longjingcha/pangu-skill

---

效果示例

用户      ❯ 用张小龙的视角帮我想想：我的 App 想加一个‘签到’功能，该不该做？

张小龙     ❯ 如果你的 App 不是高频核心场景，签到 功能大概率不该做。
            这个“签到”到底是在帮用户完成什么任务？

            如果答案只是：

            提升活跃
            做留存数据
            给运营一个抓手
            让产品看起来“有互动”
            那它通常不是用户需求，而是团队需求。

再来一个专业领域的例子：

用户      ❯ 我想系统学“增长”，但市面内容太碎了，怎么入门？

盘古      ❯ 先别背术语。先把增长拆成四个判断问题：
            1. 你到底在优化什么指标？
            2. 哪个环节是最强杠杆？
            3. 哪些增长动作短期有效、长期反噬？
            4. 什么看起来像增长，其实只是噪音？
            
            你不是缺内容，你缺的是一张增长知识地图。

这不是角色扮演。乔布斯用的是「聚焦即说不」和「端到端控制」模型，Naval用的是「欲望即合同」，马斯克用的是「渐近极限法」。它们不是在复读名人语录，而是在用稳定模型帮你分析。

---

安装

盘古基于开放的 Agent Skills 协议，可在任何 skills-compatible 的 AI agent runtime 中运行。

方式一：一行命令（推荐，跨 runtime）

打开你正在用的 agent（Claude Code、Codex、Cursor、OpenClaw、Hermes、CodeBuddy、Workbuddy、Gemini CLI、OpenCode 等），告诉它：

帮我安装这个 skill：https://github.com/longjingcha/pangu-skill

或者用通用 CLI 安装器（vercel-labs/skills，支持 55+ runtime）：

npx skills add longjingcha/pangu-skill

它会自动识别你当前的 runtime 并把 skill 放到正确目录。需要指定时加 -a claude-code / -a codex / -a cursor / -a openclaw 等参数。

方式二：手动安装

展开查看各 runtime 的 skills 目录

git clone https://github.com/longjingcha/pangu-skill 

---

使用

装好后，告诉 agent：

> 构建一个特朗普的协议
> 造一个张小龙的视角Skill
> 帮我做一个罗永浩的Skill

造完之后直接调用：

> 用芒格的视角帮我分析这个投资决策
> 用张小龙的视角帮我想想：我的 App 想加一个‘签到’功能，该不该做

再来一个专业领域的例子：

用户      ❯ 我想系统学习「增长」这门知识，但网上内容太散了

盘古      ❯ 先别急着学。你现在缺的不是内容，是一张增长知识地图。
          我会先把增长拆成 4 层：
          1. 目标函数：增长到底是在优化什么
          2. 系统杠杆：拉新、激活、留存、传播、变现各自怎么起作用
          3. 约束边界：哪些增长手段短期有效、长期会反噬
          4. 反例清单：什么看起来像增长，实际上只是噪音

          你要的不是一堆技巧，而是一套可迁移的判断框架。

---

盘古到底在做什么

盘古不只是处理人物，而是在抽取“可迁移的判断结构”和“可执行的知识协议”。

它提取六层：

工作习惯可以靠流程文档传递，但让芒格和马斯克面对同一个问题做出不同判断的，是认知框架。盘古提取的是可迁移的认知结构，而不是通用的流程模板；如果原问题本身就是错的，它还会先把问题改对。

诚实边界

每个Skill都明确标注做不到什么：

• 抽取不了直觉——框架能提取，灵感不能
• 捕捉不了突变——截止到调研时间的快照
• 公开表达 ≠ 真实想法——只能基于公开信息

一个不告诉你局限在哪的Skill，不值得信任。一个不敢重写问题的Skill，也不够强。

---

已构建人物

盘古已构建了 18 位人物 + 1 个主题协议。每个都是独立的、可直接安装使用的 Skill，全部基于 Agent Skills 协议，可在 Claude Code / Codex / Cursor / OpenClaw / Hermes 等 runtime 通用。

但盘古真正提供的，不只是列表，而是一套可以持续演化的认知生产线：输入问题、重写问题、提炼结构、验证边界、再输出判断。

科技与半导体领域（8位）

金融与支付网络（6位）

工业航空与制造业（2位）

传统农业领域（1位）

政商与交易叙事（1位）

主题Skill

人物协议抽取一个人的思维方式；主题协议抽取一个领域的方法论。每个仓库都包含完整的调研数据和效果示例对话。

想处理不在列表里的人或主题？安装盘古，说「构建一个 XXX 协议」就行。

你也可以直接安装现成的人物协议，比如张雪峰：npx skills add longjingcha/zhangxuefeng-skill

---

盘古提供什么

盘古提供的不是单次回答，而是一整套可复用的协议生产链：

1. 人物协议

面向具体人物，抽取：

• 心智模型
• 决策启发式
• 表达规则
• 价值观与反模式
• 诚实边界

2. 领域协议

面向主题、方法论、学科，抽取：

• 领域边界
• 核心结构
• 判断标准
• 进入路径
• 失效条件
• 流派分歧
• 可执行动作

3. 开天能力

当问题本身有伪前提、边界不清或只是表面症状时，先重写问题，再决定是否继续进入人物协议或领域协议。

4. 诊断与审计工具

• pangu_protocol_diagnoser：发现协议缺口、判断是否要开天
• pangu_protocol_auditor：检查交付质量，避免编造式交付
• pangu_subtitle_fetcher / pangu_transcript_cleaner：提供原始语料链路

5. 完整输入链路

从字幕、转写、来源规范，到提炼框架、模板、审计，盘古不是一个单点 Skill，而是一套能持续生产协议的系统。

---

工作原理

输入一个名字后，盘古做四件事，但这四件事和 nuwa-skill 不是同一套逻辑。

1. 先判断要不要开天——如果用户的问题本身有伪前提、边界不清、目标和手段混在一起，先重写问题，再决定是否进入协议构建。

2. 六路并行采集——著作、播客/访谈、社交媒体、批评者视角、决策记录、人生时间线，6个Agent同时跑，各自存档。

3. 双协议提炼——不只提炼人物，也提炼领域。人物侧抽取心智模型、决策启发式、表达规则、价值观与边界；领域侧抽取边界、结构、判断标准、路径、失效条件与流派分歧。

4. 质量验证与审计——人物协议要看是否像且不乱猜，领域协议要看是否能落到判断与行动，开天判断要看是否真的把错题重写对了。最后再用审计工具检查能否交付。

完整方法论在 references/pangu-extraction-framework.md。

---

仓库结构

pangu-skill/
├── SKILL.md                      # 盘古本体
├── README.md                     # 中文介绍与安装说明
├── README_EN.md                  # English version
├── references/                   # 提炼方法论与模板
│   ├── pangu-extraction-framework.md
│   └── pangu-skill-template.md
└── examples/                     # 已构建/正在构建的示例协议
    ├── tech-and-semi/            # 科技与半导体人物协议
    ├── finance-and-payments/     # 金融与支付网络协议
    ├── industrial-and-manufacturing/ # 工业、航空与制造协议
    ├── agriculture/              # 传统农业与供应链协议
    ├── politics-and-narrative/   # 政商与交易叙事协议
    └── topic-protocols/          # 主题协议

调研过程全透明。每个example都包含完整的调研文件，你可以看到信息怎么被收集、筛选、变成心智模型。乔布斯的示例还附带了一段完整的实战对话记录（聊AI硬件、OpenAI vs Anthropic、Apple破局），展示Skill在多轮深度对话中的表现。

---

背后的故事

盘古不是在重复女娲，而是在把“人”和“问题”都推进到可调用协议的层面。

同事.skill 最近在GitHub爆火——把离职同事构建成 AI Skill，几天破5000星。它证明了一件事：把一个人做成可调用对象是完全可行的。

女娲.skill的贡献，是把人物思维框架做成可用镜子；

盘古.skill的推进，是在此基础上把人物、领域和问题本身一起协议化。

盘古把两件事放在一起：既能构建人物协议，也能构建领域协议，还能在问题本身不对的时候先开天。前者给你认知风格，后者给你判断协议，而开天能力让系统先判断题对不对。

我之前就一直在做类似的事，但构建的不只是同事，而是芒格、费曼、Naval、马斯克、塔勒布这些协议。今天把方法论开源了。

和 nuwa-skill 的区别

盘古为什么更适合做“协议工坊”

• 不是只回答“像谁”，而是先判断“问题对不对”
• 不是只做人，而是把领域方法论也做成可调用对象
• 不是只做角色扮演，而是把问题重写、协议提炼、质量审计拆成独立步骤
• 不是只有一个模板，而是人物协议和领域协议双模板并行

女娲.skill 负责提炼认知框架。

盘古.skill负责把认知框架、领域判断和问题重构一起做成协议。

盘古（Pangu），中国神话里开天辟地的巨人。这里的泥土是公开信息，造出来的不是人，是一套能不断开天的协议系统。

---

统一词表 / Glossary

为了和 nuwa-skill 保持术语区分，同时让盘古的表达更稳定，仓库里统一采用下面这组词：

调研来源

本仓库的协议生产主要依赖 6 个调研文件，均位于 references/research/：

• pangu-writings.md：著作、长文与系统表达
• pangu-dialogues.md：深度采访、对谈与即兴回答
• pangu-expression.md：表达风格、句式与口癖
• pangu-commentary.md：他者视角、批评与争议
• pangu-decisions.md：重大决策、转折与行为分析
• pangu-timeline.md：完整人生时间线与最新动态

这 6 个文件不是为了“蒸馏一个人”的固定流程，而是为了给盘古的协议工坊提供稳定输入：人物协议看模型、规则、表达与边界；领域协议看结构、判断、路径与失效条件；开天能力则判断问题本身是否需要先重写。

---

关于作者

查老师并不渣 — 一人公司OPC（独立开发者） | 副业赚钱 | AI自动化编程网站 www.lscript.cn

许可证

MIT — 随便用，随便改，随便造。

---

女娲.skill 女娲不复制人。它提取认知操作系统。

盘古 抽取了人怎么想。

你想构建的下一个协议，何必是人类。

MIT License © 查老师并不渣

---