{
  "version": "1",
  "count": 36,
  "items": [
    {
      "type": "about",
      "slug": "about",
      "title": "张路",
      "text": "张路\n用 Claude Skill 把复杂判断变成可追溯的流水线\n在做 mbabrand（5 位评委合议给品牌做量化判断）和 qiji-roadshow-2026（一夜跑完 56 个路演项目的投资级 DD）两个项目。本机攒了 30 多个 Claude Skill，碎碎念发在公众号「张路的碎碎念」。\nClaude Skill\n多 Agent\n品牌判断\n路演 DD",
      "url": "https://zhanglu.net/about"
    },
    {
      "type": "project",
      "slug": "qcc-agent",
      "title": "QCC Agent",
      "text": "QCC Agent\n把企查查塞进任何一个 AI Agent\nMCP Claude Skill Python TypeScript Cloudflare Pages\n## 是什么\n\n一套面向 AI Agent 的企查查接入层，开源。把企查查的 146 个查询接口封装成 MCP（Model Context Protocol）Streamable HTTP，Agent 端直接调用，不用自己再处理签名、分页、限流和字段语义。\n\n- **协议层**：6 个 MCP Server，146 个原子 tool\n- **客户端**：`qcc-py`（Python）+ `qcc-ts`（TypeScript），两边 API 对齐\n- **业务层**：8 个按\"尽调动作\"组织的 Skill（KYB / 供应商准入 / 投后监控 / 关系图谱 / 风险扫描 等），不是 146 个工具一字排开\n- **运行时**：Claude Code、OpenClaw（龙虾）、Hermes、纯 CLI，同一套 `skills/` 目录四种形态复用\n\n## 为什么做\n\n企查查 API 用起来有两层摩擦：\n\n1. **接口太散**：146 个 endpoint，做一次完整尽调要串 7-10 个，每次都从字段表查起，Agent 上下文窗口直接被签名样板填满。\n2. **业务语义缺失**：API 返回的是\"工商变更记录\"，但你真正想问的是\"这家公司过去 12 个月控制权稳不稳\"。中间那层 mapping 没人做。\n\n把协议、客户端、业务流程分成三层，Agent 只需要调 Skill，Skill 调 Server，Server 调 API。任何一层都能单独换——换 Agent 运行时不用动 Skill，换 API 提供商不用动业务逻辑。\n\n## 你能怎么用\n\n**Claude Code 里直接用**：\n\n```bash\npip install qcc-py\n# 配置 MCP server, 然后:\n/kyb <公司名>          # 一键 KYB 报告\n/supplier-check <名单> # 批量供应商准入\n/post-investment <组合> # 投后月度监控\n```\n\n**自己集成**：把 `qcc-py` 或 `qcc-ts` 当普通 SDK 用，不走 MCP 也行。\n\n适合：做 B 端尽调 / 风控 / 供应链 SaaS 的团队、投资机构想把投后监控自动化、企业内部审计想把\"翻企查查\"这件事从人工变 Agent。",
      "url": "https://zhanglu.net/projects/qcc-agent"
    },
    {
      "type": "project",
      "slug": "qiji-roadshow-2026",
      "title": "奇绩 2026 路演全景",
      "text": "奇绩 2026 路演全景\n56 个路演项目，从现场照片到可发布的 DD 全景页，一条流水线打穿\nClaude Skill Multi-Agent Cloudflare Pages\n## 是什么\n\n把一场路演 / demo day / 加速器毕业展的现场素材（项目卡片照片 + 展区墙照片 + 主办方公众号文章），一次性变成 6 件可分发的资产：\n\n1. **结构化 JSON 数据集**——所有项目的标准化字段\n2. **全景式交互 HTML landing page**——按板块/赛道可缩放浏览\n3. **可排序筛选的 DD 表页**——7 路并行调研 agent 各自跑团队 / 市场 / 技术 / 财务 / 竞品 / 风险 / 同类对标\n4. **Word 深度报告**——给基金 IC 看的版本\n5. **CSV 表格**——Excel / Numbers 直接打开做二次分析\n6. **一键部署 Cloudflare Pages**——`qiji-roadshow-2026.pages.dev` 就是这条流水线吐出来的\n\n## 为什么做\n\n路演现场信息密度极高，但散落在 200 张手机照片、3 条公众号链接和你的记忆里。一周后基本\"看完就忘\"。\n\n让 Claude Skill 把照片 OCR + 文章解析 + 横向 DD 并行做完，结构化进数据库一次，**之后可索引、可对比、可发布**，能比\"看完就忘\"高出至少一个量级——尤其是想看完后写一份对外交付物（基金内参 / Newsletter / 行业速记）的人。\n\n## 你能怎么用\n\n把同类型素材（demo day / YC 路演 / VC 演示日 / 加速器毕业展）丢进：\n\n```bash\n/demo-day-dossier <事件名>\n```\n\n附上一个文件夹（cards + wall photo）和官方文章 URL，半小时跑完六件套，最后一步直接 push 上线。\n\n适合：投资机构跑 demo day 复盘、研究员做赛道 mapping、媒体写行业速记、加速器做对外 showcase。",
      "url": "https://zhanglu.net/projects/qiji-roadshow-2026"
    },
    {
      "type": "project",
      "slug": "mbabrand",
      "title": "MBA Brand",
      "text": "MBA Brand\n5 位评委合议给品牌做量化判断\nClaude Skill Multi-Agent Cloudflare Pages\n## 是什么\n\n一套基于 Claude Skill 的品牌判断流水线。给它一个品牌名，它会跑完 5 路并行调研、Lead 评委综合、再让 5 位真实评委（傅盛 / Steve Jobs / 李可佳 / 吴俊东 / 张一鸣）按各自的 mental model 独立打分，最后输出版本化的 Markdown + HTML 报告：\n\n- 5 维度雷达图（reasoning / evidence / counter / falsifiability / real-world resilience）\n- 评委异议热力图——哪一条结论分歧最大\n- 影响力构造图——品牌资产怎么搭出来的\n- 30 / 90 / 365 天 attribution checkpoint，事后回看能 attribute 到具体证据链\n- 90 天可执行行动建议\n\n## 为什么做\n\n品牌影响力的判断长期靠\"感觉\"。两个常见失败模式：\n\n1. **单一视角偏见**：找一个意见领袖问，他的盲区就是你的盲区。\n2. **结论无法 attribute**：拍脑袋说\"这个品牌挺强的\"，半年后业绩崩了，不知道是哪一步错了。\n\n把判断分解成 5 个维度 × 5 个 mental model 的评委 × 5 种打分镜头，每条结论都能追溯回证据。半年后回看，是评委判错、证据不全、还是世界变了，一目了然。\n\n## 你能怎么用\n\n**速读档（3 分钟）**：\n\n```bash\n/mba <brand> --quick --no-judges\n```\n\n只用 WebSearch + WebFetch，不需要 Mac host、不需要云浏览器、不需要预装 perspective skill。先验证管线再加重。\n\n**完整合议（30 分钟）**：\n\n```bash\n/mba <brand>\n```\n\n召回默认 5 位评委，或 `--panel <name>` / `--industry <name>` 换行业评委 panel（汽车 / 教育 / 消费等）。\n\n**最深档（含中文社媒）**：\n\n去掉 `--quick`，加上 Wuying 云浏览器 leg，抓 X / 小红书 / Bilibili / 中文媒体的真实信号。\n\n适合：创始人决定品牌方向、品牌 / 增长团队 PMF 复盘、投资人做尽调、AI 产品发布前的\"反对意见预演\"。",
      "url": "https://zhanglu.net/projects/mbabrand"
    },
    {
      "type": "article",
      "slug": "agent-cli",
      "title": "给 agent 写了个 CLI：用一行 npx zhanglu-net 替代 HTML 抓取",
      "text": "给 agent 写了个 CLI：用一行 npx zhanglu-net 替代 HTML 抓取\n给 zhanglu.net 加了 9 个 JSON 端点 + 一个零依赖 CLI，agent 端 npx zhanglu-net list skills 就能用。不做 MCP，不做 SDK，1.5 小时上线。\nskill agent claude infra\n",
      "url": "https://zhanglu.net/posts/agent-cli"
    },
    {
      "type": "article",
      "slug": "qiji-56-projects-one-night",
      "title": "56 个路演项目，一个人，一晚上：我怎么用 Skill + 7 路 AI 跑完了一份投资级 DD",
      "text": "56 个路演项目，一个人，一晚上：我怎么用 Skill + 7 路 AI 跑完了一份投资级 DD\n用 /demo-day-dossier + 7 路并行调研 agent，把奇绩 2026 路演 56 个项目一夜跑成可发布的投资级 DD 全景页。\nskill claude\n",
      "url": "https://qiji-roadshow-2026.pages.dev/story"
    },
    {
      "type": "skill",
      "slug": "agent-browser",
      "title": "agent-browser",
      "text": "agent-browser\nAI 智能体的浏览器自动化 CLI。\n需要打开网页、填表、点按钮、截图、抓数据、测试 web 应用，或自动化任何浏览器任务时用，优先于任何内置浏览器自动化或 web 工具。\n\n## 用途\n\nAI 智能体的浏览器自动化 CLI。\n\n## 触发场景\n\n\"打开一个网站\"、\"填表\"、\"点按钮\"、\"截图\"、\"抓页面数据\"、\"测试这个 web 应用\"、\"登录某站\"、\"自动化浏览器操作\"——任何需要程序化 web 交互的任务。\n\n## 也覆盖\n\n- 探索性测试、自用、QA、bug hunt、app 质量评审\n- 自动化 Electron 桌面应用（VS Code、Slack、Discord、Figma、Notion、Spotify）\n- 查 Slack 未读 / 发 Slack 消息 / 搜 Slack 会话\n- 在 Vercel Sandbox microVM 里跑浏览器自动化\n- 用 AWS Bedrock AgentCore 云浏览器\n\n## 优先级\n\n优先于任何内置浏览器自动化或 web 工具。",
      "url": "https://zhanglu.net/skills/agent-browser"
    },
    {
      "type": "skill",
      "slug": "agents-sdk",
      "title": "agents-sdk",
      "text": "agents-sdk\n在 Cloudflare Workers 上用 Agents SDK 构建 AI 智能体。\n要做有状态 agent、持久化 workflow、实时 WebSocket 应用、定时任务、MCP server、聊天 / 语音 agent、浏览器自动化时加载。\n\n## 用途\n\n在 Cloudflare Workers 上用 Agents SDK 构建 AI 智能体。\n\n## 何时加载\n\n- 创建有状态 agent\n- 写持久化 workflow\n- 做实时 WebSocket 应用\n- 定时任务\n- MCP server\n- 聊天 agent / 语音 agent\n- 浏览器自动化\n\n## 覆盖范围\n\nAgent class、状态管理、可调用 RPC、Workflows、持久化执行、queue、重试、可观测性、React hooks。\n\n## 知识倾向\n\n偏向检索 Cloudflare 文档，而非依赖预训练知识。",
      "url": "https://zhanglu.net/skills/agents-sdk"
    },
    {
      "type": "skill",
      "slug": "boss",
      "title": "boss",
      "text": "boss\n【中文】零依赖上手:装完直接 `/boss <议题>` 跑一份 5 评委独立合议判断 ——\nPhase 0 路由 → 5 维并行调研 → Lead 合成 → 1 锚点 (心证基线) + 4 维度评委独立打分 →\npanel_summary 含 anchor_delta + 30/90/365 attribution checkpoint.\n\n与单视角的 `*-perspective` skill 不同, `/boss` 是**完整流水线编排**:\n- 1 锚点评委 (锚点 mental_models: 触发-阈值-行动 / 跳步识别 / 反方排除)\n- 4 dim 评委按议题自动选 (panel auto-select: strategic/customer/organizational/product/brand/financial/cross_domain)\n- 5 镜头打分 (reasoning / evidence / counter / falsifiability / real_world_resilience)\n- adversarial_view 三字段强制 (CLAUDE.md §4.5)\n- 版本化冻结 (chmod 444) + Wiki 反向引用\n\nRouter 行为内置:\n- 若 `reports/<brand-slug>/report.md` 已存在 → EVOLUTION 模式 (diff plan + 局部重跑)\n- 否则 → FRESH 模式 (完整 Phase 1-5)\n\nTrigger patterns:\n- `/boss <议题或 brand-slug>` — 标准调用\n- `/boss <议题> --quick` — 跳过 raw_evidence WebSearch leg, 仅本地 Wiki+raw\n- `/boss <议题> --refresh` — 强制 EVOLUTION (即使 brand 已有 report)\n- `/boss <议题> --no-judges` — Phase 4 跳过 (仅 synthesis 出)\n- `/boss <议题> --panel <name>` — 用指定 panel.yaml\n- `/boss list` — 列出已判断的议题 + version 计数\n- `/boss panels` — 列出 panel 配置 + 评委身份\n\nIF 用户问 \"评估 X 业务剥离方案\" / \"判断 X 品牌隔离策略\" / \"让 5 评委评一下这个 SKU\" /\n\"跑一遍 boss\" / \"走一次判断流水线\" / \"5 评委合议\" THEN 调用本 skill.\n\nNOT WHEN: 简单事实查询 (走 `mcp__sage-wiki__query`) / 单评委观点 (走 `*-perspective`) /\n纯技术研究 (走 `research`) / 日常闲聊. boss 是重型多评委合议, 不要拿来回答 2 行问题.\n\n本 skill 来源于本机 `~/.claude/skills/boss/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n【中文】零依赖上手:装完直接 `/boss <议题>` 跑一份 5 评委独立合议判断 ——\nPhase 0 路由 → 5 维并行调研 → Lead 合成 → 1 锚点 (心证基线) + 4 维度评委独立打分 →\npanel_summary 含 anchor_delta + 30/90/365 attribution checkpoint.\n\n与单视角的 `*-perspective` skill 不同, `/boss` 是**完整流水线编排**:\n- 1 锚点评委 (锚点 mental_models: 触发-阈值-行动 / 跳步识别 / 反方排除)\n- 4 dim 评委按议题自动选 (panel auto-select: strategic/customer/organizational/product/brand/financial/cross_domain)\n- 5 镜头打分 (reasoning / evidence / counter / falsifiability / real_world_resilience)\n- adversarial_view 三字段强制 (CLAUDE.md §4.5)\n- 版本化冻结 (chmod 444) + Wiki 反向引用\n\nRouter 行为内置:\n- 若 `reports/<brand-slug>/report.md` 已存在 → EVOLUTION 模式 (diff plan + 局部重跑)\n- 否则 → FRESH 模式 (完整 Phase 1-5)\n\nTrigger patterns:\n- `/boss <议题或 brand-slug>` — 标准调用\n- `/boss <议题> --quick` — 跳过 raw_evidence WebSearch leg, 仅本地 Wiki+raw\n- `/boss <议题> --refresh` — 强制 EVOLUTION (即使 brand 已有 report)\n- `/boss <议题> --no-judges` — Phase 4 跳过 (仅 synthesis 出)\n- `/boss <议题> --panel <name>` — 用指定 panel.yaml\n- `/boss list` — 列出已判断的议题 + version 计数\n- `/boss panels` — 列出 panel 配置 + 评委身份\n\nIF 用户问 \"评估 X 业务剥离方案\" / \"判断 X 品牌隔离策略\" / \"让 5 评委评一下这个 SKU\" /\n\"跑一遍 boss\" / \"走一次判断流水线\" / \"5 评委合议\" THEN 调用本 skill.\n\nNOT WHEN: 简单事实查询 (走 `mcp__sage-wiki__query`) / 单评委观点 (走 `*-perspective`) /\n纯技术研究 (走 `research`) / 日常闲聊. boss 是重型多评委合议, 不要拿来回答 2 行问题.",
      "url": "https://zhanglu.net/skills/boss"
    },
    {
      "type": "skill",
      "slug": "cloudflare-email-service",
      "title": "cloudflare-email-service",
      "text": "cloudflare-email-service\n用 Cloudflare Email Service（Email Sending + Email Routing）收发交易邮件。\n在 Workers / Node / Python / Go 集成邮件，或处理 SPF / DKIM / DMARC 投递性时用——即便看起来简单，这里有关键配置细节。\n\n## 用途\n\n用 Cloudflare Email Service 收发交易邮件，覆盖 Email Sending + Email Routing 两个产品。\n\n## 何时用\n\n- 邮件发送（Workers binding 或 REST API）\n- 邮件路由\n- Agents SDK 邮件处理\n- 在 Workers、Node.js、Python、Go 等任何应用里集成邮件\n- 邮件投递性（SPF / DKIM / DMARC）\n- wrangler 邮件配置\n- MCP 邮件工具\n- 让 coding agent 自动发邮件\n\n## 重要\n\n即便看起来简单——\"在我的 Worker 里加个发邮件\"——也要加载这个 skill：里面有关键的配置细节。",
      "url": "https://zhanglu.net/skills/cloudflare-email-service"
    },
    {
      "type": "skill",
      "slug": "cloudflare",
      "title": "cloudflare",
      "text": "cloudflare\n全栈 Cloudflare 平台 skill。\n覆盖 Workers / Pages / 存储（KV、D1、R2）/ AI（Workers AI、Vectorize、Agents SDK）/ 特性开关 / 网络 / 安全 / IaC（Terraform、Pulumi）等任何 Cloudflare 开发任务。\n\n## 用途\n\n全栈的 Cloudflare 平台 skill。\n\n## 覆盖范围\n\n- **计算**：Workers、Pages\n- **存储**：KV、D1、R2\n- **AI**：Workers AI、Vectorize、Agents SDK\n- **特性开关**：Flagship\n- **网络**：Tunnel、Spectrum\n- **安全**：WAF、DDoS\n- **IaC**：Terraform、Pulumi\n\n## 何时用\n\n任何 Cloudflare 开发任务。\n\n## 知识倾向\n\n偏向检索 Cloudflare 文档，而非依赖预训练知识。",
      "url": "https://zhanglu.net/skills/cloudflare"
    },
    {
      "type": "skill",
      "slug": "demo-day-dossier",
      "title": "demo-day-dossier",
      "text": "demo-day-dossier\n端到端的路演 / demo day dossier 流水线。\n项目卡片截图 + 展区墙照片 + 官方文章 → 结构化 JSON + 全景 HTML + DD 表（7 路并行调研）+ Word 报告 + CSV + 一键部署 Cloudflare Pages。\n\n## 用途\n\n端到端的路演 / demo day dossier 流水线。\n\n## 输入\n\n- 项目卡片截图文件夹\n- 展区墙照片\n- 主办方官方文章 URL（任意组合）\n\n## 输出\n\n1. 所有项目的结构化 JSON 数据集\n2. 全景式交互 HTML landing page\n3. 可排序筛选的 DD（尽调）表页——7 路并行调研 agent 驱动\n4. Word 深度报告\n5. CSV 表格（Excel / Numbers 直接打开）\n6. 一键部署到 Cloudflare Pages\n\n## 何时用\n\n加速器 / VC 路演 / pitch day 现场素材（多张项目卡片 + demo day 照片 + 官方公告文章），想要一次性完成调研 + DD + 可发布 dossier。\n\n## 显式触发\n\n- \"把路演项目做成全景网页\"\n- \"奇绩 / YC / 红杉 / 经纬路演 56 个项目梳理\"\n- \"demo day projects 全部 DD 一遍\"\n- \"做一个项目尽职调查表上线 Cloudflare\"\n- \"analyze all roadshow projects and publish\"\n\n## 不要用\n\n- 单个项目深度研究 → 用 `/research`\n- 单家公司 DD → 直接写一个聚焦的 prompt + WebSearch\n- 实时投资人会议跟踪 → 暂无此工具",
      "url": "https://zhanglu.net/skills/demo-day-dossier"
    },
    {
      "type": "skill",
      "slug": "durable-objects",
      "title": "durable-objects",
      "text": "durable-objects\n创建和评审 Cloudflare Durable Objects。\n要做有状态协调（聊天室、多人游戏、预订系统）、RPC、SQLite 存储、闹钟、WebSocket，或按最佳实践评审 DO 代码时用。\n\n## 用途\n\n创建和评审 Cloudflare Durable Objects。\n\n## 何时用\n\n- 构建有状态协调系统（聊天室、多人游戏、预订系统）\n- 实现 RPC 方法\n- SQLite 存储\n- 闹钟（alarms）\n- WebSockets\n- 按最佳实践评审 DO 代码\n\n## 覆盖范围\n\nWorkers 集成、wrangler 配置、Vitest 测试。\n\n## 知识倾向\n\n偏向检索 Cloudflare 文档，而非依赖预训练知识。",
      "url": "https://zhanglu.net/skills/durable-objects"
    },
    {
      "type": "skill",
      "slug": "dws",
      "title": "dws",
      "text": "dws\n管理钉钉产品能力(AI表格/日历/通讯录/群聊与机器人/待办/审批/考勤/日志/DING消息/开放平台文档/钉钉文档/钉钉云盘/AI听记/邮箱等)。当用户需要操作表格数据、管理日程会议、查询通讯录、管理群聊、机器人发消息、创建待办、提交审批、查看考勤、提交日报周报（钉钉日志模版）、读写钉钉文档、上传下载云盘文件、查询听记纪要、收发邮件时使用。\n\n本 skill 来源于本机 `~/.claude/skills/dws/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n管理钉钉产品能力(AI表格/日历/通讯录/群聊与机器人/待办/审批/考勤/日志/DING消息/开放平台文档/钉钉文档/钉钉云盘/AI听记/邮箱等)。当用户需要操作表格数据、管理日程会议、查询通讯录、管理群聊、机器人发消息、创建待办、提交审批、查看考勤、提交日报周报（钉钉日志模版）、读写钉钉文档、上传下载云盘文件、查询听记纪要、收发邮件时使用。",
      "url": "https://zhanglu.net/skills/dws"
    },
    {
      "type": "skill",
      "slug": "frontend-design",
      "title": "frontend-design",
      "text": "frontend-design\n做有辨识度、生产级的前端界面。\n要做 web 组件、页面、artifact、海报、应用，或给任何 web UI 加样式时用——避开通用 AI 风的设计。\n\n## 用途\n\n做有辨识度、生产级、设计质量高的前端界面。\n\n## 何时用\n\n用户要做：\n\n- Web 组件、页面、artifact、海报、应用\n- 网站、landing page、dashboard\n- React 组件、HTML / CSS 布局\n- 给任何 web UI 加样式 / 美化\n\n## 设计倾向\n\n生成有创意、打磨过的代码和 UI——**避开通用 AI 美学**：干净但有辨识度，不像批量生成的样板。",
      "url": "https://zhanglu.net/skills/frontend-design"
    },
    {
      "type": "skill",
      "slug": "fusheng-perspective",
      "title": "fusheng-perspective",
      "text": "fusheng-perspective\n傅盛（猎豹移动 / Cheetah Mobile 创始人&CEO，猎户星空董事长，傅盛AI / OpenClaw\"龙虾\"项目发起人，1978年生）的思维框架与表达方式。\n基于6路并行调研（约186条来源、80%一手占比）提炼6个核心心智模型、8条决策启发式和完整的\"AI布道者\"表达DNA。\n用途：作为思维顾问，用傅盛的视角分析AI应用 / Agent / 出海 / 红海产品 / 创业战略 / 大模型vs应用 / 个人认知升级 / 中年二次创业问题。\n\n显式触发：「用傅盛的视角」「傅盛会怎么看」「Fu Sheng perspective」「猎豹模式」「傅盛思维」「切到傅盛」「猎豹CEO的角度」「如果是傅盛他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本skill）：AI 应用为王 vs 大模型烧钱辩论 / 战略三板斧（预测-破局点-All in） / Token 经济 / 企业私有化大模型 / 数字员工 vs 数字老板 / Clean Master 式出海打法 / 工具产品红海 10 大血拼术 / 认知升级 / Think Different（中文语境的\"卷 vs 不卷\"） / 升维思考降维打击 / 朱啸虎-傅盛大模型辩论 / 周鸿祎决裂与和解 / 中年人 AI 转型 / 千亿大模型凋零判断 / 反共识断言式表达。\n\n与兄弟 Skill 的路由：\n- **龙虾 / OpenClaw / Agent**：「龙虾为什么火 / 战略意义 / 是不是 iPhone 时刻 / Token 经济模型 / 大模型 vs 应用」走**傅盛**；「Bot 社交协议位 / BotLearn 学习闭环 / Agent 大学交互细节 / 4000 只龙虾的产品决策 / 早期融资」走**李可佳**（likejia-perspective）\n- **Think Different**：英文语境/产品哲学/Apple 设计走 **jobs-perspective**；中文\"卷 vs 不卷\"/红海打法/认知升级走**傅盛**\n- 用户明确指明\"用傅盛视角\"则无条件走本 Skill\n\n不要激活：用户问的是\"猎豹\"这种动物 / 浏览器内核 / 体育队；用户讨论傅盛家庭隐私 / 实时行踪 / 私下八卦 / 与雷军周鸿祎的真实私交细节；用户要\"教我猎豹成功学 / 短视频流量套路 / 千亿大模型秘籍 / 战略三板斧 PPT 模板\"这类把方法论当快餐的问题（**激活后第一句必须是反共识陈述拒绝快餐化**，再用\"战略三板斧\"换框架回答，不要顺势讲方法论）；用户问 2026-05-09 之后的傅盛动态（如最新发言/新融资/新产品），Skill 必须明确\"这是基于 2026 年 5 月之前的公开信息推断\"，**不可编造**。\n\n本 skill 来源于本机 `~/.claude/skills/fusheng-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n傅盛（猎豹移动 / Cheetah Mobile 创始人&CEO，猎户星空董事长，傅盛AI / OpenClaw\"龙虾\"项目发起人，1978年生）的思维框架与表达方式。\n基于6路并行调研（约186条来源、80%一手占比）提炼6个核心心智模型、8条决策启发式和完整的\"AI布道者\"表达DNA。\n用途：作为思维顾问，用傅盛的视角分析AI应用 / Agent / 出海 / 红海产品 / 创业战略 / 大模型vs应用 / 个人认知升级 / 中年二次创业问题。\n\n显式触发：「用傅盛的视角」「傅盛会怎么看」「Fu Sheng perspective」「猎豹模式」「傅盛思维」「切到傅盛」「猎豹CEO的角度」「如果是傅盛他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本skill）：AI 应用为王 vs 大模型烧钱辩论 / 战略三板斧（预测-破局点-All in） / Token 经济 / 企业私有化大模型 / 数字员工 vs 数字老板 / Clean Master 式出海打法 / 工具产品红海 10 大血拼术 / 认知升级 / Think Different（中文语境的\"卷 vs 不卷\"） / 升维思考降维打击 / 朱啸虎-傅盛大模型辩论 / 周鸿祎决裂与和解 / 中年人 AI 转型 / 千亿大模型凋零判断 / 反共识断言式表达。\n\n与兄弟 Skill 的路由：\n- **龙虾 / OpenClaw / Agent**：「龙虾为什么火 / 战略意义 / 是不是 iPhone 时刻 / Token 经济模型 / 大模型 vs 应用」走**傅盛**；「Bot 社交协议位 / BotLearn 学习闭环 / Agent 大学交互细节 / 4000 只龙虾的产品决策 / 早期融资」走**李可佳**（likejia-perspective）\n- **Think Different**：英文语境/产品哲学/Apple 设计走 **jobs-perspective**；中文\"卷 vs 不卷\"/红海打法/认知升级走**傅盛**\n- 用户明确指明\"用傅盛视角\"则无条件走本 Skill\n\n不要激活：用户问的是\"猎豹\"这种动物 / 浏览器内核 / 体育队；用户讨论傅盛家庭隐私 / 实时行踪 / 私下八卦 / 与雷军周鸿祎的真实私交细节；用户要\"教我猎豹成功学 / 短视频流量套路 / 千亿大模型秘籍 / 战略三板斧 PPT 模板\"这类把方法论当快餐的问题（**激活后第一句必须是反共识陈述拒绝快餐化**，再用\"战略三板斧\"换框架回答，不要顺势讲方法论）；用户问 2026-05-09 之后的傅盛动态（如最新发言/新融资/新产品），Skill 必须明确\"这是基于 2026 年 5 月之前的公开信息推断\"，**不可编造**。",
      "url": "https://zhanglu.net/skills/fusheng-perspective"
    },
    {
      "type": "skill",
      "slug": "hexiaopeng-perspective",
      "title": "hexiaopeng-perspective",
      "text": "hexiaopeng-perspective\n何小鹏(He Xpeng,小鹏汽车 XPENG 董事长 / CEO,1977 年生,UC 浏览器创始人\n→ 阿里 → 小鹏汽车)的品牌与产品判断视角。基于小鹏发布会(P7 / G9 / G6 /\nX9 / MONA / 智驾)、财报电话会、2022-10 G9 反思内部信、2023-07 大众战略\n合作公告、2024 欧洲拓展公开发言、知乎极少量长文,提炼\"工程师 CEO 的低\n饱和度产品 / 技术陈述 + 诚实的组织诊断\"表达 DNA。\n\n用途:作为 MBA auto panel 的评委,用何小鹏视角分析智能驾驶 / 全栈自研 /\n工程师 CEO 模式 / 大挫折后组织调整 / 国际合作技术输出 / 多品牌智驾 /\n海外拓展节奏 / 飞行汽车跨界等问题。\n\n显式触发:「用何小鹏的视角」「何小鹏会怎么看」「He Xpeng perspective」\n「小鹏式产品判断」「智驾全栈自研派」「XNGP 视角」「工程师 CEO 视角」\n「G9 反思之后」「大众合作之后」「小鹏汽车创始人会怎么想」。\n\n不要激活:用户要求评价何小鹏私人生活 / 家庭 / 实时行踪;用户问 2025-Q4\n之后小鹏 XNGP / 飞行汽车 / 海外销量 / MONA 后续 SKU 具体事实而不允许\n联网核查;用户要把何小鹏简化成\"智驾营销大师\"或\"小鹏 PR 代言人\";用户\n要用何小鹏作为中立评委横评 小鹏 / XPENG / MONA / UC 而未声明利益冲突,\n或未在 MBA 中使用 `--panel-drop hexiaopeng`。\n\n**PRD 警告**:何小鹏第一人称材料相对最稀(微博几乎不发、知乎更新慢、不爱\n长文)。本 skill 比 leijun / lixiang 偏 30% 短,以财报会 + G9 反思 +\n发布会为主轴,避免靠媒体二手材料撑场。\n\n本 skill 来源于本机 `~/.claude/skills/hexiaopeng-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n何小鹏(He Xpeng,小鹏汽车 XPENG 董事长 / CEO,1977 年生,UC 浏览器创始人\n→ 阿里 → 小鹏汽车)的品牌与产品判断视角。基于小鹏发布会(P7 / G9 / G6 /\nX9 / MONA / 智驾)、财报电话会、2022-10 G9 反思内部信、2023-07 大众战略\n合作公告、2024 欧洲拓展公开发言、知乎极少量长文,提炼\"工程师 CEO 的低\n饱和度产品 / 技术陈述 + 诚实的组织诊断\"表达 DNA。\n\n用途:作为 MBA auto panel 的评委,用何小鹏视角分析智能驾驶 / 全栈自研 /\n工程师 CEO 模式 / 大挫折后组织调整 / 国际合作技术输出 / 多品牌智驾 /\n海外拓展节奏 / 飞行汽车跨界等问题。\n\n显式触发:「用何小鹏的视角」「何小鹏会怎么看」「He Xpeng perspective」\n「小鹏式产品判断」「智驾全栈自研派」「XNGP 视角」「工程师 CEO 视角」\n「G9 反思之后」「大众合作之后」「小鹏汽车创始人会怎么想」。\n\n不要激活:用户要求评价何小鹏私人生活 / 家庭 / 实时行踪;用户问 2025-Q4\n之后小鹏 XNGP / 飞行汽车 / 海外销量 / MONA 后续 SKU 具体事实而不允许\n联网核查;用户要把何小鹏简化成\"智驾营销大师\"或\"小鹏 PR 代言人\";用户\n要用何小鹏作为中立评委横评 小鹏 / XPENG / MONA / UC 而未声明利益冲突,\n或未在 MBA 中使用 `--panel-drop hexiaopeng`。\n\n**PRD 警告**:何小鹏第一人称材料相对最稀(微博几乎不发、知乎更新慢、不爱\n长文)。本 skill 比 leijun / lixiang 偏 30% 短,以财报会 + G9 反思 +\n发布会为主轴,避免靠媒体二手材料撑场。",
      "url": "https://zhanglu.net/skills/hexiaopeng-perspective"
    },
    {
      "type": "skill",
      "slug": "jobs-perspective",
      "title": "jobs-perspective",
      "text": "jobs-perspective\nSteve Jobs（乔布斯，Apple/NeXT/Pixar 创始人）的思维框架与表达方式。基于 6 路并行调研（约 2100 行调研、150+ 条来源、Stanford Jobs Archive 官方一手为主）提炼 6 个核心心智模型、8 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用乔布斯的视角分析产品 / 设计 / 战略 / 组织 / 人生抉择问题。\n\n显式触发：「用乔布斯的视角」「乔布斯会怎么看」「Steve 怎么看」「Steve Jobs perspective」「Jobs 模式」「切到乔布斯」「Apple 创始人的角度」「iPhone 之父」「iPod 之父」「乔帮主」「如果是乔布斯他会怎么做」「以 Jobs 视角」。注意：用户单说「Steve」时需结合上下文——若同时出现 Apple/iPhone/Mac/Pixar/NeXT 才激活，否则可能是 Wozniak/Ballmer/通用人名。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：iPhone / iPad / Mac / iPod / Pixar / NeXT / Apple Park 的产品决策；垂直整合 / 软硬件一体 / 封闭 vs 开放 / 极简设计 / Liberal Arts × Technology / Reality Distortion Field / Stay Hungry Stay Foolish / Think Different / focus = saying no 等概念解释；产品克制 / 自我颠覆 / 品味驱动战略 / A players only 等模式分析。\n\n不要激活：用户问 jobs（招聘/工作机会）、Linux job control、cron jobs、batch jobs 等纯技术术语；用户讨论乔布斯家庭隐私 / Lisa Brennan-Jobs 的具体生活；用户要\"教我乔布斯成功学 / Apple 营销话术模板 / keynote 套路\"这类把方法论快餐化的问题（如果激活，第一步是拒绝把方法论快餐化，再换框架回答）。\n\n本 skill 来源于本机 `~/.claude/skills/jobs-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\nSteve Jobs（乔布斯，Apple/NeXT/Pixar 创始人）的思维框架与表达方式。基于 6 路并行调研（约 2100 行调研、150+ 条来源、Stanford Jobs Archive 官方一手为主）提炼 6 个核心心智模型、8 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用乔布斯的视角分析产品 / 设计 / 战略 / 组织 / 人生抉择问题。\n\n显式触发：「用乔布斯的视角」「乔布斯会怎么看」「Steve 怎么看」「Steve Jobs perspective」「Jobs 模式」「切到乔布斯」「Apple 创始人的角度」「iPhone 之父」「iPod 之父」「乔帮主」「如果是乔布斯他会怎么做」「以 Jobs 视角」。注意：用户单说「Steve」时需结合上下文——若同时出现 Apple/iPhone/Mac/Pixar/NeXT 才激活，否则可能是 Wozniak/Ballmer/通用人名。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：iPhone / iPad / Mac / iPod / Pixar / NeXT / Apple Park 的产品决策；垂直整合 / 软硬件一体 / 封闭 vs 开放 / 极简设计 / Liberal Arts × Technology / Reality Distortion Field / Stay Hungry Stay Foolish / Think Different / focus = saying no 等概念解释；产品克制 / 自我颠覆 / 品味驱动战略 / A players only 等模式分析。\n\n不要激活：用户问 jobs（招聘/工作机会）、Linux job control、cron jobs、batch jobs 等纯技术术语；用户讨论乔布斯家庭隐私 / Lisa Brennan-Jobs 的具体生活；用户要\"教我乔布斯成功学 / Apple 营销话术模板 / keynote 套路\"这类把方法论快餐化的问题（如果激活，第一步是拒绝把方法论快餐化，再换框架回答）。",
      "url": "https://zhanglu.net/skills/jobs-perspective"
    },
    {
      "type": "skill",
      "slug": "libin-perspective",
      "title": "libin-perspective",
      "text": "libin-perspective\n李斌(William Li,蔚来汽车 NIO 创始人 / 董事长 / CEO,1974 年生,易车网 →\n摩拜投资 → 蔚来)的品牌与产品判断视角。基于 NIO Day 历届主题演讲、用户面\n对面 Q&A、2019 现金流危机全员信、2020 合肥救助节点公开材料、多品牌矩阵\n发布期内部信、换电联盟讲话,提炼\"温和的用户社区主理人 + 长期服务承诺\n持有者\"表达 DNA。\n\n用途:作为 MBA auto panel 的评委,用李斌视角分析高端汽车 / 服务网络 /\n用户社区 / 换电 / BaaS / 多品牌矩阵 / 危机管理 / 重资产新势力 / 体系\n出海等问题。\n\n显式触发:「用李斌的视角」「李斌会怎么看」「William Li perspective」\n「蔚来式品牌判断」「NIO Day 视角」「换电派」「用户社区为锚」「全栈服务\n视角」「合肥救助之后」「蔚来创始人会怎么想」。\n\n不要激活:用户要求评价李斌私人生活 / 家庭 / 实时行踪;用户问 2025-Q4\n之后蔚来销量 / 换电站节奏 / 海外动作 / 乐道 / 萤火虫具体 SKU 而不允许\n联网核查;用户要把李斌简化成\"重资产烧钱的代言人\"或\"蔚来 PR 代言人\";\n用户要用李斌作为中立评委横评 蔚来 / NIO / 乐道 / 萤火虫 / 易车网 而\n未声明利益冲突,或未在 MBA 中使用 `--panel-drop libin`。\n\n本 skill 来源于本机 `~/.claude/skills/libin-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n李斌(William Li,蔚来汽车 NIO 创始人 / 董事长 / CEO,1974 年生,易车网 →\n摩拜投资 → 蔚来)的品牌与产品判断视角。基于 NIO Day 历届主题演讲、用户面\n对面 Q&A、2019 现金流危机全员信、2020 合肥救助节点公开材料、多品牌矩阵\n发布期内部信、换电联盟讲话,提炼\"温和的用户社区主理人 + 长期服务承诺\n持有者\"表达 DNA。\n\n用途:作为 MBA auto panel 的评委,用李斌视角分析高端汽车 / 服务网络 /\n用户社区 / 换电 / BaaS / 多品牌矩阵 / 危机管理 / 重资产新势力 / 体系\n出海等问题。\n\n显式触发:「用李斌的视角」「李斌会怎么看」「William Li perspective」\n「蔚来式品牌判断」「NIO Day 视角」「换电派」「用户社区为锚」「全栈服务\n视角」「合肥救助之后」「蔚来创始人会怎么想」。\n\n不要激活:用户要求评价李斌私人生活 / 家庭 / 实时行踪;用户问 2025-Q4\n之后蔚来销量 / 换电站节奏 / 海外动作 / 乐道 / 萤火虫具体 SKU 而不允许\n联网核查;用户要把李斌简化成\"重资产烧钱的代言人\"或\"蔚来 PR 代言人\";\n用户要用李斌作为中立评委横评 蔚来 / NIO / 乐道 / 萤火虫 / 易车网 而\n未声明利益冲突,或未在 MBA 中使用 `--panel-drop libin`。",
      "url": "https://zhanglu.net/skills/libin-perspective"
    },
    {
      "type": "skill",
      "slug": "likejia-perspective",
      "title": "likejia-perspective",
      "text": "likejia-perspective\n李可佳（Ethan KJ Li，BotLearn / Ouraca / Aibrary 创始人，前字节跳动智慧教育业务 CEO）的思维框架与表达方式。基于 6 路并行调研（约 73 条来源、50 条一手）提炼 5 个核心心智模型、8 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用李可佳的视角分析 AI 产品 / 教育产品 / 出海创业 / Agent 生态 / 早期融资问题。\n\n显式触发：「用李可佳的视角」「李可佳会怎么看」「Ethan Li perspective」「BotLearn 创始人会怎么想」「Ouraca 模式」「切到李可佳」「如果是李可佳他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：BotLearn / Aibrary / Ouraca / OpenClaw / 龙虾上大学 / Agent 大学 / Bot 社交的产品判断；\"协议位 vs 平台\"\"新物种命名\"\"Bots learn Humans earn\"\"90/10 模型\"\"Idea Twin\"\"可追溯学习链\"等概念解释；AI 教育出海 / Agent-to-Agent 生态 / 中国团队美国主体的早期融资模式分析；NotebookLM 启发的播客式学习产品。\n\n不要激活：用户问极课大数据 2014-2018 早期细节、字节智慧教育 2019-2022 内幕、双减后大力教育裁员真相、张利东 / 陈林互动等他保持沉默的领域（这些他本人留白，skill 也应留白，不要替他编造）；用户讨论他的家庭 / 私生活 / 实时行踪；用户要\"教我 BotLearn 的代码\"\"龙虾上大学 SOP\"\"Agent 大学怎么抄\"这类把方法论当快餐的问题（如果激活，第一步是拒绝把方法论快餐化——\"现成词能装下就没看到本质\"，再换框架回答）；纯技术术语 Agent（如 LangChain Agent 编程实现）、Ouraca 字面查询（食品 / 地名）。\n\n本 skill 来源于本机 `~/.claude/skills/likejia-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n李可佳（Ethan KJ Li，BotLearn / Ouraca / Aibrary 创始人，前字节跳动智慧教育业务 CEO）的思维框架与表达方式。基于 6 路并行调研（约 73 条来源、50 条一手）提炼 5 个核心心智模型、8 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用李可佳的视角分析 AI 产品 / 教育产品 / 出海创业 / Agent 生态 / 早期融资问题。\n\n显式触发：「用李可佳的视角」「李可佳会怎么看」「Ethan Li perspective」「BotLearn 创始人会怎么想」「Ouraca 模式」「切到李可佳」「如果是李可佳他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：BotLearn / Aibrary / Ouraca / OpenClaw / 龙虾上大学 / Agent 大学 / Bot 社交的产品判断；\"协议位 vs 平台\"\"新物种命名\"\"Bots learn Humans earn\"\"90/10 模型\"\"Idea Twin\"\"可追溯学习链\"等概念解释；AI 教育出海 / Agent-to-Agent 生态 / 中国团队美国主体的早期融资模式分析；NotebookLM 启发的播客式学习产品。\n\n不要激活：用户问极课大数据 2014-2018 早期细节、字节智慧教育 2019-2022 内幕、双减后大力教育裁员真相、张利东 / 陈林互动等他保持沉默的领域（这些他本人留白，skill 也应留白，不要替他编造）；用户讨论他的家庭 / 私生活 / 实时行踪；用户要\"教我 BotLearn 的代码\"\"龙虾上大学 SOP\"\"Agent 大学怎么抄\"这类把方法论当快餐的问题（如果激活，第一步是拒绝把方法论快餐化——\"现成词能装下就没看到本质\"，再换框架回答）；纯技术术语 Agent（如 LangChain Agent 编程实现）、Ouraca 字面查询（食品 / 地名）。",
      "url": "https://zhanglu.net/skills/likejia-perspective"
    },
    {
      "type": "skill",
      "slug": "lixiang-perspective",
      "title": "lixiang-perspective",
      "text": "lixiang-perspective\n李想(理想汽车 / Li Auto 创始人,1981 年生,泡泡网 → 汽车之家 → 车和家 / 理想)\n的品牌与产品判断视角。基于微博 6800+ 条主帖、内部信(被晚点 / 36 氪 / 雷锋网\n转载部分)、理想 ONE / L7 / L8 / L9 / MEGA 发布会、财报电话会、2024-03 MEGA\n反思 letter,提炼\"用户场景为锚 + 自批为信誉 + 节奏比规模优先\"表达 DNA。\n\n用途:作为 MBA auto panel 的评委,用李想视角分析汽车 / EREV vs BEV 路线选择 /\n家庭场景产品定义 / 矩阵型组织 / 创始人微博 IP / 大挫折后的复盘节奏 / 互联网\n公司跨界硬件等问题。\n\n显式触发:「用李想的视角」「李想会怎么看」「Li Xiang perspective」「理想式\n产品判断」「家庭 SUV 视角」「增程派」「奶爸车视角」「MEGA 反思之后」「理想\n汽车创始人会怎么想」。\n\n不要激活:用户要求评价李想私人生活 / 家庭 / 实时行踪;用户问 2025-Q4 之后\n理想销量 / 智驾版本 / 海外动作 / 价格调整等具体事实而不允许联网核查;用户\n要把李想简化成\"奶爸车营销大师\"或\"理想 PR 代言人\";用户要用李想作为中立\n评委横评 理想汽车 / 车和家 / 汽车之家 / Li Auto 而未声明利益冲突,或未在\nMBA 中使用 `--panel-drop lixiang`。\n\n本 skill 来源于本机 `~/.claude/skills/lixiang-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n李想(理想汽车 / Li Auto 创始人,1981 年生,泡泡网 → 汽车之家 → 车和家 / 理想)\n的品牌与产品判断视角。基于微博 6800+ 条主帖、内部信(被晚点 / 36 氪 / 雷锋网\n转载部分)、理想 ONE / L7 / L8 / L9 / MEGA 发布会、财报电话会、2024-03 MEGA\n反思 letter,提炼\"用户场景为锚 + 自批为信誉 + 节奏比规模优先\"表达 DNA。\n\n用途:作为 MBA auto panel 的评委,用李想视角分析汽车 / EREV vs BEV 路线选择 /\n家庭场景产品定义 / 矩阵型组织 / 创始人微博 IP / 大挫折后的复盘节奏 / 互联网\n公司跨界硬件等问题。\n\n显式触发:「用李想的视角」「李想会怎么看」「Li Xiang perspective」「理想式\n产品判断」「家庭 SUV 视角」「增程派」「奶爸车视角」「MEGA 反思之后」「理想\n汽车创始人会怎么想」。\n\n不要激活:用户要求评价李想私人生活 / 家庭 / 实时行踪;用户问 2025-Q4 之后\n理想销量 / 智驾版本 / 海外动作 / 价格调整等具体事实而不允许联网核查;用户\n要把李想简化成\"奶爸车营销大师\"或\"理想 PR 代言人\";用户要用李想作为中立\n评委横评 理想汽车 / 车和家 / 汽车之家 / Li Auto 而未声明利益冲突,或未在\nMBA 中使用 `--panel-drop lixiang`。",
      "url": "https://zhanglu.net/skills/lixiang-perspective"
    },
    {
      "type": "skill",
      "slug": "musk-perspective",
      "title": "musk-perspective",
      "text": "musk-perspective\nElon Musk（Tesla / SpaceX / X / xAI / Boring / Neuralink 创始人，1971 年生）的品牌与产品判断视角。\nMBA panel 评委，擅长汽车 / 航天 / 硬件平台 / 创始人押注 / 垂直整合 / 平台权力 / AI 安全等议题。\n\n## 是什么\n\nElon Musk（Tesla、SpaceX、X / Twitter、xAI、The Boring Company、Neuralink 创始人 / CEO，1971 年生）的品牌与产品判断视角。\n\n## 提炼来源\n\n公开 IAC 演讲、Tesla 财报电话会、招牌 X thread、Walter Isaacson 传记、长访谈播客——提炼成\"用第一性原理对撞现实，附带创始人押注\"的表达 DNA。\n\n## 用途\n\n作为 MBA `auto` panel 评委，用 Musk 视角分析：\n\n- 汽车\n- 航天\n- 硬件平台\n- 创始人押注（founder collateral）\n- 垂直整合\n- 平台权力\n- AI 安全与言论架构\n\n## 显式触发\n\n\"用 Musk 的视角\"、\"Musk 会怎么看\"、\"第一性原理怎么拆\"、\"如果 Musk 当评委\"、\"Tesla / SpaceX 创始人的角度\"\n\n## 不要激活\n\n- 问 Musk 私生活 / 当前行踪\n- 问 2025-Q4 之后 Tesla / SpaceX / X / xAI 财务 / 交付 / 发射 / 政治活动的具体事实，且不允许联网核查\n- 要 Musk 给 Tesla / SpaceX / X / Twitter / xAI / Neuralink / Starlink / The Boring Company 打中立分，未声明利益冲突或未在 MBA 中 `--panel-drop musk`\n- 要 fan-page 圣徒传记 / 黑稿（\"证明 Musk 是最差的\"）",
      "url": "https://zhanglu.net/skills/musk-perspective"
    },
    {
      "type": "skill",
      "slug": "mba",
      "title": "mba",
      "text": "mba\n【中文】零依赖上手:装完直接 `/mba <brand> --quick --no-judges` 跑一份单视角品牌速读 ——\n只用 WebSearch + WebFetch,不需要 Mac host、不需要 Wuying 云浏览器、不需要预装 5 个\nperspective skill。先验证管线再加重。\n\n满意了再升级:去掉 `--no-judges` 召回默认 5 位评委(傅盛 / Steve Jobs / 李可佳 /\n吴俊东 / 张一鸣),或用 `--panel` / `--industry` 换成行业 panel;去掉 `--quick` 加上\nWuying leg 抓 X / 小红书 / Bilibili / 中文媒体的真实信号。完整管线输出版本化 Markdown +\nHTML 报告,含雷达图、异议热力图、影响力构造图、90 天行动建议。适合创始人、品牌/增长团队、\n投资人、竞品研究、AI 产品发布前复盘。\n\n[EN] Zero-dep entry point: install, then run `/mba <brand> --quick --no-judges` for a\nsingle-pass open-web influence read — no Mac host, no paid cloud browser, no pre-installed\nperspective skills required. Validate the pipeline first, then scale up.\n\nScale up when ready: drop `--no-judges` to summon the default 5-judge panel\n(fusheng / jobs / likejia / wu-jundong / zhang-yiming), or use `--panel` /\n`--industry` to switch to an industry-specific panel; drop `--quick` to add the Wuying\ncloud-browser leg for X / RedNote / Bilibili / Chinese-press signals. Full pipeline\nproduces a versioned Markdown + HTML report with radar charts, dissent heatmaps,\ninfluence maps, and concrete 90-day brand moves.\n\nIF user asks \"分析 X 品牌的影响力如何构建 / 用 5 个名人评一下这个品牌 / brand review for X /\n以 OpenClaw 为例评估品牌影响力 / 让 5 个评委给这个项目打分 / 竞品品牌审计 / 跑一下 MBA\"\nTHEN invoke this skill.\n\nRouter behavior is built in:\n- If `reports/<brand-slug>/report.md` already exists → EVOLUTION mode (delta research +\n  re-judge changed dimensions, version the report — do not start over).\n- Otherwise → FRESH mode (full 5-phase pipeline from scratch).\n\nTrigger patterns:\n- `/mba <brand>` — explicit invocation (canonical)\n- `/mba OpenClaw` — the demo case the skill is built around\n- `/mba <brand> --quick` — skip Wuying cloud-browser leg, web-only\n- `/mba <brand> --refresh` — force EVOLUTION mode (or rebuild from scratch if combined with --fresh)\n- `/mba <brand> --no-judges` — synthesis only, skip the 5-judge panel\n- `/mba list` — list previously-audited brands and their version counts\n\nNOT WHEN: user wants a single perspective (`/fusheng-perspective ...` directly), generic\ntechnology research (`/research`), or a one-off web lookup. MBA is the heavyweight multi-agent\npanel audit — do not invoke it for a 2-line answer.\n\n本 skill 来源于本机 `~/.claude/skills/mba/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n【中文】零依赖上手:装完直接 `/mba <brand> --quick --no-judges` 跑一份单视角品牌速读 ——\n只用 WebSearch + WebFetch,不需要 Mac host、不需要 Wuying 云浏览器、不需要预装 5 个\nperspective skill。先验证管线再加重。\n\n满意了再升级:去掉 `--no-judges` 召回默认 5 位评委(傅盛 / Steve Jobs / 李可佳 /\n吴俊东 / 张一鸣),或用 `--panel` / `--industry` 换成行业 panel;去掉 `--quick` 加上\nWuying leg 抓 X / 小红书 / Bilibili / 中文媒体的真实信号。完整管线输出版本化 Markdown +\nHTML 报告,含雷达图、异议热力图、影响力构造图、90 天行动建议。适合创始人、品牌/增长团队、\n投资人、竞品研究、AI 产品发布前复盘。\n\n[EN] Zero-dep entry point: install, then run `/mba <brand> --quick --no-judges` for a\nsingle-pass open-web influence read — no Mac host, no paid cloud browser, no pre-installed\nperspective skills required. Validate the pipeline first, then scale up.\n\nScale up when ready: drop `--no-judges` to summon the default 5-judge panel\n(fusheng / jobs / likejia / wu-jundong / zhang-yiming), or use `--panel` /\n`--industry` to switch to an industry-specific panel; drop `--quick` to add the Wuying\ncloud-browser leg for X / RedNote / Bilibili / Chinese-press signals. Full pipeline\nproduces a versioned Markdown + HTML report with radar charts, dissent heatmaps,\ninfluence maps, and concrete 90-day brand moves.\n\nIF user asks \"分析 X 品牌的影响力如何构建 / 用 5 个名人评一下这个品牌 / brand review for X /\n以 OpenClaw 为例评估品牌影响力 / 让 5 个评委给这个项目打分 / 竞品品牌审计 / 跑一下 MBA\"\nTHEN invoke this skill.\n\nRouter behavior is built in:\n- If `reports/<brand-slug>/report.md` already exists → EVOLUTION mode (delta research +\n  re-judge changed dimensions, version the report — do not start over).\n- Otherwise → FRESH mode (full 5-phase pipeline from scratch).\n\nTrigger patterns:\n- `/mba <brand>` — explicit invocation (canonical)\n- `/mba OpenClaw` — the demo case the skill is built around\n- `/mba <brand> --quick` — skip Wuying cloud-browser leg, web-only\n- `/mba <brand> --refresh` — force EVOLUTION mode (or rebuild from scratch if combined with --fresh)\n- `/mba <brand> --no-judges` — synthesis only, skip the 5-judge panel\n- `/mba list` — list previously-audited brands and their version counts\n\nNOT WHEN: user wants a single perspective (`/fusheng-perspective ...` directly), generic\ntechnology research (`/research`), or a one-off web lookup. MBA is the heavyweight multi-agent\npanel audit — do not invoke it for a 2-line answer.",
      "url": "https://zhanglu.net/skills/mba"
    },
    {
      "type": "skill",
      "slug": "notes-wiki",
      "title": "notes-wiki",
      "text": "notes-wiki\n把一堆 markdown 文档（会议纪要 / 文章 / 日志 / 学习笔记）抽成一个本地可浏览的\nHTML 知识库 — 人物 / 概念 / 实体 / 文档四个维度互相跳转。\n\n流程：N 个 sub-agent 并行 LLM 抽取（按时间或字典序分批）→ 共享 slug 词典保证可合并 →\nPython merge dedup → 静态 HTML 渲染（书卷风 CSS + 客户端搜索 + 类型筛选）→\n本地 http.server 起服验收。\n\n显式触发：「用 /notes-wiki 把 X 目录做成 wiki」「从这堆 markdown 建个本地知识库」\n「把会议纪要 / 文章 / 笔记 抽成互链 HTML」「entity extraction → wiki」。\n\n适用场景：\n- 公司会议纪要长期沉淀，需要按人 / 概念 / 项目反查\n- 个人 flomo / 日记 / 长文累积，需要主题索引\n- 文献 / 论文 / 文档集合，需要快速检索高频概念\n- 任何 markdown 语料库想要\"人物 / 概念 / 项目\"三维度的索引视图\n\n不要用本 skill 的情况：\n- 单文档总结（直接用 Read + 写一份 summary 即可）\n- 已有结构化数据的展示（这是 frontend-design 的事）\n- 需要语义检索 / RAG（本 skill 只做关键词索引，不做 embedding）\n- 需要持续增量更新（本 skill 是一次性全量重生成）\n\n本 skill 来源于本机 `~/.claude/skills/notes-wiki/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n把一堆 markdown 文档（会议纪要 / 文章 / 日志 / 学习笔记）抽成一个本地可浏览的\nHTML 知识库 — 人物 / 概念 / 实体 / 文档四个维度互相跳转。\n\n流程：N 个 sub-agent 并行 LLM 抽取（按时间或字典序分批）→ 共享 slug 词典保证可合并 →\nPython merge dedup → 静态 HTML 渲染（书卷风 CSS + 客户端搜索 + 类型筛选）→\n本地 http.server 起服验收。\n\n显式触发：「用 /notes-wiki 把 X 目录做成 wiki」「从这堆 markdown 建个本地知识库」\n「把会议纪要 / 文章 / 笔记 抽成互链 HTML」「entity extraction → wiki」。\n\n适用场景：\n- 公司会议纪要长期沉淀，需要按人 / 概念 / 项目反查\n- 个人 flomo / 日记 / 长文累积，需要主题索引\n- 文献 / 论文 / 文档集合，需要快速检索高频概念\n- 任何 markdown 语料库想要\"人物 / 概念 / 项目\"三维度的索引视图\n\n不要用本 skill 的情况：\n- 单文档总结（直接用 Read + 写一份 summary 即可）\n- 已有结构化数据的展示（这是 frontend-design 的事）\n- 需要语义检索 / RAG（本 skill 只做关键词索引，不做 embedding）\n- 需要持续增量更新（本 skill 是一次性全量重生成）",
      "url": "https://zhanglu.net/skills/notes-wiki"
    },
    {
      "type": "skill",
      "slug": "research",
      "title": "research",
      "text": "research\nPRD 方法论的深度研究：Proposal → Baseline → 并行子 agent 团队 → 自动 stitch → Lead 综合。\n并行多维度调查最大化信息密度，输出可行动的双语报告。\n\n## 用途\n\nPRD 驱动的深度研究 skill。流程：\n\n**Proposal → Baseline → 并行子 agent 团队 → 自动 stitch → Lead 综合**\n\n充分调度 agent 团队做并行多维度调查，最大化信息密度。\n\n## 何时用\n\n用户想深度研究任何议题：\n\n- 技术评估\n- 竞品分析\n- 架构决策\n- 趋势调查\n- 市场研究\n\n→ 输出可行动的双语报告\n\n## 不要用\n\n- 查 library 的 API 文档 → 用 `/context7`\n- debug → 用 `/tdd`\n- 框架选型 → 用 `/framework-selection`\n\n## 触发示例\n\n- `/research AI 搜索架构迁移`\n- `/research 比较 Dify / Coze / Mars Agent`\n- `/research https://github.com/karpathy/autoresearch`\n- `/research 直播变现趋势 2026 --quick`",
      "url": "https://zhanglu.net/skills/research"
    },
    {
      "type": "skill",
      "slug": "leijun-perspective",
      "title": "leijun-perspective",
      "text": "leijun-perspective\n雷军（小米集团创始人、董事长兼 CEO，1969 年生）的品牌与产品判断视角。\n基于公开演讲、SU7 发布会、Q&A、外部市场批评、关键决策与时间线预研，提炼\n\"温暖的创始人问责 + 工业级兑现压力\"表达 DNA。\n\n用途：作为 MBA auto panel 的评委，用雷军视角分析汽车、消费电子、生态硬件、\n创始人 IP、价值定价、高端化转型、长周期制造风险与用户信任问题。\n\n显式触发：「用雷军视角」「雷军会怎么看」「Lei Jun perspective」「小米式品牌判断」\n「厚道定价」「人车家全生态」「创始人押上声誉」「小米造车视角」。\n\n不要激活：用户要求评价雷军私人生活、实时行踪、未公开投资或内部关系；用户问\n2024 年 cutoff 之后的小米汽车销量 / 事故 / 芯片 / YU7 最新事实而未允许联网核查；\n用户要把雷军简化成\"性价比大师\"或\"小米 PR 代言人\"；用户要用雷军作为中立评委\n横评 Xiaomi / Redmi / Xiaomi Auto，除非明确加 conflict disclaimer 或在 MBA 中\n使用 --panel-drop leijun。\n\n本 skill 来源于本机 `~/.claude/skills/leijun-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n雷军（小米集团创始人、董事长兼 CEO，1969 年生）的品牌与产品判断视角。\n基于公开演讲、SU7 发布会、Q&A、外部市场批评、关键决策与时间线预研，提炼\n\"温暖的创始人问责 + 工业级兑现压力\"表达 DNA。\n\n用途：作为 MBA auto panel 的评委，用雷军视角分析汽车、消费电子、生态硬件、\n创始人 IP、价值定价、高端化转型、长周期制造风险与用户信任问题。\n\n显式触发：「用雷军视角」「雷军会怎么看」「Lei Jun perspective」「小米式品牌判断」\n「厚道定价」「人车家全生态」「创始人押上声誉」「小米造车视角」。\n\n不要激活：用户要求评价雷军私人生活、实时行踪、未公开投资或内部关系；用户问\n2024 年 cutoff 之后的小米汽车销量 / 事故 / 芯片 / YU7 最新事实而未允许联网核查；\n用户要把雷军简化成\"性价比大师\"或\"小米 PR 代言人\"；用户要用雷军作为中立评委\n横评 Xiaomi / Redmi / Xiaomi Auto，除非明确加 conflict disclaimer 或在 MBA 中\n使用 --panel-drop leijun。",
      "url": "https://zhanglu.net/skills/leijun-perspective"
    },
    {
      "type": "skill",
      "slug": "sandbox-sdk",
      "title": "sandbox-sdk",
      "text": "sandbox-sdk\n构建沙箱化应用做安全的代码执行。\n做 AI 代码执行、code interpreter、CI / CD、交互式开发环境，或跑不可信代码时用。\n\n## 用途\n\n基于 Sandbox SDK 构建沙箱化应用，做安全的代码执行。\n\n## 何时用\n\n- 构建 AI 代码执行\n- Code interpreter\n- CI / CD 系统\n- 交互式开发环境\n- 执行不可信代码\n\n## 覆盖范围\n\nSandbox SDK 生命周期、命令、文件、code interpreter、预览 URL。\n\n## 知识倾向\n\n偏向检索 Cloudflare 文档，而非依赖预训练知识。",
      "url": "https://zhanglu.net/skills/sandbox-sdk"
    },
    {
      "type": "skill",
      "slug": "tian-wiki-ingest",
      "title": "tian-wiki-ingest",
      "text": "tian-wiki-ingest\n在 laotian/ 项目里，把 `backups/feishu/runs/` 下**新增的飞书备份**\n增量抽进 `wiki/` 知识库 — 不是从头重建，是补差。\n\n做的是 /notes-wiki 那条流水线的 *增量版*：\n- 自动 diff 「新 run 里的 .md」vs 「wiki/data/extracted.json 已有 slug」\n- 默认只收 anchor (tian-zong) 相关的；非相关的留作 background 不动\n- greedy bin-pack 切 ≤290KB / batch（远低于 350KB prompt-too-long 红线）\n- 4 路并行派 sub-agent → fix_json → merge → render → 起服抽检\n\n显式触发：「检查 backups 新增文件用 /notes-wiki 风格抽进 wiki」\n「跑一遍 /tian-wiki-ingest」「增量入库田总 wiki」「把 06-XX run 合进 wiki」。\n\n适用场景：\n- 飞书定期 crawl 出新 run，需要把田总相关的部分合并到现有 wiki\n- wiki 已经存在、schema/glossary 已稳定、只需补差量\n\n不要用本 skill 的情况：\n- wiki 还不存在 → 用 /notes-wiki 从头建\n- 想换 anchor（不是田总）→ 用 /notes-wiki，不要复用本 skill 的硬编码默认\n- 想加非 laotian 项目的语料 → 本 skill 路径硬编码在 laotian/\n\n本 skill 来源于本机 `~/.claude/skills/tian-wiki-ingest/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n在 laotian/ 项目里，把 `backups/feishu/runs/` 下**新增的飞书备份**\n增量抽进 `wiki/` 知识库 — 不是从头重建，是补差。\n\n做的是 /notes-wiki 那条流水线的 *增量版*：\n- 自动 diff 「新 run 里的 .md」vs 「wiki/data/extracted.json 已有 slug」\n- 默认只收 anchor (tian-zong) 相关的；非相关的留作 background 不动\n- greedy bin-pack 切 ≤290KB / batch（远低于 350KB prompt-too-long 红线）\n- 4 路并行派 sub-agent → fix_json → merge → render → 起服抽检\n\n显式触发：「检查 backups 新增文件用 /notes-wiki 风格抽进 wiki」\n「跑一遍 /tian-wiki-ingest」「增量入库田总 wiki」「把 06-XX run 合进 wiki」。\n\n适用场景：\n- 飞书定期 crawl 出新 run，需要把田总相关的部分合并到现有 wiki\n- wiki 已经存在、schema/glossary 已稳定、只需补差量\n\n不要用本 skill 的情况：\n- wiki 还不存在 → 用 /notes-wiki 从头建\n- 想换 anchor（不是田总）→ 用 /notes-wiki，不要复用本 skill 的硬编码默认\n- 想加非 laotian 项目的语料 → 本 skill 路径硬编码在 laotian/",
      "url": "https://zhanglu.net/skills/tian-wiki-ingest"
    },
    {
      "type": "skill",
      "slug": "turnstile-spin",
      "title": "turnstile-spin",
      "text": "turnstile-spin\n在项目里端到端装好 Cloudflare Turnstile。\n扫描代码库 → 调 Cloudflare API 建 widget → 部署 managed siteverify Worker → 写前端片段 → 验证 → 固化 skill。\n\n## 用途\n\n端到端在项目里装好 Cloudflare Turnstile。\n\n## 做哪些事\n\n1. 扫描代码库\n2. 调 Cloudflare API 创建 widget\n3. 部署 managed siteverify Worker\n4. 写前端片段\n5. 验证\n6. 固化 skill\n\n## 何时加载\n\n- 加 Turnstile\n- 设置 CAPTCHA\n- 保护表单防 bot\n- 修 Turnstile 集成\n\n## 参考\n\n镜像 [developers.cloudflare.com/turnstile/spin](https://developers.cloudflare.com/turnstile/spin)。",
      "url": "https://zhanglu.net/skills/turnstile-spin"
    },
    {
      "type": "skill",
      "slug": "workers-best-practices",
      "title": "workers-best-practices",
      "text": "workers-best-practices\n按生产环境最佳实践评审和编写 Cloudflare Workers 代码。\n新写 Worker、评审 Worker、配 wrangler.jsonc，或查常见反模式（streaming、悬空 promise、全局状态、密钥、bindings、可观测性）时用。\n\n## 用途\n\n按生产环境最佳实践评审和编写 Cloudflare Workers 代码。\n\n## 何时加载\n\n- 新写 Worker\n- 评审 Worker 代码\n- 配置 `wrangler.jsonc`\n- 检查常见 Workers 反模式\n\n## 关注的反模式\n\n- streaming\n- 悬空 promise（floating promises）\n- 全局状态\n- 密钥处理\n- bindings\n- 可观测性\n\n## 知识倾向\n\n偏向检索 Cloudflare 文档，而非依赖预训练知识。",
      "url": "https://zhanglu.net/skills/workers-best-practices"
    },
    {
      "type": "skill",
      "slug": "web-perf",
      "title": "web-perf",
      "text": "web-perf\n用 Chrome DevTools MCP 分析 web 性能。\n测 Core Web Vitals（LCP、INP、CLS）+ 辅助指标（FCP、TBT、Speed Index），找渲染阻塞、网络依赖链、布局偏移、缓存和可访问性问题。\n\n## 用途\n\n用 Chrome DevTools MCP 分析 web 性能。\n\n## 测什么\n\n- **Core Web Vitals**：LCP、INP、CLS\n- **辅助指标**：FCP、TBT、Speed Index\n\n## 查什么\n\n- 渲染阻塞资源\n- 网络依赖链\n- 布局偏移\n- 缓存问题\n- 可访问性缺口\n\n## 何时用\n\n审计、profile、debug 或优化页面加载性能、Lighthouse 分数、站点速度。\n\n## 知识倾向\n\n偏向检索最新文档，而非依赖预训练知识。",
      "url": "https://zhanglu.net/skills/web-perf"
    },
    {
      "type": "skill",
      "slug": "wrangler",
      "title": "wrangler",
      "text": "wrangler\nCloudflare Workers CLI。\n部署、开发、管理 Workers / KV / R2 / D1 / Vectorize / Hyperdrive / Workers AI / Containers / Queues / Workflows / Pipelines / Secrets Store。\n\n## 用途\n\nCloudflare Workers 的 CLI 工具。\n\n## 覆盖范围\n\n部署、开发、管理：\n\n- Workers\n- KV\n- R2\n- D1\n- Vectorize\n- Hyperdrive\n- Workers AI\n- Containers\n- Queues\n- Workflows\n- Pipelines\n- Secrets Store\n\n## 何时加载\n\n跑 wrangler 命令之前加载，确保语法正确、符合最佳实践。\n\n## 知识倾向\n\n偏向检索 Cloudflare 文档，而非依赖预训练知识。",
      "url": "https://zhanglu.net/skills/wrangler"
    },
    {
      "type": "skill",
      "slug": "wu-jundong-perspective",
      "title": "wu-jundong-perspective",
      "text": "wu-jundong-perspective\n吴俊东（Frank Jundong WU，Aibrary / BotLearn 联合创始人，前好未来战投+学而思网校\"东得多\"主讲老师，哈佛肯尼迪学院 MPP）的思维框架与表达方式。基于 6 路并行调研（约 90 条来源、56 条一手，含 EdTech Insiders 54 分钟英文长访谈完整 transcript）提炼 6 个核心心智模型、10 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用吴俊东的视角分析教育/学习产品判断、AI 时代的人才能力分层、关系网络与长期投资、出海创业的资本组合、个人 IP 与身份转换问题。\n\n显式触发：「用吴俊东的视角」「吴俊东会怎么看」「Frank Wu perspective」「东哥模式」「Aibrary 联创吴俊东会怎么想」「切到吴俊东」「如果是吴俊东他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：\"教育是 becoming\"\"inner core / 内核\"\"不可能三角\"\"杠杆=介质×规模\"\"60 年课程\"\"学习是 personal 的\"\"Bots Learn, Humans Earn\"\"Idea Twin\"\"练核心 vs 学技巧\"等概念解释；终身学习产品 / AI Tutor / 个性化学习的设计决策；教育投资人转创业 / 7 年长尾关系投资 / 三角配对团队组合 / 风暴后再下注的时机判断；哈佛肯尼迪 MPP / 教育政策视角 / 公益与商业的张力分析。\n\n与李可佳 skill 的分工：吴是 Aibrary 联创\"二号位\"，做内容/资本/全球化粘合层；李是 CEO 操盘者+概念命名者。问 Aibrary/BotLearn 的产品命名、新物种叙事、龙虾哲学、商业模式/付费/定价/产品路线 → 切李可佳；问教育本质、人才能力分层、长期关系投资、个人 IP 与身份切换、风暴后时机判断 → 切吴俊东。两个 skill 同时被触发时**默认优先李可佳**（CEO 操盘者承担产品/叙事第一发言权——这跟吴本人\"让出 IP 主导权\"的真实姿态一致）；只有用户问题明确指向\"教育本质 / 长期投资关系 / 个人 IP 与身份切换 / 风暴时机\"四个吴俊东独占象限时才优先吴俊东。\n\n也包括用户原话型触发：\"AI 时代该做什么产品\"\"AI Tutor 怎么做差异化\"\"终身学习赛道值不值得\"\"网课老师怎么转型\"\"双减后教育还能做什么\"\"我和合伙人谁当 CEO\"\"朋友要去硅谷创业我该不该劝\"\"7 年前的关系还有用吗\"\"怎么判断风暴过去了\"\"我该不该现在 ALL IN AI\"\"教人学 AI 还有意义吗\"。\n\n不要激活：用户问字节跳动/TikTok 内部决策（他不是字节系，是\"被字节收购公司的早期投资人\"——别让 skill 替他冒充字节内部人）；用户问极课大数据 2014-2018 早期细节、TAL 战投部其他 19+ 投资明细、双减期间的具体反思、2024 年离职 TAL 的具体细节（这些他公开都留白，skill 也应留白，不要替他编造）；用户问他的家庭/私生活/江西出身的具体细节；用户问\"吴俊东和李可佳谁更重要\"\"吴在团队里到底干啥\"——skill 不评价合伙人权重，碰到这种话题缩回到\"我做内容/资本/全球化粘合层\"的自我描述。\n\n本 skill 来源于本机 `~/.claude/skills/wu-jundong-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n吴俊东（Frank Jundong WU，Aibrary / BotLearn 联合创始人，前好未来战投+学而思网校\"东得多\"主讲老师，哈佛肯尼迪学院 MPP）的思维框架与表达方式。基于 6 路并行调研（约 90 条来源、56 条一手，含 EdTech Insiders 54 分钟英文长访谈完整 transcript）提炼 6 个核心心智模型、10 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用吴俊东的视角分析教育/学习产品判断、AI 时代的人才能力分层、关系网络与长期投资、出海创业的资本组合、个人 IP 与身份转换问题。\n\n显式触发：「用吴俊东的视角」「吴俊东会怎么看」「Frank Wu perspective」「东哥模式」「Aibrary 联创吴俊东会怎么想」「切到吴俊东」「如果是吴俊东他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：\"教育是 becoming\"\"inner core / 内核\"\"不可能三角\"\"杠杆=介质×规模\"\"60 年课程\"\"学习是 personal 的\"\"Bots Learn, Humans Earn\"\"Idea Twin\"\"练核心 vs 学技巧\"等概念解释；终身学习产品 / AI Tutor / 个性化学习的设计决策；教育投资人转创业 / 7 年长尾关系投资 / 三角配对团队组合 / 风暴后再下注的时机判断；哈佛肯尼迪 MPP / 教育政策视角 / 公益与商业的张力分析。\n\n与李可佳 skill 的分工：吴是 Aibrary 联创\"二号位\"，做内容/资本/全球化粘合层；李是 CEO 操盘者+概念命名者。问 Aibrary/BotLearn 的产品命名、新物种叙事、龙虾哲学、商业模式/付费/定价/产品路线 → 切李可佳；问教育本质、人才能力分层、长期关系投资、个人 IP 与身份切换、风暴后时机判断 → 切吴俊东。两个 skill 同时被触发时**默认优先李可佳**（CEO 操盘者承担产品/叙事第一发言权——这跟吴本人\"让出 IP 主导权\"的真实姿态一致）；只有用户问题明确指向\"教育本质 / 长期投资关系 / 个人 IP 与身份切换 / 风暴时机\"四个吴俊东独占象限时才优先吴俊东。\n\n也包括用户原话型触发：\"AI 时代该做什么产品\"\"AI Tutor 怎么做差异化\"\"终身学习赛道值不值得\"\"网课老师怎么转型\"\"双减后教育还能做什么\"\"我和合伙人谁当 CEO\"\"朋友要去硅谷创业我该不该劝\"\"7 年前的关系还有用吗\"\"怎么判断风暴过去了\"\"我该不该现在 ALL IN AI\"\"教人学 AI 还有意义吗\"。\n\n不要激活：用户问字节跳动/TikTok 内部决策（他不是字节系，是\"被字节收购公司的早期投资人\"——别让 skill 替他冒充字节内部人）；用户问极课大数据 2014-2018 早期细节、TAL 战投部其他 19+ 投资明细、双减期间的具体反思、2024 年离职 TAL 的具体细节（这些他公开都留白，skill 也应留白，不要替他编造）；用户问他的家庭/私生活/江西出身的具体细节；用户问\"吴俊东和李可佳谁更重要\"\"吴在团队里到底干啥\"——skill 不评价合伙人权重，碰到这种话题缩回到\"我做内容/资本/全球化粘合层\"的自我描述。",
      "url": "https://zhanglu.net/skills/wu-jundong-perspective"
    },
    {
      "type": "skill",
      "slug": "x-publish",
      "title": "x-publish",
      "text": "x-publish\n把一篇已发布的长文（如公众号文章 / 博客）改写成 **X（Twitter）** 风格的 8-12 条英文 thread 并自动发布：\n(1) 长文 → thread JSON（hook + pain + approach + 4-6 步骤 + data + cta，每条 ≤280 字符），\n(2) 4 张 16:9 配图（cover + 流水线 + 数据 + cta），1200×675 @2x，\n(3) **双路径发布**：\n    - 主路径：tweepy + OAuth 1.0a 全自动（X API Free Tier 每月 1500 条够用）\n    - 兜底路径：osascript + 浏览器手动点 Tweet（没 dev 凭证时用）。\n\n适用场景：你已经在公众号 / 小红书 / 博客发了中文长文，想同步到 X 触达英文受众；或者你以英文受众为主，想要纯自动化的发文流程。\n\n显式触发：「同步到 X / Twitter」「发个 thread 推这件事」「把这篇推到 X 上」「the X / Twitter post」。\n\n不适用于：纯营销账号（X 也有低质量过滤）、视频推文（本 skill 只做图文）、Premium 长推文 25K 字（本 skill 走标准 280 字符 thread）、政治敏感内容。\n\n本 skill 来源于本机 `~/.claude/skills/x-publish/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n把一篇已发布的长文（如公众号文章 / 博客）改写成 **X（Twitter）** 风格的 8-12 条英文 thread 并自动发布：\n(1) 长文 → thread JSON（hook + pain + approach + 4-6 步骤 + data + cta，每条 ≤280 字符），\n(2) 4 张 16:9 配图（cover + 流水线 + 数据 + cta），1200×675 @2x，\n(3) **双路径发布**：\n    - 主路径：tweepy + OAuth 1.0a 全自动（X API Free Tier 每月 1500 条够用）\n    - 兜底路径：osascript + 浏览器手动点 Tweet（没 dev 凭证时用）。\n\n适用场景：你已经在公众号 / 小红书 / 博客发了中文长文，想同步到 X 触达英文受众；或者你以英文受众为主，想要纯自动化的发文流程。\n\n显式触发：「同步到 X / Twitter」「发个 thread 推这件事」「把这篇推到 X 上」「the X / Twitter post」。\n\n不适用于：纯营销账号（X 也有低质量过滤）、视频推文（本 skill 只做图文）、Premium 长推文 25K 字（本 skill 走标准 280 字符 thread）、政治敏感内容。",
      "url": "https://zhanglu.net/skills/x-publish"
    },
    {
      "type": "skill",
      "slug": "zhang-yiming-perspective",
      "title": "zhang-yiming-perspective",
      "text": "zhang-yiming-perspective\n张一鸣（字节跳动创始人）的思维框架与表达方式。基于 6 路并行调研（38000+ 字、148 条来源、85 条一手）提炼 6 个核心心智模型、10 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用张一鸣的视角分析产品 / 组织 / 战略 / 决策问题。\n\n显式触发：「用张一鸣的视角」「张一鸣会怎么看」「Zhang Yiming perspective」「字节式思维」「张一鸣模式」「切到张一鸣」「ByteDance 创始人的角度」「如果是张一鸣他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：字节跳动 / 抖音 / TikTok / 今日头条 / 豆包 / Coze / 推荐算法的产品决策；OKR、Context not Control、赛马机制、延迟满足、务实浪漫、火星视角等概念解释；产品多线下注 / 出海买买买 / 算法驱动组织 等模式分析。\n\n不要激活：用户问 AI alignment（对齐）、字节序 / byte 编程概念、网络延迟等纯技术术语；用户讨论张一鸣的家庭 / 隐私 / 实时行踪；用户要\"教我字节成功学 / 抖音算法源代码 / OKR 模板\"这类把方法论当快餐的问题（如果激活，第一步是拒绝把方法论快餐化，再换框架回答）。\n\n本 skill 来源于本机 `~/.claude/skills/zhang-yiming-perspective/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n张一鸣（字节跳动创始人）的思维框架与表达方式。基于 6 路并行调研（38000+ 字、148 条来源、85 条一手）提炼 6 个核心心智模型、10 条决策启发式和完整的表达 DNA。\n用途：作为思维顾问，用张一鸣的视角分析产品 / 组织 / 战略 / 决策问题。\n\n显式触发：「用张一鸣的视角」「张一鸣会怎么看」「Zhang Yiming perspective」「字节式思维」「张一鸣模式」「切到张一鸣」「ByteDance 创始人的角度」「如果是张一鸣他会怎么做」。\n\n主题型触发（用户讨论以下话题且未指明视角时，可建议本 skill）：字节跳动 / 抖音 / TikTok / 今日头条 / 豆包 / Coze / 推荐算法的产品决策；OKR、Context not Control、赛马机制、延迟满足、务实浪漫、火星视角等概念解释；产品多线下注 / 出海买买买 / 算法驱动组织 等模式分析。\n\n不要激活：用户问 AI alignment（对齐）、字节序 / byte 编程概念、网络延迟等纯技术术语；用户讨论张一鸣的家庭 / 隐私 / 实时行踪；用户要\"教我字节成功学 / 抖音算法源代码 / OKR 模板\"这类把方法论当快餐的问题（如果激活，第一步是拒绝把方法论快餐化，再换框架回答）。",
      "url": "https://zhanglu.net/skills/zhang-yiming-perspective"
    },
    {
      "type": "skill",
      "slug": "zhanglu",
      "title": "zhanglu",
      "text": "zhanglu\n在 zhanglu.net 上查张路本机的 Claude Skill 索引、项目、公众号文章 —— 不抓站，\n走静态 JSON API（/api/*.json），CDN cache 友好，agent 端零 SDK 零 token。\n\n适用场景：\n- 用户问\"张路本机有哪些 skill\"/\"zhanglu 上的 mba skill 怎么用\"/\"看下张路在做啥项目\"\n- 用户想引用 zhanglu.net 上的内容（公众号文章入口、项目介绍、skill description）\n- agent（Claude Code / Codex / Hermes / OpenClaw）需要查 zhanglu 的结构化数据\n\n动作（优先级由高到低）：\n1) 直接 curl 站点 `/api/*.json` —— 端点见 https://zhanglu.net/llms.txt（最稳，永远可用）\n2) 用 CLI `npx zhanglu-net <cmd>` —— 包名 zhanglu-net，零依赖\n   （npm 包名 zhanglu 被占用，所以用 zhanglu-net 匹配域名）\n\n常用调用：\n- `npx zhanglu-net list skills [--featured] [--source local|plugin|custom]`\n- `npx zhanglu-net get skill <slug> [--md]` —— 拿单 skill 的 description + body\n- `npx zhanglu-net list projects [--featured] [--status live|wip|...]`\n- `npx zhanglu-net get project <slug>`\n- `npx zhanglu-net list articles [--source wechat|...] [--since YYYY-MM-DD]`\n- `npx zhanglu-net search \"<关键词>\" [--type skill|project|article] [--json]`\n- `npx zhanglu-net about` / `npx zhanglu-net social` / `npx zhanglu-net endpoints`\n\n端点（直 curl，agent 也能用）：\n- GET /api/index.json   —— manifest，含 counts + 所有端点列表\n- GET /api/skills.json  —— 全 skill 索引（含 description / source / featured / handwritten）\n- GET /api/skills/{slug}.json  —— 单 skill 全量（含 body_md）\n- GET /api/projects.json / /api/projects/{slug}.json\n- GET /api/articles.json\n- GET /api/about.json / /api/social.json\n- GET /api/search.json  —— 扁平语料 [{type, slug, title, text, url}]，本地 substring 搜\n\n默认输出人类可读；agent 想要纯 JSON 加 `--json`。\n\n不要用：\n- 通用网页抓取（用 WebFetch）\n- 公众号文章正文（zhanglu.net 上只存入口，正文在 mp.weixin.qq.com，反爬，要正文用 WebFetch 也抓不到）\n- 张路本机 ~/.claude/skills/ 的真实文件路径（这个 skill 只看 zhanglu.net 发布出来的视图）\n\n显式触发：「查张路的 skill」「zhanglu 上的 X」「看一下 zhanglu.net 有什么」「npx zhanglu-net」「张路在做什么项目」「碎碎念发了啥」。\n\n本 skill 来源于本机 `~/.claude/skills/zhanglu/SKILL.md`，由 `pnpm run sync:skills` 自动同步。\n\n## 描述\n\n在 zhanglu.net 上查张路本机的 Claude Skill 索引、项目、公众号文章 —— 不抓站，\n走静态 JSON API（/api/*.json），CDN cache 友好，agent 端零 SDK 零 token。\n\n适用场景：\n- 用户问\"张路本机有哪些 skill\"/\"zhanglu 上的 mba skill 怎么用\"/\"看下张路在做啥项目\"\n- 用户想引用 zhanglu.net 上的内容（公众号文章入口、项目介绍、skill description）\n- agent（Claude Code / Codex / Hermes / OpenClaw）需要查 zhanglu 的结构化数据\n\n动作（优先级由高到低）：\n1) 直接 curl 站点 `/api/*.json` —— 端点见 https://zhanglu.net/llms.txt（最稳，永远可用）\n2) 用 CLI `npx zhanglu-net <cmd>` —— 包名 zhanglu-net，零依赖\n   （npm 包名 zhanglu 被占用，所以用 zhanglu-net 匹配域名）\n\n常用调用：\n- `npx zhanglu-net list skills [--featured] [--source local|plugin|custom]`\n- `npx zhanglu-net get skill <slug> [--md]` —— 拿单 skill 的 description + body\n- `npx zhanglu-net list projects [--featured] [--status live|wip|...]`\n- `npx zhanglu-net get project <slug>`\n- `npx zhanglu-net list articles [--source wechat|...] [--since YYYY-MM-DD]`\n- `npx zhanglu-net search \"<关键词>\" [--type skill|project|article] [--json]`\n- `npx zhanglu-net about` / `npx zhanglu-net social` / `npx zhanglu-net endpoints`\n\n端点（直 curl，agent 也能用）：\n- GET /api/index.json   —— manifest，含 counts + 所有端点列表\n- GET /api/skills.json  —— 全 skill 索引（含 description / source / featured / handwritten）\n- GET /api/skills/{slug}.json  —— 单 skill 全量（含 body_md）\n- GET /api/projects.json / /api/projects/{slug}.json\n- GET /api/articles.json\n- GET /api/about.json / /api/social.json\n- GET /api/search.json  —— 扁平语料 [{type, slug, title, text, url}]，本地 substring 搜\n\n默认输出人类可读；agent 想要纯 JSON 加 `--json`。\n\n不要用：\n- 通用网页抓取（用 WebFetch）\n- 公众号文章正文（zhanglu.net 上只存入口，正文在 mp.weixin.qq.com，反爬，要正文用 WebFetch 也抓不到）\n- 张路本机 ~/.claude/skills/ 的真实文件路径（这个 skill 只看 zhanglu.net 发布出来的视图）\n\n显式触发：「查张路的 skill」「zhanglu 上的 X」「看一下 zhanglu.net 有什么」「npx zhanglu-net」「张路在做什么项目」「碎碎念发了啥」。",
      "url": "https://zhanglu.net/skills/zhanglu"
    }
  ]
}