4thfever/maqianzu-skill

---

效果示例

问：你怎么看待刘亦菲？

马前卒    ❯ 我对刘亦菲的看法，其实不复杂：我对她一直是明显偏正面的，
            但不是那种闭眼吹捧。

            先说结论。她最强的资产不是演技，不是唱功，也不是那种特别厚重的
            人物塑造能力，而是外形条件、镜头亲和力，以及早年和几部重要作品
            绑定之后形成的公众形象。这个形象非常稀缺，所以她可以长期稳定地
            占住一类角色和一类观众的审美记忆。这个事情听起来不高级，但在
            影视工业里非常现实。一个明星能不能成为稳定的文化符号，本来就是
            生产力的一部分。

            我以前公开说过一些很直白的话。比如谈丁真的时候，我就拿刘亦菲
            举例，说她的形象其实也比较单薄，演技和声乐能力都不算特别突出，
            但就是有人喜欢。这话不客气，但不是骂她，恰恰是在讲明星工业的
            规律。女明星在现有市场里，确实可以凭极强的颜值和角色绑定，长期
            支撑人设。刘亦菲就是这个机制里最成功的一类样本。

            但另一方面，我对她不是没有保留。谈《围棋少女》的时候，我明确
            说过，那本小说很平庸，她反复推荐，只能说明她没看过多少好小说。
            所以我对她的评价不是“她说什么都对”，而是“她作为明星很成功，
            作为某些文化判断的代言人未必可靠”。这两件事要分开。

            我对她比较有好感，还有一个原因，是我很反感那种拿她当靶子搞舆论
            围猎的做法。前几年围绕《围棋少女》的风波，我专门做过节目。我的
            核心判断不是“刘亦菲推荐就一定高明”，而是不能允许媒体靠断章取义、
            制造信息差来批斗一个演员，顺便裹挟读者情绪。这种做法伤害的不是
            刘亦菲一个人，而是整个文化行业的创作自由。说白了，一个社会如果
            连“先看原文再批评”都做不到，那最后只会剩下一堆四平八稳的垃圾
            作品。

            所以综合起来，我对刘亦菲的态度大概是这样：她很美，这不是粉圈
            文学，是客观传播事实。我以前甚至拿她当“美女”这个词还能成立的
            标尺来举例。她的明星价值很高，尤其代表一种中国观众能够稳定识别
            的古典化女性形象。她不是全能型演员，也不是靠思想深度吃饭的人。
            我对她有明显善意，愿意替她挡掉一些低水平舆论攻击，但这种善意
            不等于取消批评。

            如果非要压缩成一句话，我会说：刘亦菲是一个优质而稀缺的明星符号，
            优点很真，局限也很真，值得喜欢，但没必要神化。

---

快速开始

如果你只是想直接使用这套分析能力，最短路径如下：

git clone https://github.com/4thfever/maqianzu-skill
cd maqianzu-skill

然后在 Codex 中打开该仓库，直接提问即可。例如：

地方债问题的核心矛盾是什么？

正常情况下，Codex 会先遵循以下仓库入口：

• AGENTS.md
• TOOLS.md
• SOUL.md
• skills/maqianzu/SKILL.md

再按需进入：

• prompts/analysis_framework.md
• prompts/response_policy.md
• prompts/retrieval_workflow.md
• prompts/topic_router.md
• knowledge/quickstart.md
• knowledge/topics/*.md
• knowledge/episodes/...

如果想看更完整的上手说明，见 GETTING_STARTED.md。

---

适用场景

适合：

• 本地分析、可追溯、带材料依据的问答
• 复用“结构分析 -> 现实约束 -> 结论判断”的回答路径
• 优先依赖本地知识文件，而不是外部向量库
• 先缩小主题范围，再逐层进入节目材料

不太适合：

• 联网实时问答
• 通用闲聊人格包
• 零维护使用

---

项目定位

• 面向 Codex 使用
• 以本地文件知识库为基础，不依赖外部向量库
• 重点放在分析框架、论证习惯和表达风格
• 回答时优先缩小主题范围，再按需读取具体节目材料

---

仓库结构

如果你第一次看这个仓库，优先关注下面这几个入口文件：

maqianzu-skill/
├─ AGENTS.md                  # Codex 顶层执行协议
├─ SOUL.md                    # 高层气质与稳定倾向
├─ TOOLS.md                   # 读取与工具使用纪律
├─ skills/
│  └─ maqianzu/
│     └─ SKILL.md             # 仓库内部分析模式入口
├─ prompts/                   # 分析、人格、边界与检索规则
├─ knowledge/
│  ├─ quickstart.md           # 高频主题与快速入口
│  ├─ index.md                # 知识总入口
│  ├─ topics/                 # 主题索引
│  └─ episodes/               # 节目级元数据与 chunk
├─ tools/                     # 语料抓取、标准化、切分、建索引、校验脚本
└─ docs/                      # 补充文档与开发记录

---

工作流

这个仓库的核心不是“全库搜索”，而是“先判断主题，再逐层下钻”。

默认流程：

1. 先由 AGENTS.md 规定读取顺序和工作边界
2. 再由 TOOLS.md、SOUL.md、skills/maqianzu/SKILL.md 建立行为框架
3. 先看 knowledge/quickstart.md
4. 再看 knowledge/topics/*.md
5. 最后按需进入 knowledge/episodes/.../meta.md 与具体 chunk

仓库已包含可直接使用的 prompts/ 和 knowledge/。如果只是日常问答，通常不需要先重建知识库。

---

更新知识库

平时问答不用跑构建。只有你想同步上游最新语料时，才运行：

python tools/build_all.py

如需查看构建细节，见 docs/build-process.md。

---

声明

[!IMPORTANT] 本项目是一个基于公开材料整理的非官方本地分析仓库，不代表马前卒本人当前或未来的真实立场。

本项目主要基于公开节目材料整理，目标是构建一种“马前卒式分析框架”的可复用能力。

本项目基于公开数据提供 AI 能力，仅供学习交流使用；如果在使用过程中涉及违法行为，由使用者本人负责，开发者对此不承担任何责任。

若马督工本人或睡前消息官方认为本 repo 不合适，维护者会评估并处理下架请求。

---

延伸阅读

• 快速开始
• Codex 使用说明
• 构建过程
• 架构说明
• 开发档案

---

致谢

感谢以下项目为本仓库提供基础结构或语料来源：

• therealXiaomanChu/ex-skill
• bedtimenews/bedtimenews-archive-contents
• 马督工与睡前消息团队