name: skill-from-masters description: 站在巨人肩膀上创建高质量 Skill —— 在创建新 skill 之前，帮助用户发现并整合领域专家的成熟方法论。当用户请求"帮我创建一个关于 X 的 skill"或"我想做一个能 Y 的 skill"时触发。此 skill 指导方法论选择，然后交由 skill-creator 生成最终 skill。

大师方法论 Skill

创建蕴含领域大师智慧的 Skill。在生成 skill 之前，帮助用户发现并整合公认专家的成熟方法论。

核心理念

大多数专业领域都有杰出的实践者，他们通过书籍、演讲、访谈和框架将自己的方法系统化。基于这些经过验证的方法论构建的 skill，远比从零开始创建的更有价值。

我们的目标不是"够用就行"—— 而是达到该领域人类专业水平的最高境界。

哲学：质量不是写出来的，是选出来的。

工作流程

第一步：理解 Skill 意图

询问用户：

想创建什么 skill？
需要处理哪些具体任务？
期望达到什么质量标准？

第二步：识别相关领域

将 skill 映射到一个或多个方法论领域。单个 skill 可能跨越多个领域。

映射示例：

"销售邮件 skill" → 销售、写作、说服
"用户访谈 skill" → 用户研究、访谈技巧、产品发现
"演示文稿 skill" → 故事叙述、视觉设计、说服
"代码审查 skill" → 软件工程、反馈、沟通

第三步：挖掘专家方法论

第一层：本地数据库 查阅 references/methodology-database.md 获取已知框架。

第二层：网络搜索专家 搜索网络发现更多专家和方法论：

搜索："[领域] 最佳实践专家"
搜索："[领域] 框架方法论"
搜索："[领域] 顶尖实践者"

第三层：深入研究选定专家 针对有潜力的专家，搜索其原始内容：

搜索："[专家姓名] 方法论访谈"
搜索："[专家姓名] [领域] 演讲稿"
搜索："[专家姓名] 框架详解"

尽可能获取并阅读一手资料（文章、演讲稿、博客文章）。

针对每个相关领域，呈现：

关键专家及其核心贡献
具体的框架、原则或流程
来源材料（书籍、演讲、访谈）

第四步：寻找黄金示例

在最终确定方法论之前，搜索典范输出：

搜索："最佳 [输出类型] 示例"
搜索："[输出类型] 模板 [顶级公司]"
搜索："获奖 [输出类型]"

理解卓越的标准有助于定义质量基准。

第五步：协作选择（混合模式）

采用「结构化收集 + 深入讨论」的混合交互模式。

阶段一：使用 AskUserQuestionTool 收集初步偏好

根据第三、四步发现的方法论，使用 AskUserQuestionTool 向用户提问：

问题设计示例：
- header: "方法论"
- question: "基于研究，以下哪些方法论最符合你的需求？"
- options: 从发现的专家方法论中提取 2-4 个最相关的选项
  - 每个 option 包含：专家名 + 核心理念（如 "Cagan 问题优先 - 先定义问题再设计方案"）
- multiSelect: true（允许组合多种方法）

阶段二：深入讨论与确认

根据用户选择，进一步讨论：

选中的框架如何相互配合？
是否存在需要解决的方法论冲突？
有没有特别想强调或排除的原则？
是否需要深入研究某个方法论的细节？

最终确认

引导用户选择 1-3 个核心方法论作为 skill 的基础，明确记录选择理由。

第六步：提取可执行原则

针对每个选定的方法论，搜索并提炼：

为什么（核心原则）

搜索："[方法论] 核心原则"
搜索："为什么 [方法论] 有效"

怎么做（具体流程）

搜索："[方法论] 步骤详解"
搜索："[方法论] 实施指南"

做什么（质量标准）

搜索："[方法论] 检查清单"
搜索："[方法论] 评估标准"

避免什么（常见错误）

搜索："[领域] 常见错误"
搜索："[方法论] 陷阱避免"

获取一手资料以获得准确措辞和细节，而非仅靠摘要。

第七步：交叉验证

对比多个来源的见解：

哪些原则反复出现？（高置信度）
专家之间有何分歧？（标记给用户）
每种方法有何独特之处？（差异化）

综合形成一个取各家之长的连贯框架。

第八步：生成 Skill

方法论确认后，使用 skill-creator skill 生成最终 skill。生成的 skill 应该：

在注释中标注方法论来源（记录出处）
将专家智慧转化为可执行的指令
包含从黄金示例中提炼的具体案例
将质量标准作为显式检查点
包含从陷阱研究中得出的"不要这样做"反模式
达到该领域最优秀人类实践者的质量水准

质量检查清单

最终确认前，验证：

是否搜索了本地数据库之外的内容？
是否找到了一手资料，而非仅靠摘要？
是否找到了输出的黄金示例？
是否识别了需要避免的常见错误？
是否在多位专家之间进行了交叉验证？
skill 是否编码了具体、可执行的步骤（而非模糊的原则）？

交互示例

用户：我想创建一个写产品需求文档的 skill。

助手：很好的选择。让我搜索一下 PRD 写作的最佳方法论。

[搜索："PRD 最佳实践专家"、"产品需求文档方法论"、"最佳 PRD 示例"]

我找到了几个强有力的框架：

产品管理：

Marty Cagan (SVPG)：强调问题优先的 PRD，区分问题空间和解决方案空间
Teresa Torres：持续发现，以结果为导向的需求

商业写作：

Barbara Minto：金字塔原理 - 结论先行，MECE 结构
Amazon：从新闻稿倒推，6 页叙事格式

找到的黄金示例：

Intercom 的公开 PRD 模板
Linear 的产品规格格式

常见错误（来自搜索）：

在定义问题之前就跳到解决方案
为工程师而非为达成共识而写
缺少成功指标

[使用 AskUserQuestionTool 进行结构化选择]

header: "方法论"
question: "基于研究，以下哪些方法论最符合你的 PRD 需求？"
options:
  - label: "Cagan 问题优先"
    description: "先定义问题再设计方案，区分问题空间和解决方案空间"
  - label: "Amazon 逆向工作法"
    description: "从新闻稿倒推，6 页叙事格式，PR/FAQ 流程"
  - label: "Minto 金字塔原理"
    description: "结论先行，MECE 结构，逻辑清晰"
  - label: "Torres 持续发现"
    description: "以结果为导向，持续验证假设"
multiSelect: true

用户：[选择了 "Cagan 问题优先" 和 "Amazon 逆向工作法"]

助手：很好的组合！Cagan 的问题优先思维可以确保 PRD 聚焦于真正的用户问题，而 Amazon 的逆向工作法提供了具体的文档格式和流程。

让我深入研究这两个方法如何结合...

[搜索："Amazon 6页纸模板"、"Amazon 逆向工作法"、"Amazon PR FAQ 流程"] [搜索："Marty Cagan problem space solution space"、"SVPG PRD best practices"]

这两种方法有很好的互补性：

Cagan 负责「思考什么」：确保聚焦真正的问题
Amazon 负责「如何呈现」：提供清晰的文档结构

有没有特别想强调或调整的地方？

用户：听起来很完美，就用这个组合。

助手：[继续第六、七、八步，基于选定的 Cagan + Amazon 方法论生成 skill]

Name	skill-from-masters
Description	站在巨人肩膀上创建高质量 Skill —— 在创建新 skill 之前，帮助用户发现并整合领域专家的成熟方法论。当用户请求"帮我创建一个关于 X 的 skill"或"我想做一个能 Y 的 skill"时触发。此 skill 指导方法论选择，然后交由 skill-creator 生成最终 skill。

skill-from-masters

SKILL.md