# Whetstone

> Whetstone

- Skill: `shiyu52524/whetstone` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add shiyu52524/whetstone`
- Raw SKILL.md: https://api.skillmd.com/api/skills/shiyu52524/whetstone/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: shiyu52524 (https://skillmd.com/u/shiyu52524)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/shiyu52524/whetstone

---


# Whetstone

## Overview
把"你做得好的一段会话"逆向蒸馏成一个**岗位级 skill**，让一个全新 agent 之后能按你的判断力做出质量相当的工作。核心是**从"过程"而非"结果"提炼**：会话里有判断力，skill 是这些判断力的载体，不是一份模板。

## 两条铁律（不可违反）

### 铁律 1 —— 不确定就提问
凡在"**角色定位、触发条件、质量校尺、受众、输出格式、使用边界**"这些关键项上有歧义，必须**停下来用结构化选项问用户**（推荐项放第一位），而不是替你猜。

- 用 `ask_user_question`，每个问题给 2–4 个选项，并把你的推荐项放第一位并标注 `(Recommended)`。
- 宁可多问一轮，也不要拿"一个我自己定的答案"当唯一解。基线测试证实：不问就猜，会产出"通用模板的诚实版"而非你的专属 skill。
- **提问工具不可用时不猜、不绕过**：如果你身处无法调用交互式提问工具的环境（例如被委派的子代理），把结构化问题**原样带回给父级/请求方**，并停下来直到获答；不要在受限环境里替用户定答案，也不要换一种方式硬答。

### 铁律 2 —— 人工闸门（用"达标评估卡"，不用抽象感觉）
**不得到用户明确认可（"达标"），绝不把产物当最终 skill 落地到技能库。** 达标由用户**对照具体证据**拍板，不是由分数、重复次数或你的自评拍板。

判断"达标"必须**直观**，所以你要交付一张**「达标评估卡」**，让用户**能勾选、能对比**，而不是对着一份 skill 凭感觉打分。卡片含：
1. **标准对照表**：会话里提炼的每条判断力要点 | 它在 skill 里怎么编码 | 子代理复现的证据 | ✓/✗。
2. **并排对比**：用户自己的成品关键段 ↔ 子代理带 skill 做的新任务关键段（让用户一眼看出质量是否一致）。
3. **一票否决项**：哪几条只要不满足就直接判"不达标"（如：把关联当因果、用汇总数字下结论）。
4. **你的判断动作**：勾选逐项 + 给结论（达标 / 需微调 / 不达标回炉）。

只给用户看"这份 skill 你说达标吗"是**不合格**的交付。给不出可勾选的对照证据，就说明验证层还没做完。

## When to Use
- 有一段会话/对话，其中的工作是你或某个角色做得很好的。
- 你希望一个全新 agent 之后能按同样的判断力做同岗位的事。
- 你明确要"skill 化 / 岗位化"。

## When NOT to Use
- 只有一份成品文件、没有过程上下文。（若你必须做，就以成品 + 你补答的问答为源，并明确标注"缺少过程，判断力有限"。）
- 这件事是一次性的、不会再复用（不值得 skill 化）。
- 标准做法在别处已有充分文档，只是你暂时没找到。

## 流水线（Stage 0–5）

### Stage 0 —— 判定 + 确认
- 判断这段会话**值不值得 skill 化**：里面是可复用的手法，还是只是一份终稿内容。
- 汇成《意图卡》：**做什么岗位 / 哪些手法 / 给谁用 / 什么叫达标**。其中"达标"交由用户定义。
- 有歧义就按铁律 1 提问。

### Stage 1 —— 会话取证（逆向蒸馏，核心差异化）
- 按时间轴切分会话，标出**决策点**：用户或专家**否决**了什么、为什么、最后怎么改的。
- 抽取隐性资产：
  - **红线 / 反范式**（反复强调不要做什么）
  - **被否决的方案与理由**（这是最值钱的判断力）
  - **定稿时的取舍**（为什么选这个、不选那个）
  - **输出结构 / 模板**
  - **用语与颗粒度**（措辞、直接程度、详略）
  - **质量校尺**（什么算做得好）
- 产出《蒸馏物》：persona 薄层 + methodology 厚层的原始素材。

### Stage 2 —— 岗位定位 + 人设（两层）
- **persona 薄层**：领域 / 年资 / 沟通风格（用领域基线表 + LLM 微调，保持可复现又有个人特色）。
- **methodology 厚层**：触发条件→手法路由、输出模板、质量校尺、反范式、使用边界。
- 把岗位边界固化成 frontmatter 的**触发词**（防止"一个岗位标题 = 一个 skill"的空泛化）。

### Stage 3 —— 脚手架生成
- **结构护栏**：必要小节齐全（When to Use / Instructions / Templates / Evaluation / Guardrails）、引用可达、多步流程有编排器。
- **静态审计**：名称、描述合规；描述只写触发、不写流程（见 writing-skills 的 SDO）；无断链。
- **安全校验**：防注入、防凭据外泄、防路径穿越。
- **版本与文件分离**：`SKILL.md` + 可选 `references/`、`templates/`。不要把旧版直接覆写。

### Stage 4 —— 验证闭环（护城河；终局 = 你的人工判断，须出具「达标评估卡」）
- 从会话抽取"**参考答案 / 预期产出要素**"或一份**质量 rubric**。
- 让一个**全新子代理**只带该 skill、不给答案，做一个**同岗位的新任务**（held-out 隔离，防止背题）。
- 用三重验证：① 边界/对抗 case（把"是否胜任"当测点，不是测安全校验器）；② LLM-judge 对照 rubric；③ **用户对照评估卡的人工判断**。
- **必须交付「达标评估卡」**（见铁律 2），把每条判断力要点、子代理证据、并排对比、一票否决项列出来，供用户逐个勾选。
- 判定（由用户基于卡片）：**达标** → 进入下一阶段；**需微调** → 改对应项；**不达标** → 回 Stage 1 修正，循环。

### Stage 5 —— 运维 / 演化（轻量）
- 用过几次后做健康扫描：缺失文件 / 断链 / 膨胀 / 内容重叠 / 工具蔓延。
- **教训回填**：新的红线、被否决方案追加进反范式表。
- **可回滚**：草稿版本化，不覆写，直到你批准升级。

## 快速参考

| 阶段 | 产出 | 关键动作 |
|------|------|----------|
| 0 | 意图卡 | 判定 + 确认，歧义必问 |
| 1 | 蒸馏物 | 会话逆向，抽判断力 |
| 2 | 人设 + 方法论 | 两层架构，边界固化 |
| 3 | SKILL.md 草稿 | 护栏 + 审计 + 安全 |
| 4 | 验证结论 | 子代理重做 + 边界 case + **你判** |
| 5 | 演化记录 | 健康扫描 + 教训回填 |

## Common Mistakes
- **只给成品模板**：退化成通用模板（基线测试教训）。必须从会话的决策点/否决点蒸馏。
- **有歧义却替用户拍板**：违反铁律 1。
- **直接产出最终版并落库**：违反铁律 2，没过人工闸门。
- **把分数 / 重复次数当质量**：质量由用户人工判断，不是指标。
- **把"越位"当成"越界测试"**：边界 case 是测技能是否胜任，不是让 agent 做无关的事。

## Red Flags —— STOP and Start Over
- 我猜了这个角色的质量校尺。
- 用户没提供受众 / 结构，我就直接生成了。
- 我直接写出了最终 SKILL.md，而没先给草稿等用户确认。
- "这是标准行研模板，直接套就行。"
- 没让子代理重做验证，就下结论"达标"。

**以上任意一条出现 = 停下，回 Stage 0/1，按铁律重做。**

## 资源
- 使用说明（给用户的）：`USAGE.md`。
- 完整跑通示例：`examples/行业研究员-单点营收验证.md`（会话→意图卡→澄清提问→蒸馏出的岗位 skill）。

## 关联
- **REQUIRED BACKGROUND:** 遵循 `writing-skills`（Iron Law：没有失败的基线测试不写 skill；本 skill 的测试 = 子代理压力场景）。
- 动手前确认意图：`brainstorming`。
- 借鉴：agentforge 的两层架构、aceforge 的人工审批门、skill-factory 的版本与教训回填。