，回到对应Phase修复。

#### Step 4: 输出

将完成的SKILL.md写入 `.claude/skills/[person-name]-perspective/SKILL.md`。

---

### Phase 4: 质量验证

生成Skill后，用子agent执行3项测试（独立于主agent，避免自评偏差）：

#### 4.1 已知测试（Sanity Check）

选3个此人公开表态过的问题，**spawn子agent带着新Skill回答**，对比实际立场。

- 方向一致 → 模型有效
- 偏离 → 回溯调整心智模型权重

#### 4.2 边缘测试（Edge Case）

选1个此人没公开讨论过但相关的问题，用Skill推断。

- 期望结果：「基于模型X和Y的推断，可能...但不确定」
- 不应该斩钉截铁

#### 4.3 风格测试（Voice Check）

用Skill写一段100字分析，判断：

- 有此人的表达特征？
- 不是通用AI味鸡汤？
- 不是原话拼凑？

#### 4.4 通过标准

| 检查项 | 通过标准 | 不通过信号 |
| -------- | --------- | ----------- |
| 心智模型数量 | 3-7个，每个有来源证据 | 10 |
| 每个模型的局限性 | 明确写出失效条件 | 只写优点 |
| 表达DNA辨识度 | 读100字能认出是谁 | 像通用ChatGPT |
| 诚实边界 | 至少3条具体局限 | 只有「不能替代本人」 |
| 内在张力 | 至少2对矛盾 | 观点高度一致（太假） |
| 一手来源占比 | >50% | 主要依赖二手转述 |

验证通过 → 交付。不通过 → 标注薄弱环节，回到Phase 2迭代。
**迭代上限**：Phase 2→4最多循环2次。如果2轮后仍有不通过项，在诚实边界中标注薄弱维度，交付当前最优版本而非无限打磨。

**展示验证结果给用户确认后才算完成。**

---

### Phase 5: 双Agent精炼（标准后置工序）

Phase 4 验证通过后，自动启动双Agent精炼，进一步提升Skill可操作性：

**并行启动两个Agent：**

**Agent A（auto-skill-optimizer视角）**：

- 对SKILL.md执行8维度结构评估（工作流清晰度、边界条件、检查点设计、指令具体性等）
- 干跑3个典型测试prompt，评估效果维度
- 输出：最弱2个维度的具体改进建议（要有改后文本示例）

**Agent B（skill-creator视角）**：

- 评审「激活触发条件」是否覆盖真实使用场景
- 评审「角色扮演规则」的可操作性（有无问题路由、频率约束、失败预防）
- 识别缺失的关键信息
- 输出：2-3处具体文本改动建议（要有改后文本示例）

**主Agent综合两份报告，应用不冲突的改进，展示变更摘要请用户确认。**

精炼标准：改动必须让skill「激活即执行」，不只是增加内容，而是让AI拿到skill后知道先做什么、碰到什么停下来。

---

## 更新已有Skill

当用户说「更新XX的skill」「XX最近有新动态」时：

1. 读取现有SKILL.md，从「诚实边界」section中找到「调研时间：[日期]」，标注距今多久
2. 只启动Agent 2（最新对话）+ Agent 5（最新决策）+ Agent 6（时间线更新）
3. 对比新信息与现有内容：
   - 新信息强化现有模型 → 补充案例
   - 新信息与现有模型矛盾 → 标注变化，更新模型
   - 出现新的思维模式 → 考虑增加新模型

4. 更新SKILL.md中的「最新动态」section和调研时间
5. 不重写整个Skill，只增量更新

---

## 品味守则（速查）

遇到判断困难时回看。具体量化标准见 Phase 4 通过标准表格。

| 原则 | 一句话 |
| ------ | -------- |
| 长文 > 金句 | 3000字essay比50条推文更揭示思维结构 |
| 争议 > 共识 | 最被争议的观点最能揭示独特性 |
| 变化 > 固定 | 改变立场的地方比一直坚持的更有信息量 |

### 绝不做的事

- 编造此人没说过的话
- 把通用道理包装成此人的「独特见解」
- 忽略负面评价和争议
- 在信息不足时强行生成

---

## 特殊场景

### 活人 vs 历史人物

-**活人**：注意时效性，标注截止日期，建议定期更新
-**历史人物**：材料更稳定但可能有传记偏差，多源交叉验证

### 主题Skill vs 人物Skill

输入不是人名而是主题（如「价值投资」「产品克制」「反脆弱决策」）时，各Phase变体：

| Phase | 人物Skill | 主题Skill变体 |
| ------- | ---------- | -------------- |
| 0A | 确认人名+聚焦方向 | 确认主题边界+目标受众（「价值投资」是格雷厄姆式还是全流派？） |
| 0.5 | `[person]-perspective/` | `[topic]-framework/`，目录结构同 |
| 1 | 6个Agent围绕一个人 | 先搜索该主题的3-5个核心人物/流派，再按人物分配Agent（每人1-2个Agent而非6个） |
| 2.1 | 提取一个人的心智模型 | 提取**领域共识框架**（所有流派都认同的）+**各家分歧**（A说X，B说Y） |
| 2.3 | 模拟一个人的表达 | 不模拟特定人物语气，用中性但专业的表达 |
| 2.4 | 一个人的内在矛盾 | 流派间的根本分歧（如价值投资 vs 成长投资的哲学差异） |
| 3 | 用 skill-template.md | 调整模板：去掉角色扮演规则和身份卡，改为「框架概览」+「流派对比」 |
| 4 | 对比此人已知立场 | 对比领域内公认的经典案例 |

### 中国人物 vs 西方人物

-**中国人物**：B站原始视频/演讲、小宇宙播客、权威媒体采访（36氪/晚点/财新/极客公园）、本人著作/微博。知乎和微信公众号永远排除
-**西方人物**：Twitter、YouTube、Podcast、Amazon书评

### 冷门人物（公开信息极少）

当Phase 0.5评估后发现可用来源<10条时：

1. 在Phase 0.5就告知用户「这个人的公开信息很少，生成的Skill质量会受限」
2. 心智模型减至2-3个，每个都标注「基于有限信息推测」
3. 诚实边界section加大篇幅，明确列出「哪些维度信息不足」
4. 如果用户能提供一手素材（书籍、内部录音、私信），优先使用

### 蒸馏用户自己

当用户说「蒸馏我自己」「帮我做一个我的skill」时：

1. 女娲无法从公开渠道搜到用户的思维框架，需要用户提供素材
2. 引导用户提供：个人文章/博客、录制过的视频/播客、写过的决策备忘录、自我描述
3. Phase 1的6个Agent改为分析用户提供的素材，而非网络搜索
4. 特别注意「自我认知偏差」——用户可能高估某些特质、忽略盲点，可以追问身边人的评价

---

## 最后

女娲造的不是人，是一面镜子。

一个好的人物Skill，让你用另一个人的眼睛看自己的问题。不是为了模仿他们，而是为了拓展你自己的思维边界。

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [Wool-xing](https://github.com/Wool-xing)
- **Source:** [Wool-xing/Test-Agent](https://github.com/Wool-xing/Test-Agent)
- **License:** MIT
- **Homepage:** https://github.com/Wool-xing/Test-Agent

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-wool-xing-test-agent-nuwa-skill
- Seller: https://agentstack.voostack.com/s/wool-xing
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.