tianzecn 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]