# Skill From Masters

> 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: `tianzecn/skill-from-masters` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add tianzecn/skill-from-masters`
- Raw SKILL.md: https://api.skillmd.com/api/skills/tianzecn/skill-from-masters/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: tianzecn (https://skillmd.com/u/tianzecn)
- Updated: 2026-09-10
- Page: https://skillmd.com/skills/tianzecn/skill-from-masters

---


# 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：

1. 在注释中标注方法论来源（记录出处）
2. 将专家智慧转化为可执行的指令
3. 包含从黄金示例中提炼的具体案例
4. 将质量标准作为显式检查点
5. 包含从陷阱研究中得出的"不要这样做"反模式
6. 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]