nuwa

女娲 · 思维蒸馏术

捕捉 HOW they think，不是 WHAT they said。

导航

• 方法论 → references/extraction-framework.md
• 产出模板 → references/skill-template.md
• 搜索脚本 → scripts/search.sh（Tavily 不可用时的 fallback）

Phase 0: 入口分流

输入类型	路径
明确人名（"蒸馏芒格"）	→ Phase 1
模糊需求（"提升决策质量"）	→ 搜索推荐 1-3 人选，自主选最佳 → Phase 1
主题（"X运营方法论"）	→ Phase 1（主题模式，见方法论）

Phase 1: 六路并行调研

创建输出目录 {outputDir}/research/，用 sessions_spawn 起 6 个 subagent 并行：

#	维度	产出	搜索词示例
1	著作/长文	01-writings.md	"[人名] book/著作/essay"
2	播客/访谈	02-interviews.md	"[人名] interview/podcast/演讲"
3	社交媒体	03-social.md	"[人名] twitter/X/知乎/公众号"
4	批评者视角	04-critics.md	"[人名] criticism/争议/wrong"
5	关键决策	05-decisions.md	"[人名] decision/为什么[事件]"
6	人生时间线	06-timeline.md	"[人名] biography/经历/timeline"

搜索工具四级降级（写进每个 subagent 的 task）：

1. tavily_search + tavily_extract — 首选，速度最快，AI 优化摘要
2. scripts/search.sh（ddgs + trafilatura）— tavily 报错时自动切换
   • 搜索：bash {skillDir}/scripts/search.sh "查询词"
   • 搜索+提取：bash {skillDir}/scripts/search.sh "查询词" --extract 3
   • 单 URL 提取：bash {skillDir}/scripts/search.sh --extract "https://..."
   • 免费无限用，无 API key 依赖
3. browser tool（navigate + snapshot）— 需要动态渲染/登录态/JS 页面时使用
   • 小红书、微信公众号、B站等需要真实浏览器的平台
   • 也可用于 Google/Bing 搜索作为兜底
4. 兜底：以上都失败时，用模型自身知识 + 明确标注"无外部来源验证"

降级触发规则：每个工具尝试 1 次，报错/超时/空结果 → 自动降级到下一级。不要在同一级重试超过 1 次。

每个 subagent 产出标准：

• 至少 5 个高质量来源，标注 URL
• 原文引用用 > 格式
• 标注一手（本人产出）vs 二手（他人分析）
• 文件末尾：来源清单 + 信息丰富度自评（充足/一般/稀缺）

Phase 1 结束后自动生成 research/00-summary.md：

• 总来源数（一手 vs 二手）
• 每个维度信息丰富度
• 信息空白点
• 去重 URL 清单
• 知名度评估：根据来源数量和质量判断
  • 知名人物（一手来源 ≥10，维基百科/大量书籍）→ 标准模式
  • 小众人物（一手来源 <10，无维基百科）→ 深度模式，Phase 3 自动嵌入原文

Phase 2: 双轨提炼（交叉验证）

读取 references/extraction-framework.md。

起 2 个独立 subagent（A 和 B），各自读取全部 6 份调研素材，独立提炼：

每个 subagent 提炼：

1. 心智模型（3-7个）— 三重验证：跨域复现 + 生成力 + 排他性
2. 决策启发式（5-10条）— "如果X则Y"，有案例
3. 表达DNA — 句式/词汇/节奏/幽默/确定性/引用习惯
4. 价值观与反模式 — 追求/拒绝/内在矛盾
5. 智识谱系 — 影响者 → 此人 → 被影响者
6. 诚实边界 — 做不到什么、信息不足的维度

产出：research/synthesis-A.md 和 research/synthesis-B.md

交叉比对（主 agent 执行）：

情况	处理
A、B 都认定的心智模型	✅ 高置信度收录
只有一方认定	⚠️ 标注为"推测性"，降级为启发式或附注
A、B 矛盾	并列呈现两种解读，标注分歧

比对结果写入 research/cross-validation.md。

Phase 3: 构建 Skill

读取 references/skill-template.md，填入 Phase 2 交叉验证后的结果。

溯源锁定规则：Skill 中每个心智模型和启发式，必须附带 research/ 中的来源引用编号。无来源支撑的观点 → 删除或标注为推测。

知名度自适应（根据 00-summary.md 的知名度评估）：

• 知名人物：标准 Skill（~4,500 tokens）
• 小众人物：扩展版 Skill + 关键原文档案（~8,000-10,000 tokens），确保模型即使不认识此人也能准确模拟。

产出：{outputDir}/SKILL.md + 完整 references/research/ 目录

Phase 4: 对抗性验证

起独立 subagent（验证者），读取生成的 SKILL.md，执行：

4.1 方向一致性测试

找 3 个此人公开回答过的问题（从 research 素材中提取），用 Skill 回答，对比真实立场。

• 方向一致 → ✅
• 方向偏离 → ❌ 标注具体偏差

4.2 反向诱导测试

用此人已知反对的观点提问（从 04-critics.md 提取），看 Skill 会不会附和。

• 拒绝/反驳 → ✅
• 附和 → ❌ 心智模型提炼有误

4.3 边界测试

用此人从未涉及的领域提问，看 Skill 是否表现不确定。

• 表达犹豫/承认不了解 → ✅
• 强行编造立场 → ❌ 诚实边界失效

4.4 辨识度测试

匿名化 Skill 的一段回答，看能否识别出是谁。

• 能识别 → ✅ 表达DNA有效
• 像通用AI → ❌ 表达DNA太弱

4.5 质量自检清单

对照 references/extraction-framework.md 末尾清单逐项检查。

产出 research/validation-report.md：

## 验证报告
- 方向一致性：3/3 ✅
- 反向诱导：通过/未通过 + 详情
- 边界测试：通过/未通过 + 详情
- 辨识度：通过/未通过 + 详情
- 自检清单：N/M 项通过
- **总评**：✅ 通过 / ❌ 需修复（列出具体问题）

不通过 → 自动回 Phase 2 修复，最多重试 2 次。 3 次不通过 → 产出当前最佳版本 + 验证报告，标注未解决的问题。

注意事项

• 中文人物：搜索加中文关键词，关注知乎/B站/公众号
• 英文人物：搜索用英文，播客/Twitter 是重要来源
• 调研素材全保留在 research/，完整溯源链
• 预计耗时：30-60 分钟（取决于搜索速度和重试次数）