# Zach Term Miner

> 术语挖掘：做一件事之前，先弄清楚这个领域里 AI 听得懂的专业术语，再用这些术语改写你的 prompt。 输入三句话（要做什么 / 已经知道什么 / 哪个领域），产出一个离线 HTML：5 个核验过来源的必要术语、 每个术语对应的「大白话 prompt → 术语版 prompt」前后对照、以及一条 30 分钟学习顺序。 用户说"术语挖掘""我要做 X，需要懂哪些术语才能跟你讲清楚""AI 总是理解偏""这个 prompt 怎么写得更专业" "帮我看看我该学什么术语"时使用。普通词义查询、已有完整 prompt 只想执行、或用户明确要求直接开始做原任务时不要触发。 本 skill 只出术语和 prompt 改写，不执行原任务；不编造术语和来源。

- Skill: `zach22-1999/zach-term-miner` (Agent Skill, multi-file: 16 files)
- Install (CLI): `npx skillmds@latest add zach22-1999/zach-term-miner`
- Raw SKILL.md: https://api.skillmd.com/api/skills/zach22-1999/zach-term-miner/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Web & Frontend
- Author: zach22-1999 (https://skillmd.com/u/zach22-1999)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/zach22-1999/zach-term-miner

---


# zach-term-miner · 术语挖掘

## 这个 skill 解决什么

同一个模型，用大白话写 prompt，AI 只能给出你明确提出来的东西；换成这个领域的专业术语，AI 会把你没想到、但这个术语默认包含的维度一起补上。问题是多数人讲不出自己不熟悉领域的行话。

本 skill 做的就是那个前置动作：**做任务之前，先花 30 分钟弄清楚 AI 听得懂的术语，再用术语改写 prompt。**

一个例子。分析一批产品评论、找产品改进方向，大白话 prompt 会让 AI 列人群、场景、痛点；加上 JTBD（Jobs To Be Done）这一个词，AI 会自动补上「用户雇用产品完成什么任务」「功能、情感、社交三类需求」「现有替代方案」。话更短，输出更准。

## 输入：三句话，最多追问一轮

用户只需要说清：

1. **要做什么**：具体任务，不是宽泛主题。
2. **已经知道什么**：手上有的材料、已经了解的概念。
3. **哪个领域**：行业或专业方向。

缺项处理：

- 缺一两项时，**只追问一轮，最多两个问题**，每个问题给 2–3 个选项并标推荐项。
- 用户说「直接来」、没回答、或对话里已有足够信息，就把缺项写进 `task.assumptions`，继续往下做。
- **不要做第二轮追问。** 用户读到的承诺是「简单介绍一下就行」，追问超过一轮等于违约。

## 流程

### 第一步：反推候选术语

从任务出发，列 10–15 个候选。问每个词一个问题：**AI 看到这个词，会不会改变它的输出方式？** 会的留下，不会的删。

一律删除：工具和软件名、装饰性行话、跟这个任务无关的著名框架、用户已经在用的常识词。

默认筛到 **5 个**，最多 8 个。5 个对应 30 分钟能看完。

### 第二步：核验来源

每个术语找来源，按可信度从高到低：

1. 原创论文或标准文件
2. 原作者、权威机构、经典著作
3. 官方文档
4. 可靠的二手解释（教材、知名从业者的系统讲解）

核验结果写进 `source_status`：

| 状态 | 含义 |
|---|---|
| `verified` | 找到了 1–3 级来源，定义与本任务语境一致 |
| `source_defined` | 只找到 4 级来源，定义可用但不算行业定论 |
| `private` | 用户自己的说法，不是行业共识，必须标明 |
| `unverified` | 没能核验，只进「待核验」区，不进正式术语 |

**没有联网或搜索工具时**：所有行业术语标 `unverified`，在 HTML 顶部提示「本次未联网核验，请自行确认来源」，照样出完整产物。不能因为核验不了就不给东西。

读 `references/term-selection-rubric.md` 拿完整的筛选和核验规则。

### 第三步：写 prompt 前后对照

这是本 skill 最重要的产出。每个术语（或一组相关术语）写一组对照：

- `plain_prompt`：按用户的任务，用大白话会怎么写。
- `term_prompt`：加了术语之后怎么写。要更短，且能直接拿去用。
- `added_dimensions`：AI 看到术语之后会多补哪些用户没提的维度。这一栏是用户判断「值不值得学这个词」的依据。

改写规则读 `references/prompt-rewrite-guide.md`。

### 第四步：30 分钟学习顺序

给每个术语分配分钟数（合计约 30），说明先学哪个、为什么。原则：先学能改变 prompt 结构的框架词，再学修饰判断的标准词。

### 第五步：生成产物

1. 按 `references/term-prompt-pack.schema.json` 写 JSON。
2. `python3 scripts/validate_pack.py pack.json` 校验。
3. `python3 scripts/render_pack.py pack.json output.html` 渲染成单文件离线 HTML。
4. 打开 HTML 自查：离线能开、手机宽度不横滚、打印不断版、浏览器控制台没有报错。
5. 只把 HTML 交给用户，附三句话说明：几个术语、几个已核验、哪个 prompt 可以直接用。

## 停止条件

输出 HTML 后停止。**不执行原任务。** 用户要执行，把 `term_prompt` 拿去用即可；那是另一次对话。

## 硬规则

- 不编术语，不编来源，不编年份和作者。找不到就标 `unverified`。
- 用户自己的黑话可以收录，但必须标 `private` 并写明「非行业共识」。
- 推断和事实分开：定义来自来源，「为什么影响这个任务」是你的判断，不要混写。
- 术语的定义要写成一句人能听懂的话，再给英文原名。
- 不在 HTML 里放 Plan、需求文档、知识库沉淀。这些不是本 skill 的事。

## 文件

- `references/term-selection-rubric.md`：候选术语怎么筛、来源怎么核验
- `references/prompt-rewrite-guide.md`：大白话 → 术语版的改写规则和示范
- `references/term-prompt-pack.schema.json`：产物数据合同
- `scripts/validate_pack.py`：JSON 与 HTML 校验
- `scripts/render_pack.py`：渲染离线 HTML
- `scripts/test_pipeline.py`：回归测试（三个示例）
- `examples/`：渲染好的示例 HTML