Openwisdom 是分层的社会科学 Agent Skills 库：场景工作流引用学科 reference；目录站帮助发现与安装；分析在你自己的 Agent 中运行。
场景与 reference
内容按两层组织，而不是扁平的「一堆 prompt」。
场景 skill（scenario）是可运行的分析工作流：说明何时使用、步骤顺序、期望输出，以及偏见与证据检查。例如官方场景 macro-scan，用于对局势与系统做宏观扫描。
Reference 是学科理论/方法卡：定义、适用边界、常见误用，以及如何被场景引用。它们本身通常不单独「跑完整工作流」，而是作为可引用的构建块。例如心理学侧的 confirmation-bias（确认偏误），或社会学侧的 collective-action（集体行动）一类卡片。
分层的用意：场景负责「这次分析怎么走」；reference 负责「用到的概念是否说清楚、是否被误用」。一个场景可以引用多张 reference；同一张 reference 也可以被多个场景复用。
| 层 | 作用 |
|---|---|
| 场景（scenario） | 可运行的分析工作流；例如 macro-scan、personal-anchor、metacognition-audit |
| Reference | 学科理论/方法卡；例如 confirmation-bias、collective-action；被场景引用 |
同一个库
Openwisdom 只有一个技能库：场景、reference 与收录内容都在同一目录中发现与安装，共享 CLI/MCP 语义。
仓库里的 skills/ 路径仍便于维护与 PR（例如 community/ 接收外部贡献），但这是工程组织方式，不是网站上的「官方 / 社区 / 精选」三套商店。
贡献与收录
- 推荐场景与学科 reference 由维护者合入并绑定产品叙事
- 外部贡献默认通过 GitHub PR 进入仓库 skills 树，合入后进入同一目录
- 正文语言跟随贡献者；站点 UI 仍是中英双语
网站与 Agent 的分工
Openwisdom 有三个耦合表面：GitHub（skill 源码真源）、双语目录站（发现、筛选、详情、安装引导）、以及 CLI/MCP 包管理器（search / install / update / list）。
网站用于阅读、筛选与拿到安装路径；它不是分析聊天窗，也不托管会话。
CLI 与 MCP 只做包管理：把 skill 装进你已有的 coding agent。它们不调用大模型，没有 run，也不需要模型 API Key。
装好后，在 Claude Code、Cursor、Codex 等你日常使用的 Agent 中按 SKILL.md 调用。模型调用、上下文与账单都在你自己的 Agent 与模型预算里。
目录如何帮助发现
Skills 目录把 skill 库呈现为可筛选索引。常见维度包括：层（scenario / reference）、学科、内容语言，以及默认的推荐排序。
按层筛选时：若你要「跑一次工作流」，先看 scenario；若你要补强某个概念或边界，再装或查阅对应 reference。
不再提供官方 / 社区 / 精选三分筛选：所有条目属于同一个库。
安装热度（若显示）是旁路的安装/下载活跃信号，不是学术质量分数，也不会写入 SKILL.md。默认排序仍以推荐为主；热度细节见隐私相关说明。