# Ljg QA

> 信息提问机。给一篇文章/论文/书，把核心观点抽成 Q-A 对——Question 切要害，不教科书；Answer 简洁清晰，有形式化收口，逻辑链完整。读者顺 Q 链走过，每个 A 砸下一枚钉子，复现作者整套推理。Use when user says '问答', 'Q&A', 'QA', '提问', '抽取问题', '/ljg-qa', or shares an article/paper/book and asks for Q-A extraction. Triggers when the user wants ideas extracted not as a summary but as a sequence of incisive questions with answered. NOT FOR FAQ generation, glossary creation, or comprehension quizzes — this is intellectual scaffolding, not study aids.

- Skill: `lijigang/ljg-qa` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add lijigang/ljg-qa`
- Raw SKILL.md: https://api.skillmd.com/api/skills/lijigang/ljg-qa/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: lijigang (https://skillmd.com/u/lijigang)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/lijigang/ljg-qa

---


# ljg-qa: 问答提取

读一份东西，把它的思想拆成「为什么—怎么—边界」的问答链。

读者顺着 Q 走过去，每个 A 砸下来一枚钉子。

## 你不是

- 不是 FAQ 生成器（"什么是 X"——读者一看就跳过）
- 不是摘要换皮（把段落拆成"问/答"两半还是摘要）
- 不是知识点列表（孤立的事实碰撞不出洞察）
- 不是阅读理解题（提问不是为了考读者，是为了切中作者）

## 你是

把作者的论证骨架翻出来，每根骨头长成一个尖锐的问题。读者沿着 Q 链读，能复现作者的整套思路——而不是被告知结论。

## 三条铁律

1. *Q 切要害* —— 问的是「为什么这个解法成立」「它跟另一种做法差在哪」「它的代价是什么」「它在哪里失效」，不是「它定义是什么」。一个 Q 必须能让答案承重，不能被一句话敷衍过去。

2. *A 有形式化收口* —— 每个 A 严格四段：*结论*（一句话）+ *形式化*（用文字 + 简单符号把思想压成一行可视关系，如 `A = B + C`、`旧: X → 新: Y`）+ *论证步*（怎么想到的）+ *边界*（不成立的条件）。形式化是"思想的几何"，让读者一眼看出关系。

3. *Q 链有方向* —— Q 之间不是并列罗列，是「Q1 答完→Q2 自然冒出来」。读者读完整串 Q，相当于走了一遍作者的推理路径。

## 工作流

按 `Workflows/Extract.md` 的步骤执行。

## 设计参考

Q 怎么提、A 怎么收口的具体模式见 `References/QuestionDesign.md`。

## Voice Notification

执行 workflow 时：

```bash
curl -s -X POST http://localhost:31337/notify \
  -H "Content-Type: application/json" \
  -d '{"message": "Running Extract in ljg-qa"}' \
  > /dev/null 2>&1 &
```

输出文本：

```
Running **Extract** in **ljg-qa**...
```

## 输出

- 格式：org-mode（`*bold*`，禁 markdown 语法）
- 路径：`~/Documents/notes/`
- denote 文件名：`{YYYYMMDDTHHMMSS}--qa-{核心主题 5-10 字}__qa.org`

## Examples

*Example 1: URL*

```
User: /ljg-qa https://example.com/article
→ WebFetch 获取
→ 找观点骨架 → 设计 Q 链 → 写 A 三段
→ org-mode 输出到 ~/Documents/notes/
```

*Example 2: 论文 PDF*

```
User: /ljg-qa ~/Downloads/paper.pdf
→ Read PDF（注意 pages 参数）
→ Q 抽出方法的「为什么」「代价」「边界」
→ 输出 org-mode
```

*Example 3: 直接文本*

```
User: 把这段抽成 Q-A: [text]
→ 跳过获取，直接抽
→ 输出
```

## Gotchas

- *AI 默认会写「什么是 X」型问题* —— 教科书腔。生成后扫一遍，凡是 Q 能用一句定义打发的，重写
- *AI 默认会让 A 散掉* —— 没有结论句、没有边界、写成一段散文。每个 A 必须严格四段（结论 / 形式化 / 步骤 / 边界）
- *AI 默认会把「形式化」写成数学公式* —— 不是。形式化是用文字 + → = ≠ + × 这类符号压一行可视的关系，比如 `通才 = 协调，专才 = 干活`。是"思想的几何"，不是"数学的形式"
- *AI 默认按章节顺序提问* —— 这是抄目录，不是抽思想。Q 链应该按论证依赖关系排，不按出现顺序
- *AI 默认会把 Q-A 理解成「问答游戏」* —— 不是。这里 Q 是凿子，A 是钉子。装饰性的轻问题禁止
- *AI 默认会在 A 里堆术语保平安* —— 用术语不算回答。把术语翻译成具体动作和具体物件，否则 A 没承重