What makes mckinsey-library notable?

2K downloads. Trust evidence available

How should mckinsey-library 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

mckinsey-library

麦肯锡风格咨询交付 skill（中文名「麦肯锡资料库顾问」）。核心差异：方法论不是通用知识，而是直接来自用户提供的 44 份真实麦肯锡资料库（已全量吸收、逐份落位）。客户上传材料后，先用七步成诗锁定问题，自主搜集并评估外部资料填补证据缺口，生成故事线 md，确认后出 PPT+战略文档+演讲稿三件套。具备：50+ 可视化布局目录、AX Labs 式可解释布局选型、python-pptx 复用绘图引擎、Critic 视觉质量门、端到端自主编排。触发：帮我做咨询方案、根据资料出 PPT、用麦肯锡方法梳理故事线、结构化客户输入、搜集外部资料支撑论证、写演讲稿、做图表/可视化。 Skill: mckinsey-library Owner: forrestneo Summary: 麦肯锡风格咨询交付 skill（中文名「麦肯锡资料库顾问」）。核心差异：方法论不是通用知识，而是直接来自用户提供的 44 份真实麦肯锡资料库（已全量吸收、逐份落位）。客户上传材料后，先用七步成诗锁定问题，自主搜集并评估外部资料填补证据缺口，生成故事线 md，确认后出 PPT+战略文档+演讲稿三件套。具备：50+ 可视化布局目录、AX Labs 式可解释布局选型、python-pptx 复用绘图引擎、Critic 视觉质量门、端到端自主编排。触发：帮我做咨询方案、根据资料出 PPT、用麦肯锡方法梳理故事线、结构化客户输入、搜集外部资料支撑论证、写演讲稿、做图表/可视化。 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-10T16:16:38.062Z | auto Init

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

2.0k

Updated

Oct 9, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2K downloads reported by the source. Last updated 10/9/2026.

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 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 2K downloadsadoption · observed Oct 9, 2026
Latest release: 0.1.0release · observed Aug 10, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17fd8v89pwxzett0ka88gsq5h8bm7ca:mckinsey-library

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-forrestneo-mckinsey-library/snapshot"

Documentation

CLAWHUB

69,694 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: mckinsey-library
description: 麦肯锡风格咨询交付 skill（中文名「麦肯锡资料库顾问」）。核心差异：方法论不是通用知识，而是直接来自用户提供的 44 份真实麦肯锡资料库（已全量吸收、逐份落位）。客户上传材料后，先用七步成诗锁定问题，自主搜集并评估外部资料填补证据缺口，生成故事线 md，确认后出 PPT+战略文档+演讲稿三件套。具备：50+ 可视化布局目录、AX Labs 式可解释布局选型、python-pptx 复用绘图引擎、Critic 视觉质量门、端到端自主编排。触发：帮我做咨询方案、根据资料出 PPT、用麦肯锡方法梳理故事线、结构化客户输入、搜集外部资料支撑论证、写演讲稿、做图表/可视化。
agent_created: true
version: 3.0.0
---

# 麦肯锡资料库顾问（McKinsey Library Consultant）

一个**带方法论内核、带闸门、可自主编排**的咨询交付工作流。它把用户上传的零散材料（文档 / 数据 / 笔记 / 会议记录）结构化成一页页「有结论、有论证、有数据来源」的咨询交付物，并能在内部材料不足时**自主搜集外部资料**、在确认后**自主产出 PPT 与演讲稿**。

**本 skill 的方法论不是通用知识，而是直接来自用户提供的麦肯锡资料库**（见下方「方法论来源」）。所有框架名、步骤名、提问清单都从原资料摘录，不臆造。

---

## 四段 + 闸门工作流

```
Phase 1    提问锁定      ──►  Phase 1.5  外部资料搜集与评估  ──►  Phase 2  生成故事线 md  ──►  [闸门：客户确认]  ──►  Phase 3  生成 PPT + 演讲稿
 (七步成诗 Step1)           (08 诊断方法 + 28 以无可争议的内容)     (七步成诗 Step2-6 + 故事框架)                    (故事框架 + 视觉规范 + 演讲稿)
```

**硬规则（默认开启，可经授权跳过）：客户未明确确认故事线（Phase 2 产物）之前，绝不进入 Phase 3 生成 PPT 与演讲稿。** 这是麦肯锡「先画鬼图、后写故事、再整理文件」（七步成诗 Step 4/7）的纪律。

**端到端自主编排（编排模式）：** 当用户明确授权「你自己来 / 全自动 / 端到端」，skill 可一次性自主完成 Phase 1 → 1.5 → 2 → 3，把「故事线 md + PPT + 演讲稿」整包产出，并明确标注「待你确认 / 可直接用」。即便自主编排，仍**严格保留「故事线先行、PPT 后行」的顺序纪律，绝不跳步**。

---

## Phase 0 — 资料库路由（全 44 份现已全部吸收，22 待修复）

本 skill 不是只扎根 4 份，而是**路由你提供的整座麦肯锡资料库**（见 `麦肯锡资料内容存档/审计清单_全33份.md`）。交付时按需求类型查表路由：

- **速查守则**：`references/rulebook.md`（把 33 份可用信息提炼成「守则 + 短语」，每条标来源）。
- **路由索引**：`references/materials_index.md`（需求类型 → 对应资料 → 是否已用；含去重与 22 失败说明）。
- **方法论细则**：`references/methodology.md`、`references/intake_questions.md`、`references/storyline_template.md`、`references/external_research.md`、`references/strategy_playbook.md`（战略规划专题，源自 23）。
- **全量应用账本 + 主题 playbook（33 份逐份落位，证明每份都用到了）**：`references/functional_playbooks.md`。

> 命名约定：资料前缀即文件号，如 `13`=七步成诗、`08`=解决问题方法和途径、`28`=演讲技能、`01`=战略手册、`03`=营销手册、`20`=大客户、`18`=百威汇报范本、`22`=运营效率(待修复)。
> 同名框架指向权威定义：7S→15、组织→14、战略→01、诊断→08，不各写一遍。

---

## Phase 1 — 提问锁定（七步成诗 Step 1：陈述问题）

拿到客户材料后，**先不要写**，用 5–7 个问题锁死以下内容（对应原资料「问题背景情况 6 要素」+「清晰阐述问题的特点」）：

- **主导问题 / 假设**：是一个具体、行动性强、以决策者下一步行动为重点的单一问题，而非问题罗列或无可争议的主张。
- **决策者是谁**（决策者 / 影响决策者的主要因素 / 听众是谁）。
- **时间安排**：多快要答案？哪些节点？
- **成功标准 / 主要衡量标准**：决策者如何判断问题被解决？关心什么变量？
- **所需准确度**：要强有力的方向指导，还是要精确细致？
- **期望对方读完做什么**（行动号召）。

提问话术与「客户答案 → 故事线落点」映射表见 `references/intake_questions.md`。

---

## Phase 1.5 — 外部资料搜集与评估（08 诊断方法 + 28 以无可争议的内容）

当内部材料不足以支撑故事线的某条分支时，skill **主动组织外部情报搜集**，而不是空着等客户补料。本阶段直接锚定你资料库里的真实方法：

### 1.5.1 识别证据缺口
从 Phase 2 的逻辑树分支出发，逐支判断：哪些结论缺**行业基准 / 竞品对标 / 市场数据 / 政策口径 / 客户实证 / 专家判断**？列出「缺口清单」（分支 → 缺什么 → 影响哪条结论）。

### 1.5.2 搜集策略（源自 `08` 的 5 类诊断方法）
- **全身扫描（full-potential scan）**：广撒网，扫描行业 / 市场 / 政策 / 技术全景，定位关键外部变量与机会规模。
- **序列分析（sequential analysis）**：沿价值链或时间线顺序取数，得到连贯的外部证据链。
- **任务分析 / OVA（objective-value-analysis）**：从客户或用户的目标—价值出发，找对应的外部行为/偏好证据。
- **价值评估（value assessment）**：用外部基准量化机会/问题的规模，把「感觉」变成「数量级」。

### 1.5.3 工具与动作
- 用 `WebSearch`（多关键词组 `query_keyword_groups`、`topic` 过滤）做广覆盖检索；用 `WebFetch` 抓权威源正文。
- 必要时联网取数（统计局 / 央行 / 交易所 / 公司财报 / 研报），不轻信大线性计划、不轻信单一来源。
- 详细话术、来源分级、三角验证流程见 `references/external_

README.md

# mckinsey-library

> 麦肯锡风格咨询交付 Skill（中文名「麦肯锡资料库顾问」）

一个**带方法论内核、带质量闸门、可端到端自主编排**的咨询交付工作流。它把零散的客户材料（文档 / 数据 / 笔记 / 会议记录）结构化成一页页「有结论、有论证、有数据来源」的咨询交付物，并在内部材料不足时**自主搜集外部资料**、在确认后**自主产出 PPT 与演讲稿**。

本 Skill 的方法论不是通用知识，而是直接来自用户提供的 **44 份真实麦肯锡风格资料库**（已全量吸收、逐份落位，并已做脱敏处理）。

## 核心能力

- **四段 + 闸门工作流**：提问锁定 → 外部资料搜集与评估 → 生成故事线 →（确认闸门）→ 生成 PPT + 演讲稿。
- **纪律约束**：客户未确认故事线之前，绝不进入 PPT 生成（麦肯锡「先画鬼图、后写故事、再整理文件」）。
- **外部证据引擎**：内置 WebSearch / WebFetch 搜集策略，以及三角验证、来源分级、口径透明等可信度准则。
- **可视化布局目录**：50+ 布局模式库 + 可解释选型流程 + python-pptx 复用绘图引擎（`assets/pptx_primitives.py`，含 Treemap / 矩阵 / 瀑布 / 漏斗 / 仪表盘等面积类图）。
- **Critic 视觉质量门**：交付前强制逐页巡检（重叠 / 溢出 / 图表 / 对齐 / 字体等 12 项清单）。

## 目录结构

```
mckinsey-library/
├── SKILL.md                      # 工作流总纲与方法论文档
├── assets/
│   ├── pptx_primitives.py        # python-pptx 复用绘图引擎
│   └── __primitives_selftest__.pptx
└── references/                   # 11 份方法论文档（索引 / 守则 / 框架 / 模板等）
    ├── materials_index.md        # 资料路由索引（需求类型 → 对应资料 → 是否已用）
    ├── functional_playbooks.md   # 44 份全量逐份应用账本与主题 playbook
    ├── rulebook.md               # 速查守则（每条标注来源）
    ├── methodology.md            # 框架与方法论细则
    ├── intake_questions.md       # 提问锁定话术与映射表
    ├── storyline_template.md     # 故事线 + 演讲稿模板
    ├── external_research.md      # 外部资料搜集与可信度评估
    ├── strategy_playbook.md      # 战略规划专题 playbook
    ├── visualization_layouts.md  # 50+ 可视化布局模式库
    ├── layout_selection.md       # 布局可解释选型流程
    └── critic_checklist.md       # 视觉质量门巡检清单
```

## 使用方法

1. 将本目录整体放入 WorkBuddy 的技能目录（用户级 `~/.workbuddy/skills/` 或项目级 `.workbuddy/skills/`）。
2. 在对话中描述你的咨询需求，例如「帮我用麦肯锡方法梳理这个故事线并出 PPT」。
3. Skill 会先锁定问题、按需搜集外部资料、产出故事线 md 供你确认，确认后再生成 PPT + 演讲稿三件套。

## 内容与隐私说明

- 本仓库内容已做**脱敏处理**：不包含任何真实姓名、雇主名称或可识别个人身份的信息；资料中涉及的机构名称均已泛化。
- 方法论框架与术语均摘录自公开的麦肯锡风格资料，仅用于方法与交付流程参考。
- 本仓库以 MIT 协议开源，可自由使用、修改与再分发（见 [LICENSE](./LICENSE)）。

## 许可

[MIT](./LICENSE) © 2026 forrestneo

_meta.json

{
  "ownerId": "kn79n39ph0bt3y6khdjwn7bxt18bm0dq",
  "slug": "mckinsey-library",
  "version": "0.1.0",
  "publishedAt": 1786378598062
}

references/critic_checklist.md

# Critic 质量门（视觉巡检 · 麦肯锡资料库顾问）

> 把原先 ad-hoc 的「子代理全页视觉巡检」**固化为交付前强制质量门**（对标 sruthir28 的 `mckinsey-critic` 独立模块，但并入本 skill 作为 Phase 3.3，降低调用成本）。
> 任何 PPT 在交付用户前，**必须**走一遍 critic 门：转图 → 逐页检查 → 修问题 → 复检 → 标「待确认 / 可直接用」。

---

## 一、Critic 检查清单（逐页）

| # | 检查项 | 判定标准 | 严重度 |
|---|---|---|---|
| 1 | 元素重叠 | 文字不穿过形状、线条不压字、卡片不堆叠 | 高 |
| 2 | 文字溢出/裁切 | 文本在框内、未到边界外；长文本已截断或换行 | 高 |
| 3 | 图表正常 | 标签/图例/标题显示正常，无乱码空白；原生 chart 有数据标签 | 中 |
| 4 | 装饰位置 | 短装饰条适配标题行数（单行标题→短条；两行→加长或下移） | 中 |
| 5 | 页脚碰撞 | 「资料来源」脚注不与上方内容重叠 | 中 |
| 6 | 间距 | 同类元素间距≥0.3in，卡片不贴在一起 | 中 |
| 7 | 页边距 | 四周≥0.5in | 低 |
| 8 | 对齐 | 列/同类元素左/顶对齐一致 | 低 |
| 9 | 对比度 | 浅色字不配浅色底；红/金字配深底可读 | 高 |
| 10 | 字体 | 楷体标题、微软雅黑正文、Arial 数字；无方块乱码 | 中 |
| 11 | 占位符 | 无 `XXXX/lorem/TODO/【待填】` 残留（【待填真实数据】属合规占位，允许但须计数） | 高 |
| 12 | 模式一致 | 实际模式 == 布局计划表(P3 蓝图) | 中 |

## 二、Critic 执行协议（agent 巡检 prompt 模板）

```
你是 PPT 视觉质量巡检员。以下是 N 页 PowerPoint 渲染图（路径列表）。
请逐页用 Read 打开并严格视觉检查，**假设一定有问题是真的有，找出它们**。
对每一页检查 critic_checklist.md 的 12 项（重叠/溢出/图表/装饰/页脚/间距/页边距/对齐/对比/字体/占位/模式一致）。
要求：
- 按页列出问题（哪怕轻微），含「严重度」。
- 每页一句话总体判断：OK / 需修（列 Top 问题）。
- 末尾给 Top 5 最该优先修的问题（按严重度）。
- 不修改文件，只报告。报告≤600 字。
```

> 转图用 PyMuPDF：`fitz.open(pdf)` → `page.get_pixmap(dpi=110).save(f'slide-{i+1:02d}.jpg')`。
> 渲染前用 LibreOffice：`soffice --headless --convert-to pdf`。

## 三、修复与复检

1. critic 报告的问题，**高严重度必须修**，中/低严重度酌情（用户要求宽松排版时优先保可读）。
2. 修复后**只重渲染问题页**复检，确认通过。
3. 复检仍有高严重度未修 → 退回生成环节，禁止交付。

## 四、交付标注（强制）

critic 通过后，在交付消息与文件命名中标注状态：

- **「可直接用」**：无高/中严重度问题，模式与蓝图一致。
- **「待确认」**：存在中/低问题或【待填真实数据】占位，需用户核对。
- 编排模式产出的三件套，默认标「待确认」直至用户复核。

## 五、与 Skill 工作流的衔接

- 触发点：**Phase 3 生成 PPT 之后、交付之前**（见 SKILL.md Phase 3.3）。
- 输入：PPT 文件 + 布局计划表（蓝图）。
- 输出：critic 报告 + 修复后的 PPT + 状态标注。
- 若用户走「编排模式」全自动，critic 仍为强制门，不可跳过（仅把「待确认」标注权交给用户）。

references/external_research.md

# 外部资料搜集与可信度评估（Phase 1.5 细则）

> 锚定用户资料库：`08McKinsey-我们解决问题的方法和途径.ppt.txt`（5 类诊断方法）、
> `28Mckinsey-如何建立演讲技能.ppt.txt`（「以无可争议的内容来陈述情况」）、
> `13Mckinsey-七+步+成+诗.ppt.txt`（Step4/5 工作计划与关键分析：资料来源、从专家处取数）。
> 本文件指导 skill 在内部材料不足时，**主动组织外部情报搜集**并严格评估可信度。

---

## 一、何时需要外部搜集（触发条件）

从故事线逻辑树分支出发，逐支判断。出现下列任一情况即列入「证据缺口清单」：
- 结论缺**行业基准 / 市场规模 / 增速**（如「该细分市场增速领先」需外部数据）。
- 缺**竞品 / 对标企业**实证（如「模式优于同业」需外部对比）。
- 缺**政策 / 监管口径**（如「受新规利好」需原文与生效时点）。
- 缺**客户 / 用户行为**外部证据（如「用户愿为 X 付费」需调研/交易数据）。
- 缺**专家判断**支撑假设（七步成诗 Step5「从专家处取数」）。

产物：`故事线_*.md` 中的「外部资料缺口与搜集计划」一节（分支 → 缺什么 → 用哪类诊断方法 → 计划来源）。

---

## 二、四类搜集策略（源自 08 的 5 类诊断方法）

| 策略（08 原文） | 适用缺口 | 动作要点 |
|---|---|---|
| **全身扫描 full-potential scan** | 行业/市场/技术全景、机会规模 | 广覆盖检索行业报告、市场格局、技术趋势；先求全再求精 |
| **序列分析 sequential analysis** | 沿价值链/时间线的连贯证据 | 按「上游→中游→下游」或「过去→现在→趋势」顺序取数，形成证据链 |
| **任务分析 / OVA** | 客户/用户目标—价值证据 | 从「用户要达成什么目标、看重什么价值」反推需找的外部行为/偏好数据 |
| **价值评估 value assessment** | 把感觉变成数量级 | 用外部基准量化机会/问题规模（TAM/SAM、弹性、ROI 量级） |
| （参考）**问题图/假设树** | 验证或推翻某假设 | 用是/否可证伪的问题设计检索，找能一锤定音的外部证据 |

---

## 三、工具与动作

- **`WebSearch`**：用 `query_keyword_groups` 一次覆盖多组关键词（中英双语、同义表述都给），`topic` 选 `finance`/`technology`/`news` 等提高相关度。每组 5 条上限，必要时分多组。
- **`WebFetch`**：对检索到的权威页抓正文提炼，避免只看摘要。
- **联网取数**：统计局/央行/交易所/公司财报/研报原文；优先一手。
- **纪律（13 Step5）**：简化分析、估算数量级、80/20、从专家取数、**不轻信大线性计划、不轻信单一来源**。

---

## 四、可信度评估（源自 28「以无可争议的内容来陈述情况」）

### 4.1 来源分级
- **一手（A 级）**：政府统计/监管文件/公司财报/招股书/法院文书。最可信，优先引用。
- **二手（B 级）**：券商研报/咨询报告（麦肯锡/BCG/德勤等）/学术期刊。需看方法与样本。
- **媒体/自媒体（C 级）**：作线索，不作核心论据；除非被 A/B 佐证。

### 4.2 三角验证
- 每条**关键**外部证据至少 **2 个独立来源**交叉印证；仅 1 源时在故事线标注「待验证」。
- 来源间冲突时，取口径更清晰、时点更新近、方法更透明者，并说明差异。

### 4.3 口径透明
- 标注**数据时点**（如「2025 年报」）与**统计口径**（如「口径含/不含XX」）。
- **估算值不得伪装成精确值**：用量级词（约/超/近）或区间，不写伪精确小数。
- PPT 中每张外部数据图带**脚注：来源 + 时点**。

### 4.4 反「伪创新 / 伪数据」审查（用户偏好）
- 警惕「新词堆砌无新实质」「把工程组合包装成范式突破」的外部叙事。
- 外部证据若用于支撑颠覆性结论，必须满足其一：重定义客户问题 / 重构价值归属 / 把非结构化变可计算可定价。

---

## 五、回填与衔接

- 通过评估的证据回填 `故事线_*.md` 对应分支的「资料来源」，并标 A/B/C 级与口径。
- Phase 3 出 PPT 时，外部来源作为脚注；演讲稿 Q&A 预案预设「这数据哪来的 / 口径是什么」的应答。

---

## 六、自检

- [ ] 每个证据缺口都指派了诊断方法类别？
- [ ] 关键外部证据 ≥2 独立来源印证？
- [ ] 来源分级与口径时点已标注？
- [ ] 估算值未伪装成精确值？
- [ ] 外部数据在 PPT 有脚注、在演讲稿有 Q&A 预案？

Github ReposUpdated 6h 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.