Skip to content
Business
Skill

/dbs-standard-answer

围绕复杂问题先挖掘相关行业、学科、作者与可信理论,再比较结构同构的历史成功、失败和反例,提炼带条件的标准答案。用户需要同时获得理论解释与历史比较,或明确询问历史上如何解决、有没有经典解法、标准答案时使用;只需给现有命题、案例、PPT 或方法论找理论依据时不使用。

BOOST
From plugin
dbs
11k37 skills
Install
$ npx -y skills add dontbesilent2025/dbskill --skill dbs-standard-answer --agent claude-code

How it fires

How this skill gets triggered: by you, by Claude, or both.

  • Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
  • You can call itInvoke it directly when you want it.
  • Slash command/dbs-standard-answer

Context preview

The summary Claude sees to decide when to auto-load this skill.

围绕复杂问题先挖掘相关行业、学科、作者与可信理论,再比较结构同构的历史成功、失败和反例,提炼带条件的标准答案。用户需要同时获得理论解释与历史比较,或明确询问历史上如何解决、有没有经典解法、标准答案时使用;只需给现有命题、案例、PPT 或方法论找理论依据时不使用。

SKILL.md

dbs-standard-answer.SKILL.md
name: dbs-standard-answer
description: 围绕复杂问题先挖掘相关行业、学科、作者与可信理论,再比较结构同构的历史成功、失败和反例,提炼带条件的标准答案。用户需要同时获得理论解释与历史比较,或明确询问历史上如何解决、有没有经典解法、标准答案时使用;只需给现有命题、案例、PPT 或方法论找理论依据时不使用。

dbs-standard-answer:理论挖掘与历史同构标准答案

围绕用户的同一个问题,固定完成两个连续部分:

1. **知识与理论挖掘**:直接回答用户的问题,挖掘相关行业、学科、作者、理论和现实应用,审查命题并核实理论来源。 2. **历史同构与标准答案**:把问题转换成结构指纹,研究历史上的成功案例、失败案例和反例,判断是否存在带条件的重复解法。

两个部分是统一的分析视角,不是固定篇幅。简单问题可以合并成简短回答,不展开理论地图、历史案例和类比矩阵;需要完整研究时,第一部分找到的机制、边界和反方解释要成为第二部分选择历史案例的依据。

这里的「标准答案」指经过可信理论或多个独立案例支持、能够解释结果差异、适用条件清楚的机制。研究可能得到成熟共识、条件性答案,也可能得到「尚无统一答案」。

直接回答契约

1. 用户的问题已经足够形成一般答案时,先给出直接答案,再按回答所需的最小范围展开研究。 2. 用户没有提供具体理论时,根据问题暂定需要解释的机制,交付通用方法、相关知识和历史答案。不得把「请先提供理论」当成交付结果。 3. 用户提供具体理论时,审查理论中的命题,研究它能够解决哪些人的什么问题,并检查历史上是否出现过相同机制。 4. 缺少的信息只影响精度时,采用明确标注的暂定假设继续研究。只有缺失信息会改变研究对象或造成高风险误导时,才问 1 个最小问题。 5. 用户要求短视频、课程、PPT 或文案时,在完成研究后追加对应表达版本。内容制作要求不会取消第二部分的历史研究。 6. 用户明确要求只研究其中一部分时,服从该次明确要求。没有这种限制时,两个部分都要完成。

以下输入必须直接回答并完成两个部分:

> 我想知道如何基于一个理论去拍成一个短视频,用这个理论解决更多人的问题。因为只有我的这个方法解决更多人的问题,他们才愿意听我这个理论。

处理这类输入时,即使用户没有提供具体理论,也要交付:命题审查、相关领域与作者、主理论、理论连接大众问题的方法、一个完整短视频示例,以及历史同构案例和条件性标准答案。

---

共同起点

Step 1:固定输入与任务

从用户原话、当前对话和用户指定材料中提取:

原始输入:
输入类型:理论/观点/案例/方法论/现实困境
使用场景:研究/课程/PPT/文案/短视频/现实决策
用户希望得到的结果:
需要解释或验证的核心机制:

Step 2:审查命题

输入包含判断、因果解释或方法论时,检查:

| 风险 | 检查问题 | |---|---| | 绝对化 | 是否使用「都、一定、只有、只要、凡是、就」?反例能否轻易成立? | | 因果跳跃 | 材料只展示相关、结果或感受,却被写成原因了吗? | | 定义偷换 | 核心词在前后是否改变含义? | | 经验普遍化 | 单个案例是否被扩展成所有场景的规律? | | 反向推断 | 是否看到结果后倒推出唯一原因? |

作出一种判断:

  • `保留`:命题与材料匹配,边界清楚;
  • `收窄`:核心洞察可用,措辞或适用范围过宽;
  • `重构`:材料可用,原命题无法准确解释;
  • `放弃`:命题与材料均缺少支撑。

先写修正后的标准。用户只提供现象或困境时,直接形成暂定研究问题。

Step 3:提取底层机制

把输入转换成 1—4 个研究问题,例如:

  • 什么机制使具体问题提高注意力、理解或信任?
  • 为什么一个理论能够改变某类人的判断和行动?
  • 哪些条件决定同一方法产生不同结果?
  • 什么历史证据能够同时解释正例与反例?

领域、人物、理论和历史案例都必须回答这些问题。只有关键词相似的候选要淘汰。

---

第一部分:知识与理论挖掘

目标

直接告诉用户解决当前问题需要了解哪些行业、学科、作者、理论和方法;将抽象理论映射到具体人群、触发场景、行动变化和可观察结果。

第一部分包含完整的理论溯源能力:先审命题,再找理论;核实人物身份、理论原义和来源;用理论重新解释用户的问题;写清适用边界和反例。

Step 1:建立跨领域知识地图

1. 围绕核心机制生成跨领域搜索轴。优先考虑行为科学、心理学、教育学、传播学、经济学、管理学、社会学、哲学、技术史、商业史及与问题直接相关的专业行业。 2. 按回答所需的最小数量提出相关领域、行业、作者或人物。用户明确要求完整研究时,可以提出 4—8 个高相关领域或行业、5—10 位候选作者或人物;不用低质量候选凑数。 3. 将候选分成三种关系:

  • `支持`:直接解释核心机制;
  • `补充`:解释主理论没有覆盖的新变量;
  • `纠偏/反驳`:说明命题在什么条件下失效或出现相反结果。

4. 每个候选都要写明对应机制、能够解释的部分和解释不了的部分。 5. 相同机制只保留解释力、来源可靠性或信息增量更高的候选。

Step 2:筛选并核实理论

| 维度 | 分值 | 判断标准 | |---|---:|---| | 机制匹配 | 0—3 | 能否解释用户问题的主要矛盾 | | 来源可靠 | 0—2 | 是否有原著、论文或权威档案 | | 人物辨识度 | 0—2 | 目标受众是否容易理解其身份 | | 可用于表达 | 0—2 | 是否有清楚概念或可核实表述 | | 边界清楚 | 0—1 | 是否能解释何时成立、何时失效 |

总分低于 7 分不得成为主理论;`机制匹配 < 2` 或 `来源可靠 < 1` 时直接淘汰。候选评分用于内部判断,用户要求研究过程时再展示。

默认保留:

  • 1 个主理论,负责解释核心机制;
  • 0—2 个辅助理论,只解释主理论没有覆盖的新变量;
  • 至少 1 个纠偏方向,用于建立边界。

找不到高匹配理论时,直接说明「暂未找到足够匹配的理论」,保留经过收窄的经验判断,或改用学派、同行评议研究和行业证据。不得硬套名人。

Step 3:人物与理论核实

人物定位使用:

[国家或主要学术归属][相关身份][中文名]([外文通行名])

中文姓名优先采用本人中文署名、中文正式出版物或权威机构的译名。存在多个通行译名时注明「亦译……」。无法核实统一译名时保留外文名并说明情况,禁止自行音译。

理论卡使用:

理论名称:
理论要解决的问题:
核心机制:
理论原义:
原始出处:作者,《作品》,年份,版本/章节/页码
核实状态:原始来源/权威二手来源/尚未核实

研究时区分:

  • `外文原话`:只用于后台核实;
  • `中文译文`:尽量保留原意,不添加案例结论;
  • `中文意译`:为了教学压缩,明确标注「意译」。

给用户的正文只展示中文译文或明确标注的中文意译。页码随版本变化时同时写版本;只能确认章节时引用章节,不猜页码。

Step 4:把理论映射到用户的问题

| 用户原句/现实事实 | 理论中的对应概念 | 理论解释 | 修正后的判断 | |---|---|---|---|

检查理论是否解释了问题为什么发生、原说法在哪里过度、能否生成不同于常识的判断或行动,以及新解释有没有加入材料中不存在的事实。

Step 5:理论解决大众问题

用户拿着一个理论寻找现实应用时,生成 6—10 个问题方向:

| 具体人群 | 触发场景 | 当事人的原话 | 现有解法及局限 | 理论带来的行动变化 | 可观察结果 | 优先级 | |---|---|---|---|---|---|---|

根据问题频率、痛感、理论解释力、行动可执行性、结果可感知性和理论独特性,筛出 3—5 个优先方向。受众范围很大但问题模糊的方向要降级。

Step 6:短视频应用

用户要求短视频时,采用:

> 理论核心机制 → 受影响的人群 → 高频触发场景 → 当事人原话 → 错误解法 → 最小行动 → 可观察结果

默认交付 3 个短视频原型。用户没有提供具体理论时,也要选一个容易理解、来源可信的理论完成示例。

### 原型:{受众能听懂的问题标题}

- 目标人群与场景:
- 开头钩子:使用当事人的语言呈现问题
- 问题代价:继续沿用原方法会发生什么
- 理论解释:只讲理解方法需要的最小概念
- 最小行动:观众今天可以完成的一步
- 案例或演示:提供可感知的正反对比
- 结果验证:怎样判断方法有效
- 理论回扣:这套理论解释了什么机制

短视频必须给观众一个可以执行并观察结果的改变。只有观点表达、缺少具体问题和行动差异的方向不能入选。

第一部分默认输出

## 直接答案

{先用一段话回答用户当前问题}

## 第一部分:知识与理论挖掘

### 命题审查

原命题:
审查状态:保留/收窄/重构/放弃
修正后的标准:

### 相关领域、人物与理论地图

| 关系 | 领域/行业 | 作者/人物 | 理论/作品 | 对应机制 | 能解释什么 | 解释不了什么 | 核实状态 |
|---|---|---|---|---|---|---|---|

### 主理论

人物定位:
理论名称:
理论原义:
中文译文/中文意译:
原始出处:
核实状态:

### 理论如何解释当前问题

| 当前问题 | 理论解释 | 得出的判断 |
|---|---|---|

### 理论能够解决的问题

{根据请求输出问题地图、优先方向,以及短视频/PPT/课程版本}

### 第一部分边界

适合:
不适合:
反例:
仍需核实:

---

第二部分:历史同构与标准答案

目标

把同一个问题压缩成可比较的「结构指纹」,在商业史、管理史、技术史、职业史、传播史、教育史和制度史中寻找同构案例。通过成功案例、失败案例和反例的交叉比较,判断过去是否形成可复用的解决机制。

核心原则

1. **先抽象结构,再搜索人物。** 先确定角色、阶段、约束、矛盾和失败循环,避免因为某位名人听起来相似就强行类比。 2. **比较机制,少讲传奇。** 关注当事人如何配置时间、资本、组织、产品、传播和风险,以及这些决策怎样影响结果。 3. **成功、失败、反例一起看。** 默认包含最接近案例、跨领域重复样本、失败案例和反例;缺少某类证据时说明原因。 4. **证据决定结论强度。** 单个故事只能产生案例启发;多个独立案例出现相同机制,才能形成条件性答案或成熟共识。 5. **明确映射边界。** 每个案例都要说明相同处、不同处,以及差异是否破坏类比。 6. **尊重时代差异。** 技术成本、融资环境、劳动市场、传播渠道和制度条件变化时,历史做法不能原样搬运。 7. **区分事实、推断和假设。** 无法核验的轶事、名言、动机和因果关系不能写成事实。

Step 1:提取现实问题

从用户原话和第一部分结论中提取:

现实角色:
所处阶段:
必须维持或实现的结果:
正在争夺的稀缺资源:
同时存在的任务:
主要矛盾:
反复出现的失败循环:
第一部分确认的核心机制与边界:

Step 2:生成结构指纹

| 维度 | 要回答的问题 | |---|---| | 主体 | 个体创作者、创始人、职业经理人、团队还是组织? | | 阶段 | 生存、增长、规模化、转型、守成还是衰退? | | 价值/收入结构 | 知识传播、单一现金牛、项目制、订阅、周期性销售还是多业务组合? | | 稀缺资源 | 时间、注意力、现金、人才、信任还是渠道? | | 核心张力 | 抽象理论与现实问题、当前交付与能力建设、亲自做与组织化等 | | 锁定机制 | 哪个必要任务持续占用资源,使解决它的能力无法建立? | | 压力机制 | 波动、目标抬升、身份期待、沉没成本或组织惯性怎样影响决策? | | 理想转变 | 用户希望从什么状态进入什么状态? |

最后写成一句结构命题:

> 一个处于 `{阶段}` 的 `{主体}`,依赖 `{价值或交付结构}`,因 `{锁定机制}` 难以投入 `{能力建设}`,同时受到 `{压力机制}` 的持续牵引。

广义方法问题可以采用与目标相符的结构命题,不强行套入收入或组织变量。

Step 3:提出案例搜索假设

先列 3—6 个候选问题家族:

候选问题家族:
它与当前问题共享的结构:
可能破坏类比的差异:
需要寻找的证据:

候选问题家族必须来自结构指纹和第一部分的理论机制。行业相同只能作为线索,不能单独证明同构。

Step 4:研究历史案例

用户明确要求历史研究时,默认研究 4—6 个案例,并覆盖四种证据角色:

  • `最近成功案例`:结构相似度最高,且完成了用户关心的转变;
  • `跨域重复样本`:行业或时代不同,底层约束相同;
  • `失败案例`:采用候选机制后仍然失败,用于检查机制是否被高估;
  • `反例或边界案例`:未采用主流机制仍然成功,或揭示解法只在特定条件下有效。

某类案例确实找不到时,说明搜索范围、缺失原因及其对结论强度的影响。

每个案例统一还原:

## 案例:{人物/组织,时间}

- 原始处境:
- 真实约束:
- 当时可选方案:
- 实际决策:
- 执行成本:
- 后续结果:
- 证据:
- 证据状态:已核实事实/研究者解释/本次推断/待核实
- 与用户相同之处:
- 与用户不同之处:
- 类比有效性:高/中/低
- 能提取的机制:
- 不能照搬的部分:

Step 5:建立类比矩阵

| 案例 | 阶段相似 | 价值/交付结构相似 | 稀缺资源相似 | 锁定机制相似 | 压力机制相似 | 结果可比 | 总体可信度 | |---|---|---|---|---|---|---|---|

评分使用高/中/低,并

Read more
Ships withdbs

dbskill 是 dontbesilent 的中文 AI Skills 工具箱,包含商业判断、内容创作、行动决策、学习和知识管理等能力,可安装到支持 Skills 的 Agent 中使用 支持豆包、WorkBuddy、Claude Code、Codex 和其他兼容 Skills 的 Agent。项目方法资料从 16,152 条公开推文中筛选整理,包含 4,176 个结构化知识原子。作者:@dontbesilent 本次更新: /dbs 在当前对话中直接处理问题,按需组合或对照方法,并明确告知实际使用的

Get the whole plugin
Stats
10,702
Stars
1,219
Forks
Active
Maintenance
Python
Language
1h ago
Last commit
6mo ago
Created
4h ago
Added

Repo: dontbesilent2025/dbskill

Other skills on dbs.

dbs-chatroom
Skill

dbs-chatroom

根据话题推荐或接受用户指定的专家,模拟多角色对话并总结分歧。用户要求专家讨论、定向聊天室或继续当前讨论时使用;明确要求奥派聊天室时优先匹配专门的奥派讨论能力。