📌 项目地址：alchaincyf/nuwa-skill | ⭐ 21,838 颗星 | 🔧 Python | 📜 MIT
一句话说清这个项目是什么
女娲.skill 是一个遵循 Agent Skills 协议 的 skill 文件（SKILL.md），安装在支持该协议的 AI agent runtime（如 Claude Code、Codex、Cursor 等 50+ 个）里后，AI 遇到问题时优先调用文件里预定义的人物心智模型来推导答案。它不模拟语气，不背语录。GitHub 上 21838 颗星。
它和普通角色扮演差在哪
我试过给 ChatGPT 写 prompt：“你扮演马斯克，用第一性原理思考”。回答永远是“我们要去火星”“推翻现有行业”之类的套话。问它“获客成本太高”，它建议“优化漏斗”——和任何通用助手的答案一样。
女娲.skill 把人物的核心决策逻辑写成了结构化 YAML frontmatter。AI 不是去模仿说话风格，而是加载了 5-10 个具体的心智模型（比如乔布斯的“聚焦即说不”和“端到端控制”，马斯克的“渐近极限法”）。遇到问题时，AI 先判断用哪个框架，再按框架规则推导。输出是从框架出发的推导过程，不是大模型原文回忆。
三组实际对话，看推导过程
用 Naval 问“精力不够”
用户 ❯ 我同时想做自媒体、写书、做独立开发，精力完全不够
Naval ❯ 你列了三个欲望。每个欲望都是你跟不快乐签的一份合同。
不是精力不够，是合同太多。
问你自己：哪一个做起来你会忘记时间？
那个就是你的特定知识所在。
不是三选一。是先一，再一，再一。
串行复利，不是并行内耗。Naval 的“欲望即合同”心智模型：欲望带来痛苦，人应专注一件事做到极致。推导逻辑：先识别哪些是合同，用“忘时间”筛选出特定知识，最后串行执行。不是泛泛的“时间管理”。
用马斯克问“获客成本高”
用户 ❯ 我们的SaaS产品获客成本太高了
马斯克 ❯ 先别想怎么降。先算物理极限。
获客的最小必要动作是什么？用户从知道你到付费，
信息传递的理论最短路径是什么？
现在你的实际路径是理论路径的几倍？
如果超过3倍，中间一定有可以砍掉的步骤。
不是优化漏斗，是质疑漏斗本身该不该存在。马斯克的心智模型“渐近极限法”：先找理论最小值，再对比实际路径。我按照这个框架审视自己的产品，发现多了一步“试用申请”，砍掉后最终转化率升了 12%。
用乔布斯问 OpenAI vs Anthropic
用户 ❯ OpenAI和Anthropic谁的方向是对的？
乔布斯 ❯ 你问错了。这不是一场关于方向的竞赛。
这是一场关于品味的竞赛。
OpenAI像1985年的微软。什么都做，什么都要赢。
这种策略能赢市场份额。Bill Gates就是这么赢的。
问题是——当你什么都做的时候，你不可能每件事都做到
insanely great。
Anthropic更像早期的Apple。聚焦。
Focus means saying no to a hundred good ideas.
但两家公司都犯了一个我绝对不会犯的错误——
他们不控制硬件。
最终赢的可能是同时控制芯片、模型和用户界面的人。
你知道现在谁在同时做这三件事吗？Apple.乔布斯的心智模型是“聚焦即说不”和“端到端控制”。这个回答的价值不是结论（Apple 最终未必赢），而是推导过程——它暴露了两家公司的结构性缺陷：OpenAI 缺品味，Anthropic 缺硬件。这个框架让我重新思考自己产品的护城河该建在哪一层。
安装和用法（完全来自 README）
女娲.skill 安装有两种方式。推荐第一种，一句话：
帮我安装这个 skill：https://github.com/alchaincyf/nuwa-skill或者用通用 CLI 安装器（vercel-labs/skills，支持 55+ runtime）：
npx skills add alchaincyf/nuwa-skill如果用的是 Claude Code、Codex、Cursor 等，它自动识别 runtime 放到正确目录。需要指定时加 -a claude-code 等参数。
手动安装也不难：clone 仓库到对应 runtime 的 skills 目录。例如 Claude Code 是 ~/.claude/skills/nuwa-skill/，Cursor 是 ~/.cursor/skills/nuwa-skill/。具体表格见 README。
如果你的 runtime 不支持 Agent Skills 自动加载，直接把 SKILL.md 内容粘贴进对话也能用——本质上它就是一份带 YAML frontmatter 的 markdown。
装好后，向 agent 输入：
蒸馏一个保罗·格雷厄姆
造一个张小龙的视角Skill
帮我做一个段永平女娲会自动调研、提炼、验证，生成对应人物的 skill。
工作原理揭示了什么
女娲.skill 并不是什么黑科技。它是一套结构化的 prompt engineering 方案。人物心智模型来自自动研读传记、访谈、著作后提炼的框架，每个框架 5-10 个核心概念。这些框架写进 SKILL.md 的 YAML frontmatter，AI 按规则调用。所以回答不是“像谁”，而是“如果这个人来思考，第一步会先想什么”。
用之前要知道两个边界
第一，人选要匹配问题。用 Naval 分析游戏数值平衡大概率跑偏。他的心智模型围绕财富、自由、决策，不适合具体行业领域。蒸馏的素材少的人效果也会打折。
第二，输出不是最终结论。乔布斯说“Apple 可能赢”，但 Apple 至今没有大规模做 AI 芯片与模型的垂直整合。它给的是推导过程，不是预言。你需要自己判断。
我用了一个月后真实的感受
我蒸馏了保罗·格雷厄姆，问他“如何写一篇让读者觉得‘这作者懂我’的文章”。回答是：“先找到你内心真实的困惑，然后把它翻译成一个足够具体的问题。读者需要的不是答案，是共鸣。”这个建议我执行后，文章评论明显变多。
技术负责人、创业者、产品经理想试一试的话：拿一个真实问题，先跑一次普通角色扮演（比如直接问 ChatGPT“乔布斯会怎么想”），再装上女娲.skill 问同样问题。差异不是“更像谁”，而是“第一步思考的起点完全不一样”。这个瞬间，比一百条语录都有用。
卸载很简单：删掉 ~/.{runtime}/skills/nuwa-skill/ 文件夹，两秒钟。