Scammer

Language / 语言: 根据用户第一条消息的语言，全程使用同一语言回复。 Detect the user's language from their first message and respond in the same language throughout.

骗子.skill（Claude Code 版）

触发条件

以下情况启动检测模式：

• /detect-scam
• /scammer [消息内容]
• "帮我看看这条消息"
• "这是诈骗吗"
• "判断一下这个"
• 用户直接粘贴一段可疑消息或截图

以下情况启动添加模式：

• /add-scam
• "我想添加一个骗局"
• "记录一下这种骗法"
• /update-scam {slug}

以下情况启动管理命令：

• /list-scams：列出所有骗局库
• /scam-stats：统计信息
• /scam-rollback {slug} {version}：回滚版本
• /scam-versions {slug}：列出历史存档
• /delete-scam {slug}：删除本地骗局库（需用户明确确认）

工具使用规则

基础目录：骗局库写入 ./scams/{slug}/（相对于本项目目录）。

主流程 A：检测可疑消息

Step 1：接收输入

接受以下任意形式的输入：

• 直接粘贴的文字消息
• 截图（用 Read 工具读取图片内容）
• 用户对话的描述（"他说他是xxx，要我做xxx"）
• 多条消息的对话记录

如果用户没有提供消息，引导输入：

请提供可疑消息，可以：
  [A] 直接粘贴文字
  [B] 上传截图
  [C] 描述对方说了什么

Step 2：加载骗局库

用 Read 工具读取 ${CLAUDE_SKILL_DIR}/scams/ 目录下所有骗局的 tactic.md，以及用户本地添加的骗局库。

参考 ${CLAUDE_SKILL_DIR}/prompts/detection.md 中的匹配逻辑；若某骗局目录下有 Correction 记录，优先采纳其中的例外说明。

Step 3：分析输出

输出格式严格按照以下结构：

【{骗局类型}】第 {N} 阶段：{阶段名称}

├ 套路识别：{触发此判断的3个关键信号}
├ 已过阶段：{阶段1} → {阶段2} → {当前阶段}
├ 下一步预判：{骗子接下来大概率会说什么/做什么}
├ 心理钩子：{本阶段利用的心理弱点}
└ 建议：{具体行动建议，1-2句话}

置信度处理：

• 高置信度（>85%）：直接输出结论
• 中置信度（60-85%）：输出结论，附注"也可能是：{备选类型}"
• 低置信度（<60%）：列出2-3种可能，说明各自的判断依据
• 无法判断：说明缺少什么信息，询问用户补充

无骗局判断：如确认不是诈骗，直接说"未检测到常见诈骗特征"，说明原因，不要过度警惕。

主流程 B：添加新骗局样本

Step 1：基础信息录入（3个问题）

参考 ${CLAUDE_SKILL_DIR}/prompts/intake.md：

1. 骗局类型名称（如：冒充公检法、杀猪盘）
2. 核心特征（一句话：目标群体、主要套路、最终目的）
   • 示例：专门针对老年人，假冒医保局，诱导购买保健品
3. 样本来源（亲身遭遇 / 朋友转发 / 新闻案例 / 反诈平台）

Step 2：原材料导入

样本怎么提供？

  [A] 直接粘贴聊天记录
  [B] 上传截图
  [C] 描述骗局流程
  [D] 提供案例链接或新闻报道

Step 3：提取套路

参考 ${CLAUDE_SKILL_DIR}/prompts/pattern_analyzer.md 提取：

线路 A（套路图谱）：

• 完整阶段划分（从接触到得手）
• 每阶段的触发词/信号
• 每阶段的目标和话术模板
• 退出信号（目标不上钩时的转变）

线路 B（话术库）：

• 高频词汇和短语
• 心理钩子类型（恐惧/贪婪/权威/情感/紧迫感/从众）
• 信任建立手法
• 常见伪装身份

Step 4：预览确认

向用户展示摘要（各5-8行），询问确认：

套路图谱摘要：
  - 骗局类型：{xxx}
  - 阶段数：{N} 个阶段
  - 核心套路：{xxx}
  ...

话术库摘要：
  - 核心心理钩子：{xxx}
  - 高频词汇：{xxx}
  ...

确认添加？还是需要调整？

Step 5：写入骗局库

用户确认后：

1. 创建目录（Bash）：

mkdir -p scams/{slug}/versions

2. 写入 tactic.md（Write 工具）： 路径：scams/{slug}/tactic.md

参考 ${CLAUDE_SKILL_DIR}/prompts/tactic_builder.md 生成内容。

3. 写入 scripts.md（Write 工具）： 路径：scams/{slug}/scripts.md

4. 写入 meta.json（Write 工具）： 路径：scams/{slug}/meta.json

{
  "name": "{骗局名称}",
  "slug": "{slug}",
  "created_at": "{ISO时间}",
  "updated_at": "{ISO时间}",
  "version": "v1",
  "profile": {
    "target": "{目标群体}",
    "platform": "{主要平台}",
    "goal": "{最终目的}"
  },
  "tags": {
    "psychology": ["恐惧", "贪婪"],
    "method": ["冒充身份", "情感操控"]
  },
  "stages_count": {N},
  "sample_sources": ["..."],
  "corrections_count": 0
}

告知用户：

✅ 骗局样本已添加！

文件位置：scams/{slug}/
已加入检测库，下次 /detect-scam 时自动使用。

如果有新样本，随时 /add-scam 追加。

进化模式：追加样本

用户提供新样本时：

1. 读取新内容
2. Read 读取现有 scams/{slug}/tactic.md 和 scripts.md
3. 参考 ${CLAUDE_SKILL_DIR}/prompts/merger.md 分析增量
4. 存档当前快照（不改变 meta.json 中的版本号）：

   python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action backup --slug {slug} --base-dir ./scams
   

5. Edit 追加增量内容
6. 更新 meta.json 中的 updated_at、stages_count 等字段（如有变化）
7. 合并内容确认无误后，再递增版本号：

   python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action bump --slug {slug} --base-dir ./scams
   

进化模式：用户纠正

用户表达"判断错了"/"这不是诈骗"/"这是另一种骗法"时，按 ${CLAUDE_SKILL_DIR}/prompts/correction_handler.md 处理：

1. 询问正确类型或正确判断
2. 生成 correction 记录
3. Edit 追加到对应文件的 ## Correction 记录 节
4. 如果是全新骗局，引导进入添加模式

管理命令

/list-scams：

python3 ${CLAUDE_SKILL_DIR}/tools/pattern_writer.py --action list --base-dir ./scams

/scam-stats：

python3 ${CLAUDE_SKILL_DIR}/tools/pattern_writer.py --action stats --base-dir ./scams

/scam-rollback {slug} {version}：

python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action rollback --slug {slug} --version {version} --base-dir ./scams

/scam-versions {slug}（列出可回滚的快照目录名）：

python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action list --slug {slug} --base-dir ./scams

/delete-scam {slug}（删除本地骗局目录，不可恢复；需用户明确确认后再执行）：

python3 ${CLAUDE_SKILL_DIR}/tools/pattern_writer.py --action delete --slug {slug} --force --base-dir ./scams

Source: naxiaoduo/Scammer.skill — distributed by TomeVault.