Job Yang 的 AI Agent Skills 技能表。
我把这里当成一个长期的技能仓库：把真实工作里反复用到的判断、流程、脚本和边界，一点点沉淀成 Agent 能复用的 Skill。
AI 时代最容易被低估的，是那些能反复起作用的工作方式。一次写作里的取舍，一次视频排查里的观察顺序，一次复杂任务里的证据意识，如果只停留在某次对话里，很快就会散掉。Skill 的价值，就是把这些经验压缩成可安装、可调用、可继续演化的工作单元。
这个仓库收的不是 prompt 小抄，也不是一次性技巧。每个 Skill 都应该是一段已经被真实任务磨过的能力：知道什么时候触发，知道该看什么材料，知道边界在哪里，也知道什么时候该停下来让人判断。
| Skill | 用来做什么 |
|---|---|
| vdd | 面向验证的开发：在说“做完了/没问题”之前先走一遍验证，不乱报喜、不硬挤问题、敢说没问题。 |
| haohao-shuohua | 把中文写得更像人说的：保事实、去 AI 味、加中文味、不许造词充深刻。 |
| haohao-eval | 好好说话评测台：盲评中文改稿，按真实 BadCase 做每日召回、候选门禁、发布监控与自动回滚。 |
| cuihuo | 观点淬硬引擎：把一个技术观点写成平实克制、一节一观点的对外硬文，或提炼成短思考手记。 |
| tangshan-style | 汤山体：把面向未来的想象与推演写成有历史纵深、每句耐嚼的畅想文。 |
| feynman-explainer | 用费曼技巧把复杂的东西讲透：一条逻辑链层层推导，让外行也能真正理解。 |
| opportunity-radar | 机会雷达：从公开信息或用户材料中筛出产品线索，逐条保留来源、证据和信号强度。 |
| opportunity-scorecard | 机会评分卡：为想法取证、按十维评估潜力，由脚本计算综合分和结论。 |
| product-brief | 产品需求与计划：把直接需求或研究材料整理成 PRD、可验证验收和里程碑安排。 |
| style-compass | 设计罗盘：用固定评审工作台完成 UI/UX，保留高保真候选、区域评论、定稿原型和设计规格。 |
| engineering-docs | 研发技术文档统一入口：读取上下文、协作成文、形成工程决定，按需生成图示并验证可实施性。 |
| outside-view | 兼听：只补会改变决定的外部证据，判断来源与冲突，并及时停止无效检索。 |
| sansi-erhouxing | 三思而后行：改任何成形文档前先通读全文骨架，别只盯一段、别补丁摞补丁。 |
| reverse-teardown | 反向拆解：从优秀成品里还原结构与关键选择，分清可迁移规律和仅适用本案的细节，落成操作清单与最小练习。 |
| steelman-choice | 钢人抉择：两个方案都讲得通时，先把两边各立到最强（善意原则/钢人论证），逼出真正分歧与一个翻盘问题再决定。 |
| claim-check | 说法核查：把一条说法拆成事实/结论/价值，对事实验真给五级可信度，再审计推理链有没有漏洞。 |
| argument-reading | 论证精读：把整篇文章重建为论证地图，先善意重建再评价证据、隐藏前提与失效条件。 |
| skill-library-keeper | 技能管家：库级治理——准入五问决定要不要建、健康体检查撞车/孤儿/硬绑定、外部技能直接用/炼化/重造决策；库位置自动发现，零平台强绑定。 |
| root-rethink | 归本重推：第一性原理向内重推＋跨领域借解向外，把问题拆回基本事实/假设/目标/约束，跳出补丁循环。 |
| minimum-experiment | 最小实验：锁定最致命、最不确定的假设，用低成本可逆实验和预先定好的继续/停止信号拿到真实反馈。 |
| video-reader | 把视频转成带时间戳的关键帧和运动时间线，让只能看图的大模型也能判断第几秒发生了什么。 |
| png-compress | 在本地批量压缩 App 工程里的 PNG：增量缓存、质量门禁、失败回退，不依赖在线 API。 |
可以把这些 Skill 看成几组能力：
- 判断与验证：VDD、兼听、好好说话评测台、钢人抉择、说法核查、论证精读。
- 产品形成：机会雷达、机会评分卡、产品需求与计划、设计罗盘、反向拆解（成品学习）。
- 工程交付：研发技术文档、PNG 压缩、视频读取。
- 写作表达：好好说话、淬火、汤山体、费曼讲解、三思而后行。
每个 Skill 的 README 负责讲清功能、用法、设计理由、实测结果和边界；SKILL.md 是 Agent 真正执行时读取的入口。复杂 Skill 还会附带 references、脚本、模板或运行资产，按任务需要加载。
这些技能不是孤立的技巧，而是串成几条可复用链路：任务 → 技能 → 共用枢纽 → 产出；带子越宽表示承接的任务越多，多股流合进同一处就是共用枢纽（如「取证·兼听」「产品需求/设计」）。
▸ 点图打开可交互版：悬停节点高亮整条上下游、点击查看每个技能的定位与好坏信号、按产品线/思维线/写作线/工具线筛选，右侧还有逐链路导览。
- SKILL-MAP.md：定位、独立收益与配合边界的详表
- SKILL-QUALITY-CARD.md：怎么判断每个思维技能触发没有、做得好不好
- SKILL-GAP-AUDIT.md：从全局图反推还缺什么——缺口从图里长出来，不预造技能
新增或修改 Skill 前，先过一遍上面的图和缺口体检，确认定位唯一、触发不撞车、零环境依赖。
很多 AI 能力看起来像一次性的对话技巧，其实背后都有可以沉淀的结构。
写作涉及事实、语气、节奏和删改边界的一连串判断。模型要看懂视频，先得把动态过程拆成关键帧、时间线和可复核的观察。类似的东西积累多了，就应该从聊天记录里拿出来，变成独立的 Skill。
我希望这里的技能都满足几个要求：
- 足够具体：解决一个真实问题，不做泛泛的“提升效率”。
- 有边界感：知道自己该做什么，也知道哪些判断不能替人做。
- 能被复用：一段经验到了下次还能装上、还能跑起来。
- 允许带工具：纯文字规则不够时，就把脚本、资料和流程一起放进来。
- 持续变厚：新的经验会继续沉淀进去，Skill 应该越用越像一套手艺。
克隆仓库后，把需要的完整技能目录复制到 Agent Skills 目录。下面是首次安装示例；更新已有技能前先比对本地修改，避免直接覆盖。
git clone https://github.com/Job-Yang/jobyang-ai-skills.git
mkdir -p ~/.trae/skills
cp -R jobyang-ai-skills/skills/opportunity-radar ~/.trae/skills/opportunity-radar
cp -R jobyang-ai-skills/skills/style-compass ~/.trae/skills/style-compassTRAE 用户级目录为 ~/.trae/skills/。安装其他技能时替换目录名即可；若当前会话尚未显示新技能，新建会话检查技能列表。Claude Code 使用 ~/.claude/skills/：
mkdir -p ~/.claude/skills
cp -R jobyang-ai-skills/skills/haohao-shuohua ~/.claude/skills/haohao-shuohua
cp -R jobyang-ai-skills/skills/video-reader ~/.claude/skills/video-reader安装时要保留完整技能目录，不要只复制 SKILL.md。有些技能会读取 references/、scripts/ 或 assets/。
.
├── README.md
├── README.en.md
└── skills/
├── vdd/
├── haohao-shuohua/
├── haohao-eval/
├── cuihuo/
├── tangshan-style/
├── feynman-explainer/
├── opportunity-radar/
├── opportunity-scorecard/
├── product-brief/
├── style-compass/
├── engineering-docs/
├── outside-view/
├── sansi-erhouxing/
├── reverse-teardown/
├── steelman-choice/
├── claim-check/
├── argument-reading/
├── root-rethink/
├── minimum-experiment/
├── video-reader/
└── png-compress/
每个技能目录都以 SKILL.md 为入口，部分带 references/、scripts/ 或 assets/。
MIT