编写规范

一个 skill 是一个目录：必需包含 SKILL.md（YAML frontmatter + Markdown 正文），可选 assets/（模板、示意、附录文件等）。

仓库中的 skills/ 是内容真源；站点目录与 CLI/MCP 共享由构建生成的 catalog 索引，请勿只在网站上虚构元数据。

安装时整个目录写入用户所选 Agent 的 skills 路径；分析始终在用户的 Agent 中运行，不在本站。

Scenario（场景工作流）

面向一次完整分析任务：何时启用、输入与步骤、期望输出、偏见与边界检查。官方 v1 场景包括 macro-scan、personal-anchor、metacognition-audit。场景应引用相关 reference，而不是把理论长文塞进工作流。

Reference（学科理论卡）

可被多个场景引用的紧凑理论卡片：定义、适用边界、常见误用与可复查要点。学科维度通常覆盖 psychology、sociology、history、political-science、economics。official 与 community 表示出处，不是两套产品。

元数据供目录筛选、Agent 发现与安装校验。字段以仓库 schema 与贡献模板为准；社区 skill 常见需要：

• name：kebab-case 稳定标识，与目录 id 对齐（id 可省略，默认等于 name）
• description：简短描述（供 Agent 与目录发现）
• layer：scenario 或 reference
• scope：社区贡献填 community；不要自称 official
• disciplines：相关学科（可多选）
• language：正文语言（zh / en 等）；跟随贡献者，不必强行双语正文
• tags、version、references：发现、版本与场景引用链（按 schema）

Scenario（场景工作流）

• 开篇写清适用场景与不适用边界，避免「万能分析」口吻。
• 步骤可执行：输入是什么、Agent 依次做什么、产出什么结构。
• 显式做偏见 / 证据 / 反例检查，并引用相关 reference，而不是重写教材。
• 输出应便于人工复查（提纲、假设、不确定处），而不是口号式结论。
• 可对照官方场景（如 macro-scan）的结构与语气，保持可安装、可触发。

Reference（学科理论卡）

• 用短定义打开，再写适用范围与不适用之处。
• 写清常见误用与过度外推，帮助 Agent 与人共同纠偏。
• 保持卡片体量：可被多个 scenario 引用，而不是一篇独立长文。
• 标明术语与学科语境；需要时用 tags / disciplines 辅助发现。
• 正文语言与贡献者一致即可；摘要与 frontmatter 仍应便于目录浏览。

1. Fork 仓库并 clone 到本地。
2. 在 skills/community/ 下新建 skill 目录，撰写 SKILL.md（及可选 assets/）。
3. 自检 frontmatter 与正文：layer / scope、边界、是否可被 Agent 触发。
4. 向 community/ 开 PR：说明意图、适用对象与已知局限。
5. 根据审查意见修改；合入后由 catalog 管道进入目录（非网页直传）。

• 贡献指南（流程与出处）
• 概念：场景、reference 与边界
• 浏览现有 Skills