大师技能

⚡ 安装

```bash

端到端流程：调研 → 检测冷僻 → 生成 skill → 质检 → 安装

python3 tools/research/merge_research.py merge --skill-dir ./prototype/ python3 tools/research/cold_detector.py --skill-dir ./prototype --stage wave1 python3 tools/skill_writer.py create --skill-dir ./output ... python3 tools/research/quality_check.py check --skill-dir ./output python3 tools/install.py install --host claude --source ./output

✨ 效果示例

这不是搜索引擎。这是「这一行的资深人此刻在你旁边」。

🤖 场景 1 · LLM agent 基础设施

你    ❯ 该不该把这个 RAG 系统迁到 Vespa？

大师  ❯ 这是一个「framework 临时性 vs 基建沉降」的判断。

       先看 retrieval 阶段的瓶颈到底在 Vespa 解决，还是
       在 embedding 模型本身。如果是后者，迁移就是把
       脚手架换成混凝土 — 6 个月模型迭代会让你又想换。

       如果真的卡在 retrieval：Vespa 比 Pinecone 多了
       hybrid search 原生支持，但你的运维栈是不是已经
       吃下了它的 ZooKeeper / Tensor 复杂度？这一行的
       资深判断 — Filtering speed × Index size × Team
       Op overhead 三选二，你的瓶颈在哪边？

       Production case：[3-4 个真实迁移案例摘要 + 链接]

🛒 场景 2 · 跨境电商运营

你    ❯ 亚马逊德国站要上一个新品类，从哪儿开始？

大师  ❯ 德国站有三件事跟美国站完全不同 — 你必须先回答：

       1) VAT 一站式申报你走 OSS 还是各国注册？
          这决定了你能不能用 Pan-EU FBA。
       2) 包装法 (VerpackG) 和 WEEE/电池法注册了吗？
          没注册 listing 第一天就会被举报下架。
       3) GS 认证 vs CE — 你品类是不是 GS 强制？
          这决定能不能上 Idealo / 比价导购流量池。

       这三个不是合规 checklist — 是你「能不能开卖」的硬门槛。
       搞定后，关键词调研用 Helium 10 的德语包，不要从
       美国词库直翻 — 德国搜索习惯长尾密度高得多。

🎬 场景 3 · 短视频投流

你    ❯ 投流 ROAS 总是上不去，是不是出价策略有问题？

大师  ❯ 出价是后果，不是原因。先回答创意层：

       你的素材在 cold audience 上的 3s 完播率是多少？
       低于 35% 时调出价没用 — 巨量引擎的探索预算
       不会给你跑出量。

       创意没问题再看人群定向。这一行的资深判断 —
       「优质素材 × 合理定向 × 出价」，三角顺序错了，
       后两个调出花。你近 7 天创意素材曲线给我看一眼。

不是把行业百科塞进 prompt，是用这一行的心智模型 + 决策规则给你判断。

每个 skill 都自带一套「研究协议」(Agentic Protocol) — 拿到一个行业新问题，它先按这行资深人的研究维度去搜事实，再用心智模型输出判断。不是说得像，是做得像。

---

🚀 用法

在装好大师.skill 的 agent 里，直接说：

> 造大师 LLM agent 基础设施
> 做个跨境电商运营的大师 skill
> 我做的是足踝外科，给我蒸一个

> update 大师 LLM-agent-infra      # 6 个月后增量刷新

大师跟你确认 6 件事（行业、子方向、地域、你的角色、有没有一手素材、是新建还是更新），然后启动六路并行调研：行业大佬 / 工具地图 / 工作流 / 知识正典 / 信息源 / 术语标准。

30-60 分钟后你拿到一个 {行业}-master 目录。装到任意 agent，立刻进入「这一行的资深人」模式。

走完一个完整工作流 + 失败模式自检

$ ./cli/workflow/build-rag-agent.sh

解释背后的心智模型（不交互，直接打印）

$ ./cli/decision/framework-select.sh --explain ```

纯 bash + 系统命令，零外部依赖（不需要 jq、不需要 Python）。由 tools/cli_writer.py 自动从蒸馏结果生成 —— 你不用写一行代码，工具是从行业的工作流和决策规则里直接长出来的。

设计细节看 references/cli-spec.md。

---