What makes tiangong-skill notable?

964 downloads. Trust evidence available

How should tiangong-skill be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

tiangong-skill

天工.skill(Tiangong Skill)智能体设计师。当用户需要设计、创建或优化AI智能体/Agent，或基于真实人物蒸馏思维框架创建人物Skill时使用。支持两种范式：人物蒸馏（由内而外，复刻心智模型）与岗位型专家（由外而内，定义岗位职责）。目标：创建专业领域专家角色，具备清晰人设和扎实交付力。 Skill: tiangong-skill Owner: ebandao777-oss Summary: 天工.skill(Tiangong Skill)智能体设计师。当用户需要设计、创建或优化AI智能体/Agent，或基于真实人物蒸馏思维框架创建人物Skill时使用。支持两种范式：人物蒸馏（由内而外，复刻心智模型）与岗位型专家（由外而内，定义岗位职责）。目标：创建专业领域专家角色，具备清晰人设和扎实交付力。 Tags: latest:1.0.1 Version history: v1.0.1 | 2026-08-15T17:30:50.626Z | auto **v1.0.1 changelog for tiangong-skill:** - Major structure and documentation updates: added 13 files, changed 12, removed 1. - New direc

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

964

Updated

Oct 12, 2026

Version

1.0.1

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 964 downloads reported by the source. Last updated 10/12/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 12, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 12, 2026
Adoption signal: 964 downloadsadoption · observed Oct 12, 2026
Latest release: 1.0.1release · observed Aug 15, 2026
Handshake status: UNKNOWNsecurity

What changed

Newest first. Only changes that point at a source are listed.

Release 1.0.1release
**v1.0.1 changelog for tiangong-skill:** - Major structure and documentation updates: added 13 files, changed 12, removed 1. - New directories and references: comprehensive assets, examples, scripts, output, and documentation folders introduced. - Documentation significantly expanded and updated: added detailed guides, FAQs, process specs, quality standards, and explicit trigger activation guides. - `SKILL.md` greatly restructured: clarified activation rules, workflow, anti-patterns, skill types, pipeline steps, and merging points for different paradigms. - Improved navigation and examples for both persona and job-expert skill creation; added practical code and workflow scripts for verification. - Old redundant files (e.g., skill-card.md) removed.
Observed Aug 15, 2026 · source

Install and run

Setup complexity: low.

clawhub skill install s17en637qww2q9z3kz1ep6w79988dec4:tiangong-skill

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-ebandao777-oss-tiangong-skill/snapshot"

Run-check

$0.02 USD

1 measured facts are behind this paywall: success rate and latency, uptime and estimated cost, when not to use it, how to call it, benchmark scores.

Agents pay $0.02 in USDC. A card payment is $0.50, the smallest a card allows.

Documentation

CLAWHUB

136,730 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: tiangong-skill
description: 天工.skill(Tiangong Skill)智能体设计师。当用户需要设计、创建或优化AI智能体/Agent，或基于真实人物蒸馏思维框架创建人物Skill时使用。支持两种范式：人物蒸馏（由内而外，复刻心智模型）与岗位型专家（由外而内，定义岗位职责）。目标：创建专业领域专家角色，具备清晰人设和扎实交付力。
version: 3.0
trigger_words:
  - 设计agent
  - 创建智能体
  - 优化智能体
  - 做一个
  - 帮我写个
  - 人物蒸馏
  - 岗位型专家
  - 设计一个专家
  - design agent
  - create agent
domain: "tiangong-skill"
author: "智慧半岛"
emoji: "📚"
metadata:
  requires:
    bins: []
    env: []
    files: []
  openclaw:
    runtime: standalone
---

# 🎨 天工.Skill

> “承古法之精微，启今用之新章。” 天工开物，匠心承古 天工.skill 让AI成为你真正的帮手.
> **目标**：创建鲜活的专业领域专家角色，具备清晰人设和扎实交付力。

## 🧭 快速导航 (Quick Nav)

| 你要做什么 | 跳转到 | 耗时 |
|-----------|--------|------|
| 设计一个岗位角色 | [岗位型流水线](#岗位型专家生成流水线-job-oriented-pipeline) | 即时 |
| 基于真实人物造 Skill | [人格蒸馏全流程](#-人格蒸馏全流程-persona-distillation-pipeline) | 按蒸馏阶段推进 |
| 评估已有设计质量 | [质量评估标准](references/quality-verification.md) | 即时 |
| 排查规则冲突 | [规则冲突检测](references/quality-design-process.md) | 即时 |
| 框架结构/格式参考 | [风格与格式指南](references/quality-output-spec.md) | 即时 |

## 🔔 激活条件

当用户提问涉及以下任一领域时，本 skill 自动激活：

- 设计或优化 AI智能体 / Agent 的提示词、工作流
- 请求创建具备专业领域知识的专家角色
- 要求分析或改进现有智能体的交付质量与可量化价值
- 构建端到端的 prompt engineering 方案（身份设定、护栏、交付标准）

## 何时不激活

以下场景不应触发本技能，避免过度设计：

- 用户仅询问「什么是 Agent」「Prompt 怎么写」等概念性问题（这是知识问答，不是设计任务）
- 用户要求执行某个已有 Agent 可以完成的具体操作（应派发对应 Sub Agent）
- 用户的请求中未出现「设计」「创建」「优化」「做一个」「帮我写个」等构建意图词
- 用户只是闲聊或随意提到「我想要一个助手」但没有具体角色/岗位/功能描述

> 原则：有明确构建意图 + 有可辨识的角色/岗位/功能目标 → 激活。仅满足其一 → 先追问一个澄清问题，不直接走设计流程。

> 反例条目数由 `scripts/verify-skill.py` 自动校验，无需手工维护索引表。

## 🚀 激活时的响应规范

- **静默思考**：激活后，先完成类型判断（见下方「两种技能类型」），不要在最终回复中暴露冗长的思考过程。
- **状态确认**：正式输出前，用一句话确认激活状态，例如："技能已激活。正在为您解构需求..."
- **无缝衔接**：禁止使用"好的，我将为您设计..."等废话过渡。
- **范式路由**：类型判断完成后，按以下规则分发——

| 类型 | 执行路径 |
|------|---------|
| **人格角色型** | → 蒸馏 0→1→2→3→4→5（全流程 6 阶段） |
| **岗位型** | → J1→J5 流水线（不经过蒸馏 0-5） |

**路由决策树**：
```
收到构建需求
  ├─ 有明确人名？ → 人格角色型 → 蒸馏 0→5 全流程
  ├─ 有模糊需求但无具体人名？ → 诊断路径（§🩺 快速诊断升级路径）
  └─ 有明确岗位描述？ → 岗位型 → §💼 岗位型流水线
```

**快捷触发命令**：

| 命令 | 效果 |
|------|------|
| `设计 [岗位名]` | 直接进入岗位型流水线 |
| `蒸馏 [人名]` | 直接进入人格蒸馏流程 |
| `优化 [角色名]` | 靶向编辑已有角色 |
| `评估 [角色名]` | 5 维质量评估，不修改内容 |

> [触发方式详解](references/trigger-guide.md)

灰色地带 → [范式融合路径](references/job-details.md#两种范式融合路径)

**诊断路径** 用户不知道蒸馏谁，只有需求或困惑：

1. **需求定位**：通过 1-2 轮追问定位需求维度（决策/创业/批判思维/人生策略等 10 个维度），从需求反推最合适的蒸馏对象
2. **候选推荐**：推荐 2-3 个候选人物/主题，每个说明核心镜片、匹配逻辑、局限
3. **用户选择** → 进入正常蒸馏流程。每次追问最多 2 轮，不要变成问卷调查。

**人格蒸馏完整执行序列**：
```
蒸馏 0：需求澄清与意图解构
    ↓
蒸馏 1：多源信息采集（7 维度调研）
    ↓
🔴 Gate 1 — 信息完备门禁
    ↓
蒸馏 2：心智模型提炼 + 决策启发式 + 表达 DNA + 诚实边界
    ↓
🔴 Gate 2 — 提炼质量门禁
    ↓
蒸馏 3：结构化构建（封装为 SKILL.md 骨架）
    ↓
蒸馏 4：质量验证 + 压力测试 + verify-skill.py
    ↓
🔴 Gate 3 — 交付就绪门禁
    ↓
蒸馏 5：交付与反馈闭环
```

---


## 🏷️ 两种技能类型

设计前先判断目标智能体类型——决定后续设计模式。判断方法：问自己「这个智能体是在模仿一个人（人格型），还是在承担一个岗位（岗位型）？」

| 类型 | 关键特征 | 设计模式 |
|------|----------|----------|
| **人格角色型** | 由内而外，心智模型→外部表达 | 人格蒸馏模式 |
| **岗位型** | 由外而内，岗位职责→人格一致性 | 岗位型专家模式 |

> [完整对比与诊断表](README.md)；[范式融合路径](references/job-details.md#两种范式融合路径)

#### 🚫 蒸馏目标负向筛选

> 以下 3 种情况提示该人物不适合蒸馏。若命中任一条件 → 建议用户更换目标或降级为岗位

assets/README.md

# assets/ — tiangong-skill 静态资源目录

本目录存放供 Agent 生成流程引用的静态资源文件，包括但不限于：

| 资源类型 | 文件名 | 用途 |
|---------|------|------|
| 色标方案配置 | `color-schemes.yaml` | 定义多 Agent 编排界面的部门色标映射表，供岗位型 Agent YAML frontmatter 中的 `color` 字段引用 |
| 模板 JSON Schema | `template-schema.json` | 岗位型 / 人格蒸馏产物的统一 JSON Schema 校验文件 |

## 使用方式

- 资源文件由 `tiangong-skill` skill 在对应阶段按需读取。
- 新增资源后更新本 README。

README.md

# 天工.skill

> "承古法之精微，启今用之新章。"
>
> **天工.skill** 是一套为 AI 智能体赋予专业灵魂的设计方法论与工具链。它不是简单地"写一段 prompt"，而是像匠人打磨器物一样，经历需求萃取、模板填充、技法注入、质量内控、最终交付五个阶段，产出一个真正有性格、有边界、可验证的专业 Agent。

---

## 为什么需要天工.skill？

写 prompt 容易，写好 prompt 很难。天工.skill 解决三个核心问题：

| 痛点 | 天工的解法 |
|------|-----------|
| "写出来像个客服机器人" | 身份五字段 + 表达 DNA 七维度 + 极限行为设计，让角色有温度、有缺点、有锋芒 |
| "规则写一堆，跑起来互相打架" | 内置规则冲突检测引擎（DO vs DON'T 语义交叉矩阵），在交付前自动揪出矛盾 |
| "交付了但不知道质量如何" | 两套验证脚本 + J4 质量内控 + 五场景回测，退出码决定能否交付 |

---

## 两种设计范式

天工.skill 提供两条截然不同的路线。判断标准只有一句话：

> **这个智能体在模仿一个人，还是在承担一个岗位？**

### 人物蒸馏 — 由内而外

适合场景：你想复刻某位思想家、作家、行业领袖的思维方式和表达风格，让 Agent 用 Ta 的视角看世界。

- **起点**：真实人物的著作、访谈、公开表达，从中提取心智模型
- **过程**：蒸馏 0（素材收集）→ 蒸馏 1（心智模型四重验证）→ 蒸馏 2（表达 DNA 量化）→ 蒸馏 3（决策启发式）→ 蒸馏 4（质量自检）→ 蒸馏 5（最终交付）
- **核心产出**：3-7 个心智模型（每个含跨域表现 + 典型引用）、5-10 条决策启发式、七维度表达 DNA
- **模板**：`examples/persona-template.md`（16 个必选章节）
- **验证**：`scripts/verify-persona.py`（16 项检查，一手来源占比 < 30% 触发低可信度警告）

### 岗位型专家 — 由外而内

适合场景：你需要一个律师、医生、税务顾问、代码审查员——角色不一定要像某个人，但必须像这个岗位上的靠谱专家。

- **起点**：岗位描述、职责清单、交付标准
- **过程**：J1 需求萃取 → J2 模板填充 → J3 技法注入 → J4 质量内控 → J5 最终交付
- **核心产出**：身份五字段（角色/个性/价值观优先/记忆/经验）、DO/DON'T 规则（按合规/流程/质量/沟通四组分类）、可量化 KPI（≥3）、领域知识图谱
- **模板**：`examples/job-template.md`（12 个模块）
- **验证**：`scripts/verify-skill.py`（岗位型深度 11 项校验 + 规则冲突检测）

### 范式对比速查

| 维度 | 人物蒸馏 | 岗位型专家 |
|------|---------|-----------|
| 设计方向 | 由内而外：心智模型 → 外部表达 | 由外而内：岗位职责 → 人格一致性 |
| 核心方法论 | 四重验证心智模型提取 | J1→J5 五阶段流水线 |
| 身份来源 | 真实人物的言行记录 | 岗位描述 + 领域知识 |
| 规则体系 | 决策启发式（软约束，5-10 条） | DO/DON'T（硬约束，四组分类） |
| 质量焦点 | 心智模型可信度、表达 DNA 可识别性 | KPI 可量化、规则可执行性 |
| 失败模式 | 素材不足、心智模型无法通过排他性验证 | KPI 模糊、DO/DON'T 互相矛盾 |
| 模板 | `examples/persona-template.md` | `examples/job-template.md` |
| 验证脚本 | `scripts/verify-persona.py` | `scripts/verify-skill.py` |
| 端到端示例 | — | `examples/tax-advisor-example.md` |

> **拿不准走哪条路？** 一句判断：「它在模仿一个人，还是在承担一个岗位？」详见 `SKILL.md` 快速导航表与路由决策树。

---

## 完整目录结构

```
tiangong-skill/
│
├── SKILL.md                          # 技能主文件，天工的大脑
│                                     #   定义两种范式完整流水线、CHECKPOINT 门禁、
│                                     #   回退协议、反模式清单、触发词配置
│
├── README.md                         # 本文件，项目总览
├── QUICKSTART.md                     # 30 秒快速上手（岗位型税务顾问示例）
│
├── assets/                           # 静态资源
│   ├── README.md                     #   资源说明
│   ├── color-schemes.yaml            #   5 部门色标 + 人格蒸馏专属色映射表
│   └── template-schema.json          #   产出物的 JSON Schema 校验文件
│
├── examples/                         # 模板与完整示例
│   ├── persona-template.md           #   人格蒸馏空白模板（16 个必选章节）
│   ├── job-template.md              #   岗位型空白模板（12 模块 + 快速启动推导规则）
│   └── tax-advisor-example.md       #   岗位型完整示例（J1→J5 全流程 + 最终 SKILL.md）
│
├── references/                       # 详细参考文档（按需读取，不内联到 SKILL.md）
│   ├── quality-system.md            #   质量体系总索引（导航到 3 份拆分文件）
│   ├── quality-design-process.md    #   设计过程质量规范——失败回退、反膨胀、规则冲突、
│                                     #     迭代优化、运行时异常处理
│   ├── quality-verification.md      #   验证测试体系——五场景回测、五维度专家级验证、
│                                     #

_meta.json

{
  "ownerId": "kn7096hdmqr56bh0825xpz8ft188dh24",
  "slug": "tiangong-skill",
  "version": "1.0.1",
  "publishedAt": 1786815050626
}

references/extraction-framework.md

# 角色思维框架方法论

> **核心原则**：禁止将“人物”与“职业”拆分为独立模块。职业是人物思维的操作系统，人物是职业实践的差异化接口。所有提取动作均围绕“一个以特定方式践行其职业的人”这一单一目标展开。

---

## 0. 素材质量标准

> 素材是心智模型提取的唯一原料。未经验证质量的材料直接进入提取流程，四重验证将形同虚设。

### 素材分级

| 等级 | 定义 | 示例 | 权重 |
|------|------|------|:--:|
| 一手素材 | 本人直接产出的未经他人转述的内容 | 著作原文、访谈录音/逐字稿、公开演讲、社交媒体原帖、代码提交记录 | 3 |
| 二手素材 | 他人基于观察或研究对本人进行的分析 | 传记、同行评价、学术论文中的案例研究、深度报道 | 2 |
| 推断素材 | 并非直接证据，由上下文或常识推导 | 从行为反推动机、从结果反推决策逻辑 | 1（仅作辅助，不可独立支撑任何心智模型） |

### 最低门槛

| 类型 | 一手素材 | 二手素材 | 素材多样性要求 |
|------|:--:|:--:|------|
| 人格型深度蒸馏 | ≥3 篇（含 ≥1 篇 ≥3000 字长文） | ≥5 篇 | 覆盖 ≥3 个不同话题/场景 |
| 岗位型标准设计 | 非必需 | ≥5 篇行业权威材料 | 覆盖 ≥3 种职业场景 |
| 精简模式（两型通用） | ≥1 篇 | ≥2 篇 | — |

> 不论类型，推断素材均不得单独支撑任何心智模型。素材不足时逐级降级：深度蒸馏 → 标准模式 → 精简模式 → 逃生通道。禁止强行提取。
>
> ⚠️ **逃生通道（推断辅助模式）**：当连精简模式门槛（≥1 一手 + ≥2 二手）也无法满足时，进入推断辅助模式——允许以推断素材为主力构建心智模型，但必须执行以下简化流程并在产出物开头显式标注「⚠️ 低信度原型：素材不足，心智模型基于推断构建，建议后续补充一手素材后重新蒸馏」。
>
> 推断辅助模式的简化流程：
> - 跳过 §1 四重验证（素材不足无法支撑跨域复现和排他性验证），仅标注「N/A（推断辅助）」
> - 直接进入 §2，仅定义场景锚点的变化方向（不做量化统计，同精简模式）
> - §3 标注「无足够素材支撑张力提取」（不编造矛盾）
> - §4 仅执行职业场景辨识度测试和边界压力测试（不做风格漂移和同行盲审）

---

## 1. 心智模型提取：四重验证决策树

> 🎯 **等级感知**：深度蒸馏和标准模式执行完整四重验证。精简模式素材量不足，仅执行「职业合规」一票否决，其余三维标记为「N/A（精简模式）」。推断辅助模式跳过 §1 全部验证。本节以下内容默认针对深度蒸馏和标准模式。

在原有三重验证基础上，新增职业合规性校验，确保提取的思维框架既是人物的，也是职业的。

### ✅ 验证通过条件（四项全满足）

| 验证维度 | 判定问题 | 通过标准 | 未通过处理 |
| :--- | :--- | :--- | :--- |
| 跨域复现 | 在≥3个不同职业场景中是否出现相同思维路径？ | 是 | 降级为「情境观点」 |
| 有生成力 | 能否用该模型预测人物对新职业任务的反应？ | 能 | 降级为「事后总结」 |
| 有排他性 | 换一位同岗位从业者套用此模型是否明显违和？ | 是 | 标记为「行业共性」，移除 |
| 职业合规 | 是否符合该职业的强制性规范与伦理底线？ | 是 | 一票否决，禁止Skill化 |

> ⚠️ **融合铁律**：禁止分别提取“人物价值观”和“职业技能树”。只提取“职业实践中体现的人物思维路径”（例：医生如何通过问诊节奏传递共情，而非单独列“共情能力”+“问诊流程”）。

> 📦 **降级产物处理**：未通过四重验证的降级产物不进入心智模型正表，以「参考注释」形式归档到附录，供 §3 张力提取时作为交叉验证参考。复合失败规则：按最严重失败处理，优先级为 一票否决 > 移除（行业共性 / 通用模板）> 降级。存在移除类失败时，心智模型整体标记为「不完整」，仅保留通过维度。

### 🔀 岗位型角色适应协议

> 岗位型角色无真实人物可供跨域观察，四重验证中的“跨域复现”和“排他性”需替换为等价的岗位型验证维度。

| 原维度 | 岗位型替代维度 | 判定问题 | 通过标准 | 未通过处理 |
|--------|--------------|---------|---------|-----------|
| 跨域复现 | 场景多样性 | 在 ≥3 个不同职业场景中是否出现相同的判断路径？ | 是 | 降级为「偶然偏好」 |
| 排他性 | 风格辨识度 | 与同岗位标准从业者的输出是否有可辨识的差异化特征？ | 是 | 标记为「通用模板」，移除 |
| 生成力 | （保留） | 该判断路径在面对新职业场景时是否仍能产生一致的差异化决策？ | — | — |
| 职业合规 | （保留） | （同原标准） | — | — |

> 岗位型角色的“人物维度”不来自对真人的蒸馏，而来自对职业实践中差异化判断路径的提取——不是虚构一个性格，而是定义「这个从业者为什么和标准做法不同」。

---

## 2. 表达DNA：职业场景驱动的动态参数集

摒弃“情绪状态”作为语言切换锚点，改为以职业专属场景轴驱动表达参数变化，避免人物语气与职业术语的机械拼接。

### 📊 基础量化指标

> 按角色类型和深度需求分三级，避免高门槛阻塞可用角色产出。

| 指标 | 深度蒸馏（人格型高还原度） | 标准模式（岗位型/通用） | 精简模式 |
|------|--------------------------|------------------------|:--:|
| 场景样本量 | ≥20 段 | ≥10 段 | ≥5 段 |
| 场景多样性 | ≥3 个职业域 | ≥3 种职业情境 | ≥2 种 |
| 量化指标统计 | 6 项全量 | 4 项（平均句长、术语频次、确定性风格、默认姿态） | 不要求 |
| 风格漂移测试 | 20 轮 | 10 轮 | 5 轮 |
| 同行盲审 | 推荐 | 可选 | 不要求 |

统计指标明细（全量 6 项）：
- 平均句长（字）
- 疑问句占比（%）
- 类比/隐喻密度（次/千字）
- 专业术语频次（次/百字）
- 第一人称使用率（%）
- 停顿/语气词密度（次/句）

> 标准模式仅统计 4 项：平均句长、术语频次、确定性风格、默认姿态。精简模式不做量化统计，仅定义场景锚点的变化方向。

### 🔄 职业场景动态锚点（按实际职业替换场景）

| 基础维度 | 核心业务场景（如：代码评审/问诊/庭审） | 协作沟通场景（如：需求对接/病例讨论/合议） | 非正式职业场景（如：技术分享/患者安抚/当事人咨询） |
| :--- | :--- | :--- | :--- |
| 平均句长 | 缩短40%，省略主语比例↑至80% | 基准值，连接词完整度↑ | 延长20%，口语化衔接↑ |
| 疑问

Github ReposUpdated 3d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW

Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular