wjs-eating-and-growing

Solid

吃一堑长一智 — 走完 5 步交互式反思(堑 → 自动输出 → 旧权重 → 新参数 → 替代动作),从「情绪复盘」推进到「行为训练」,把第一反应这一层 L3 权重练新。Use when 王建硕 reflects on a personal setback, mistake, or recurring pattern (反思, 复盘, 回顾, 总结教训, 吃一堑, 长一智, "这次又栽了", "怎么又这样", "为什么我总是…", "想开点都做不到", "知道道理但做不到"). For the user as a human, not for Claude's task post-mortems.

AI & Automation 129 stars 21 forks Updated 3 weeks ago MIT

Install

View on GitHub

Quality Score: 85/100

Stars 20%
70
Recency 20%
90
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# wjs-eating-and-growing(吃一堑长一智) ## 这个 skill 在干什么 帮王建硕在每次"吃堑"之后,按 5 步走一遍: **堑** → **自动输出** → **旧权重** → **新参数** → **替代动作** 不开练习菜单,不排打卡频次,不要他每天冥想 10 分钟。最终只交付一条:**下次这件事再发生的那一秒,他具体做什么不一样**。 但在"下次做什么"之前,必须先穿过一层:**这次该更新的是哪一条旧解释模式 / 想训练的新参数是什么**。这是从「情绪复盘」推进到「行为训练」的关键——不更新解释模式,再多 next step 也只是症状管理。 底层框架(来自 Mars 任鑫《庄子,业力和大模型》): | 层 | 类比 | 改它靠什么 | 改完会变吗 | |---|---|---|---| | **L1 外挂文档** | 笔记、读一篇文章 | 读 / 记 | ❌ 不变 | | **L2 推理链路** | 临场慢思考 | 外部触发器 | 状态好时变,状态差时被冲垮 | | **L3 底层权重** | 不假思索的第一反应 | 高梯度小数据练习 | ✅ 默认输出真的变 | **这个 skill 默认目标永远是 L3** —— 不假思索的第一反应。 **The Iron Law**:知道道理 ≠ 临场用上 ≠ 默认反应。光把"道理"加到笔记里,是在重复作者吐槽过的状态——"Obsidian 两千条笔记,下次被怼还是先暴怒三秒"。 ## 怎么用 — 5 步交互式 **一步一问。每一步只问一个问题,等用户回答,再走下一步。不可跳,不可合并,不可一次性把五个问题罗列出来要他一起答。** 用户在情绪里走出来的速度是慢的,跳步等于回到 L1 笔记。 --- ### Step 1 — 这次"堑"是什么? > "用一句话写清楚发生了什么。 > > 不要解读,不要分析,先把事实落地。比如: > - 朋友临时爽约了 > - 对方一句话让我瞬间破防 > - 我又拖延到最后一刻才做事" **为什么**:先把"事件"从"对事件的解释"里剥出来。后面要更新的是解释,不是事件——必须先看清这两层不是同一个东西。 如果用户一上来就给的是解释("他不尊重我"),**追问一次**:"这是你的解读。先退回一步——纯事实层面、外面装个摄像头能拍到的那件事,是什么?" --- ### Step 2 — 我当时的自动输出是什么? > "**不是你事后的解释,是第一反应。** > > 那个瞬间脑子里蹦出来的原话——比如: > - "他不尊重我。" > - "他就是看不起我。" > - "我完了,我总是这样。" > - "我必须马上回击。" > > 如果一时想不起,就先回到身体——哪里紧了、热了?心跳起来了吗?拳头握住了吗?身体先反应,话紧随其后。把那句话抓住。" **为什么**:自动输出是 L3 权重的可观测投影。文章原话——"这个瞬间的 learning rate 远高于事后复盘"。事后再聪明的总结,梯度都已经凉了,改不动 L3。 如果用户给的是事后视角("我应该当时冷静一点"、"我那时候不该…"),**追问一次**:"这是事后视角。回到那一秒——脑子里实际蹦出来的那句话是什么?" --- ### Step 3 — 这个输出背后的旧权重是什么? > "也就是:你为什么总往���个方向解释? > > 不是这一次为什么,是**你这个人**为什么会对这类事情默认这样反应。比如: > - 我很怕被忽视 > - 我对失控特别...

Details

Author
jianshuo
Repository
jianshuo/claude-skills
Created
4 months ago
Last Updated
3 weeks ago
Language
Python
License
MIT

Integrates with

Bundled in these plugins

Similar Skills

Semantically similar based on skill content — not just same category

AI & Automation Listed

likejia-perspective

李可佳(Ethan KJ Li,BotLearn / Ouraca / Aibrary 创始人,前字节跳动智慧教育业务 CEO)的思维框架与表达方式。基于 6 路并行调研(约 73 条来源、50 条一手)提炼 5 个核心心智模型、8 条决策启发式和完整的表达 DNA。 用途:作为思维顾问,用李可佳的视角分析 AI 产品 / 教育产品 / 出海创业 / Agent 生态 / 早期融资问题。 显式触发:「用李可佳的视角」「李可佳会怎么看」「Ethan Li perspective」「BotLearn 创始人会怎么想」「Ouraca 模式」「切到李可佳」「如果是李可佳他会怎么做」。 主题型触发(用户讨论以下话题且未指明视角时,可建议本 skill):BotLearn / Aibrary / Ouraca / OpenClaw / 龙虾上大学 / Agent 大学 / Bot 社交的产品判断;"协议位 vs 平台""新物种命名""Bots learn Humans earn""90/10 模型""Idea Twin""可追���学习链"等概念解释;AI 教育出海 / Agent-to-Agent 生态 / 中国团队美国主体的早期融资模式分析;NotebookLM 启发的播客式学习产品。 不要激活:用户问极课大数据 2014-2018 早期细节、字节智慧教育 2019-2022 内幕、双减后大力教育裁员真相、张利东 / 陈林互动等他保持沉默的领域(这些他本人留白,skill 也应留白,不要替他编造);用户讨论他的家庭 / 私生活 / 实时行踪;用户要"教我 BotLearn 的代码""龙虾上大学 SOP""Agent 大学怎么抄"这类把方法论当快餐的问题(如果激活,第一步���拒绝把方法论快餐化——"现成词能装下就没看到本质",再换框架回答);纯技术术语 Agent(如 LangChain Agent 编程实现)、Ouraca 字面查询(食品 / 地名)。

1 Updated today
zhanglunet
AI & Automation Listed

learn-coach

教学陪练 skill——把「给答案」升级为「教到会」。融合费曼回讲、苏格拉底式提问、脚手架分层、生产性失败(先猜后讲)四大教学法,每个核心概念配示意图/流程图,中文为主、术语必须带白话解释。触发场景:用户说「教我 X / 我想学 X / 帮我搞懂 Y / 给我讲讲 Z 的原理 / 学习一下 / 入门 / 一直没搞懂 / 带我过一遍 / 什么是 X,为什么会这样」等任何「希望理解并长期掌握知识」的语义——不限技术主题(算法/系统/数学/金融/任何领域)。**只要用户表达「学会、理解、掌握」意图就触发**,哪怕没说「教」字。反向豁免(不触发,直接给答案):查 API/语法/命令等查表类问题、生产救火、用户明说「直接告诉我/快点说结论」。

0 Updated 4 days ago
AgentGameLab
AI & Automation Listed

zmm-topic

📐 詹明明·今天拍什么 ——短视频选题技能。交互式选题:供需判定 + 对标信号 + 本人真实数据佐证 + 配比检查,不一键生成选题清单。 触发方式:/zmm-topic、/拍什么、/选题、/zmm-选题、「今天拍什么」「帮我出选题」「这个题能不能做」「有个想法你帮我判断下」「这题只有一头」「这题没劲」「帮我把它讲出两头来」 Topic selection for short videos: supply-demand test, benchmark signals, real data evidence. Trigger: /zmm-topic, "what topic should I shoot", "is this topic worth making" —— 📐 詹明明 · 不给公式,给判据。每条规则都标了实测代价。

1 Updated 5 days ago
iamzifei