longyunfeigu/paoding-skill
GitHub: longyunfeigu/paoding-skill
庖丁是一个 Claude Code Skill，能将任意 AI skill 逆向解构为一本包含机制分析、证据评级和可迁移模式的交互式解剖手册。
Stars: 7 | Forks: 1
# 庖丁.skill
**把任何一个 AI skill 解成一本讲透三件事的解剖手册：效果好在哪、怎么解的、什么能偷。**
你收藏了 100 个 skill，说不出其中任何一个为什么好用。
软件工程时代你还能钻进源码——但 skill 没有源码可读。
skill 的「源码」，是它对模型默认行为的改变。庖丁读的就是这个。 [看效果](#解剖出来的东西长什么样) · [解剖样例](#解剖样例女娲skill) · [它怎么看一个-skill](#它怎么看一个-skill) · [安装](#安装与使用)
## 解剖出来的东西长什么样
一本能直接在浏览器里翻的手册。真实截图（`examples/huashu-nuwa/`，本地起个服务就能看到一样的）：
**把任何一个 AI skill 解成一本讲透三件事的解剖手册：效果好在哪、怎么解的、什么能偷。**
你收藏了 100 个 skill，说不出其中任何一个为什么好用。
软件工程时代你还能钻进源码——但 skill 没有源码可读。
skill 的「源码」，是它对模型默认行为的改变。庖丁读的就是这个。 [看效果](#解剖出来的东西长什么样) · [解剖样例](#解剖样例女娲skill) · [它怎么看一个-skill](#它怎么看一个-skill) · [安装](#安装与使用)
不是摘要，不是功能清单。先看一张「难点预览卡」——手册第一章就这样开场：
### 像不像不是问题，编不编才是
坑 ❯ 你问人设：「Vision Pro 现在值不值得做？」
它答：「人们不知道自己想要什么，直到你把它放到他们面前。值得做。」
——流畅、像他，但没查任何最新事实，纯编的，而且你看不出来。
最值得学的一招 ❯ 它给生成的人设写死一条「回答工作流」：需要事实的问题
必须先用工具查再答，研究维度还是从这个人的心智模型反推的——
芒格查激励结构，塔勒布查尾部风险，不是通用的「搜索相关信息」。
维度 ❯ 行为 深入 ❯ 实战走查第 5 站 · 档案 A11
再看一张「难点档案卡」的核心三段——症状必须是能上演的场景，机制必须贴原文，证据必须定级：
症状（基线会怎么坏）❯ 提炼时我想引用 Agent 2 找到的那段 1995 年访谈原话，
翻遍上下文，只剩它当时汇报的一句「已完成对话维度调研」——
原话、出处、上下文全没了。 （证据：作者证词）
skill 怎么解（贴原文）❯ 「每个 subagent 必须把调研结果写入对应的 md 文件。
不存文件的调研等于没做。」
可偷的招 ❯ 当多个并行 agent 的产出要被下游消费时 →
开工前先钉死产物的文件名和位置，先有住址再有居民。
手册的主体是「实战走查」：以 AI 的第一人称，沉浸式带你把这个 skill 从头跑一遍——每一站先看我拿到了什么、默认会怎么坏、让你先猜怎么防，然后贴出 skill 的原文。机制现场遇到通用招，当场用荧光底的「📌 可带走」卡移交给你：
全书的「📌 可带走」标注还会被自动聚合成一页「带走工具箱」附录，文字版长这样：
📌 可带走 ❯ 唯一真相源 思路带走 · 用在：任何多消费方的数据、配置、文案设计
下次你发现同一个数字被两个以上的地方用——配置和文档、代码和测试——
先别急着写校验脚本对账。先问一句：能不能改设计，让它只存一份，
其它地方全是引用？想写一个不一样的数？没有字段给你写。
每个论断都带证据等级（实测／作者证词／结构推断／假设）——**是推断的就标推断，是猜的就标猜的**。读者拿走的不是「这个 skill 很棒」，是一套能搬进自己项目的、条件化的招。
## 解剖样例：女娲.skill
[女娲.skill](https://github.com/alchaincyf/nuwa-skill) 把一个人名变成一个人物 skill，效果惊艳。但它**为什么**好用？
挑它开刀只有一个原因：公认效果好、材料齐全、值得精读——这是第一个标本，不是最后一个。庖丁把它整个解开了——产出是一本可以直接在浏览器里翻的解剖手册（`examples/huashu-nuwa/`，本地起个服务就能看），六章 + 三个附录：
| 章 | 回答的问题 |
|---|---|
| **Overview** | 没有它会怎样？（现象先行：先看默认 AI 怎么编出一个假乔布斯） |
| **Walkthrough** | 它怎么跑？（七站逐站下钻：场景 → 难点 → **你先猜** → 机制贴原文 → 可偷的招） |
| **中间产物与数据流** | 为什么调研要写进六个固定文件？为什么中间产物是「思维模型」不是「语录集」？ |
| **源包导读** | 想改写女娲时该读哪几个文件？入口怎么调度、每个承重文件管什么、读到哪可以停 |
| **难点档案** | 10 张卡，七个维度全覆盖——章末是诚实账：**没过判定的残渣 + 它没防住的盲区** |
| **Apply It** | 骨架模式 + 迁移练习：换成「资深 SRE 故障复盘」领域，你自己画一遍 |
| **附录 · 术语表** | 那个词什么意思？（查阅用，不在主线上：每条 6 个字段——定义／带真实值的例／出现在哪个 stage／解决什么／怎么用／容易误解） |
| **附录 · 带走工具箱** | 我明天干活能拿走什么？（机器从正文的「📌 可带走」标注自动聚合：6 个点，按直接抄走／思路带走分组，每条带回链） |
| **附录 · 源码** | 不想回 repo 翻原文？源 skill 的 SKILL.md + references + scripts 逐字镜像进手册，由 gen-source-data.py 自动收集 |
从这本手册里能拆出来的，比如：女娲最深的一招不是流程，是**表征选择**——中间产物选「DNA」不选「金句」，因为金句人设遇到新问题就崩；它的两个检查点不是随便放的，钉在「主观判断最重、下游返工最贵」的接缝上；它给成品装的 **Agentic Protocol**（先判断问题该不该查事实，要查就先 WebSearch 再开口）则是任何怕模型编造的角色 agent 都能直接抄走的一招。
## 它怎么看一个 skill
「效果好在哪」的答案，就是「它防住了哪些别人会死的难点」。所以庖丁不读功能，读反事实。对包里的每条规则、每个脚本、每个中间产物，过三问：
① 去掉它，第一个坏掉的产物是什么？（必须写成可观察的症状，禁止「这一步很难」）
② 这个坏结果对基线是默认发生，还是小概率？（不发生 → 砍掉候选）
③ 凭什么相信？（实测 / 作者证词 / 结构推断 / 假设——四级证据，猜的标猜）
难点按来源分七个维度——任务难（工程／认知）、执行者不可靠（行为）、规模超上下文（编排）、「好」说不清（品味）、输入残缺（需求）、环境怪癖（平台）。**逐条对账保覆盖：归不进任何维度的条目进残渣清单，残渣反复出现说明框架该升版**——这套分类法自己也是可证伪的。
外加两条挖掘直觉：
- **任何「具体得可疑」的细节，背后都是一个踩过的坑**——「每张 ≥4 色」「漂白阈值」这种规则没人凭空写得出来；
- **任何「反直觉的中间产物」，背后都是一个领域洞察**——流水线生产了一个你裸做时根本不会想到的东西？那里埋着这个 skill 对任务本质的理解。
难点扫描只回答「它防住了什么」。可一个包里最值钱的东西，常常根本不防什么——平台文案变体表、配色常数、验收话术，纯粹是作者攒下的领域知识，痛点视角天生看不见它们。所以庖丁还有第二遍扫描，换六个镜头把包再过一遍（痛点／知识／概念／话术／验法／产物形状），把「读者明天干活就能直接拿走的东西」挑出来，在手册正文的机制现场用荧光底的「📌 可带走」卡当场标注，分两档：清单数值类**直接抄走**，原则做法类**思路带走**。全书的可带走点由构建脚本自动聚合成附录「带走工具箱」，按档分组、每条带回链——这一页没有手写源文件，正文里的标注就是唯一来源（单一真相源这招，先用在了庖丁自己身上）：
光靠读文本，证据等级永远卡在「作者证词／结构推断」——读文档是尸检，结构可见、行为不可见。所以庖丁有一把**证据获取的梯子**，按「证据提升 × 教学价值 ÷ 复现成本」决定爬到哪级：
① 尸检 读 SKILL.md / references / scripts
② 标本采集 挖源包 examples/、README 成品图——先挖现成的，再谈合成
③ 活体切片 真跑 skill，跑到第一个承重工件为止、沿人工检查点切开，只认落盘产物不认口头汇报
④ 定点消融 去掉单条机制、只跑它护住的那一段，看它声称防住的症状是否真的出现
消融的单位是一条机制不是整个 skill，切片停在第一个承重工件——都不是全跑，成本是全跑的零头。实践里这两级很值：一次切片能真跑出地基工件和检查点话术，把"产出长什么样"从示意变实物；两次几分钟级的消融能把一张卡从作者证词升成带对照图的实测，顺手还会暴露光读文档发现不了的盲区。合成的样本必须标「模拟样本」——是猜的标猜，对手册自己同样生效。
这把梯子有一个不参与算账的强制项：**源包里的脚本，只要包内有合法输入，必须逐个真跑**。脚本是唯一一类"实测几乎免费、而读文本必然看不见运行时行为"的工件。解女娲时这条规则的回报是教科书级的：把它自带的 quality_check.py 跑在它自带的芒格成品上，5/6 不通过——**出厂示例跑不过出厂检查器**（成品的诚实边界用数字列表，正则只数 `-` 开头的行）；再跑 merge_research.py，同一个病灶（关键词计数冒充真实统计）在第二个脚本上复现。光读代码只敢说"实现较脆"，跑两条命令之后，它是整本手册里最硬的发现。
手册的教学法也有讲究：口吻是对话体，骨子是参与式——每个机制揭晓前强制你先猜（猜错一次比听懂十次记得牢，这条是构建层硬约束，缺了直接构建失败），底气是证据体——每个论断后面跟着原文引用和真实样本。概念必须可触摸：每个承重工件只在一处放一份**逐字段注释的真实标本**（这个字段封存什么设计决策、写坏了下游谁先死），术语表每条必须带实例——「全书目录的结构化文件」这种看了等于没看的定义，过不了构建。
**一本不告诉你哪里是猜的解剖手册，不值得信任。** 所以每本手册的难点档案，最后一节永远是它没防住的盲区。
## 安装与使用
git clone https://github.com/longyunfeigu/paoding-skill.git ~/.claude/skills/paoding
然后在 Claude Code 里：
> 用庖丁解一下 /path/to/some-skill # 默认给最轻的有用产出
> 帮我评审这个 skill，哪些该删该留 # Keep/Cut 评审
> 把这个 skill 的可迁移模式提出来 # 难点卡片
> 给这个 skill 做一本解剖手册 # 六章 Web 手册（重产出）
三种产出按需取用，手册是输出模式，不是这个 skill 的本体。
## 生产流水线（Web 手册模式）
内容只手写一层（`content/*.md`），其余全部生成，违规被机器拦下：
bash scripts/scaffold-web-app.sh generation/
**同事.skill** 证明了人可以被蒸馏。
**女娲** 蒸馏人怎么想，**达尔文** 让 skill 进化。
**庖丁** 解的是——这些 skill 本身怎么想。
女娲造的 skill，庖丁来解。解完，你也能造。
*「臣之所好者道也，进乎技矣。」*
**女娲** 蒸馏人怎么想，**达尔文** 让 skill 进化。
**庖丁** 解的是——这些 skill 本身怎么想。
女娲造的 skill，庖丁来解。解完，你也能造。
*「臣之所好者道也，进乎技矣。」*
标签：AI 工具, AI 提示词, Claude Code, 代码分析, 凭证管理, 提示词逆向, 逆向工具, 防御加固