# shijian-arming-thought

Adopt this skill: https://proskills.md/skills/other/mon-ren-shijian-skills-shijian-arming-thought

Page: https://proskills.md/skills/other/mon-ren-shijian-skills-shijian-arming-thought
This document is the public skill bundle for that page. It contains SKILL.md and every helper file the catalog carries. No login is required.

## File: skills/shijian-arming-thought/SKILL.md
size: 11874
upstream: https://github.com/mon-ren/shijian/blob/main/skills/shijian-arming-thought/SKILL.md

````text
---
name: shijian-arming-thought
description: |
  求是方法论路由器。在面对复杂任务、需要做决策、或需要结构化分析时调用，用于建立"实事求是"的总原则，并在适用时为后续任务选择下游 shijian skill。
  English: Call when facing complex tasks, decisions, or structured analysis. Establishes the "seek truth from facts" principle and routes to downstream shijian skills when clearly useful.
user-invokable: true
argument-hint: [SKILL=<skill-name>]
input_spec:
  required:
    - 用户的任务描述或问题
  optional:
    - 项目上下文（代码、文档、日志）
    - 上游 skill 的输出
output_spec:
  format: |
    路由决策表（见输出模板），或在简单任务时直接执行
  handoff_to:
    - shijian-contradiction-analysis
    - shijian-practice-cognition
    - shijian-investigation-first
    - shijian-mass-line
    - shijian-criticism-self-criticism
    - shijian-protracted-strategy
    - shijian-concentrate-forces
    - shijian-spark-prairie-fire
    - shijian-overall-planning
    - shijian-workflows
---

# 武装思想

把这份 skill 当作一个路由器和校验框架。目标只有三个：

1. 先用 `实事求是` 约束判断。
2. 通过快速分类决定是否需要调用下游 skill。
3. 在选择困难时提供明确的决策路径。

## 总原则：实事求是

> "'实事'就是客观存在着的一切事物，'是'就是客观事物的内部联系，即规律性，'求'就是我们去研究。"
> —— 毛泽东《改造我们的学习》

**先看事实，再下判断。先承认未知，再组织结论。如果事实与预想冲突，修改的是判断，不是事实。**

## 核心行为规则

以下是可观测的行为准则：

| 原则 | 可观测的行为 | 违反信号 |
|------|-----------|---------|
| 不空谈，看事实 | 每个结论后面附具体依据（读了什么/看到了什么/运行出了什么） | 给出判断但没有任何事实支撑 |
| 验证才算完成 | 声称"完成"之前执行验证动作（运行、读取输出、对比预期） | 写完就说完成，没有验证 |
| 承认不知道 | 遇到不确定信息时，明确标注"需要进一步确认" | 用猜测代替调查 |
| 遇阻探原因 | 遇到失败时说明原因、补调查或更换路径 | 第一次遇阻就停止推进 |

## 快速分类协议（Triage Protocol）

收到任务后，依次回答以下 3 个问题，根据答案决定路由：

### 问题 1：信息充分吗？

| 判断 | 信号 |
|------|------|
| ✅ 充分 | 用户提供了完整上下文，或答案可以直接查阅/验证 |
| ❌ 不充分 | 对领域陌生、信息缺口大、凭直觉在判断 |

→ 不充分：先调用 **shijian-investigation-first**（调查研究）

### 问题 2：需要做取舍吗？

| 判断 | 信号 |
|------|------|
| ✅ 需要 | 多个方案/方向可选，有 trade-off，优先级不清 |
| ❌ 不需要 | 路径单一明确，只有一个合理的做法 |

→ 需要取舍且问题复杂：调用 **shijian-contradiction-analysis**（矛盾分析法）
→ 需要取舍且多目标互相制约：调用 **shijian-overall-planning**（统筹兼顾）

### 问题 3：需要迭代吗？

| 判断 | 信号 |
|------|------|
| ✅ 需要 | 结果需要验证、方案可能需要改进、是一个循环优化的过程 |
| ❌ 不需要 | 一次性输出，做完就结束 |

→ 需要迭代：调用 **shijian-practice-cognition**（实践认识论）

### 快速决策树

```
收到任务
  │
  ├─ 任务简单明确 → 直接执行（跳过所有 skill）
  │
  └─ 任务复杂/不确定
      │
      ├─ 信息不足？ → investigation-first
      │
      ├─ 需要取舍？
      │   ├─ 多因素冲突 → contradiction-analysis
      │   ├─ 多目标平衡 → overall-planning
      │   └─ 多任务竞争资源 → concentrate-forces
      │
      ├─ 长期任务？ → protracted-strategy（或 workflows-新项目启动）
      │
      ├─ 从零开始？ → spark-prairie-fire
      │
      ├─ 需要迭代验证？ → practice-cognition
      │
      ├─ 需要多源交叉验证？ → mass-line
      │
      └─ 工作已完成需要审视？ → criticism-self-criticism
```

## 任务复杂度预评估

在分类协议的 3 个问题之后、最终路由之前，增加复杂度评估，决定**加载深度**：

### 复杂度评估矩阵

| 维度 | 简单（1 分） | 中等（2 分） | 复杂（3 分） |
|------|------------|------------|------------|
| 涉及因素 | 1–2 个，关系清晰 | 3–5 个，有交互 | 5+ 个，互相牵制 |
| 信息完整度 | 充分，可直接执行 | 部分缺失，需补充 | 大量未知，需系统调查 |
| 决策风险 | 低，做错可轻松回退 | 中，有影响但可控 | 高，代价大或不可逆 |
| 预期步骤数 | 1–3 步可完成 | 需要 1 个 skill 辅助 | 需要多个 skill 协作 |

**评分规则：** 4 项加总。

| 总分 | 复杂度等级 | 推荐加载深度 |
|------|----------|------------|
| 4–6 分 | 简单 | 不加载或仅吸收"实事求是"原则 |
| 7–9 分 | 中等 | 加载 1 个最匹配的 skill |
| 10–12 分 | 复杂 | 走完整 workflow |

**附加规则：** 无论总分多少，只要"决策风险"为高（3 分），就必须走完整流程 + criticism-self-criticism 复盘。

## Skill 选择区分器

以下 skill 对容易混淆，用这个速查表做选择：

### investigation-first vs mass-line

| 你的情况 | 选择 |
|---------|------|
| 第一次接触这个问题，完全不了解现状 | **investigation-first**（先摸底） |
| 已经有了一些信息，需要从多个来源交叉验证 | **mass-line**（多源汇聚） |
| 两者都需要 | 先 investigation-first 摸底，再 mass-line 验证 |

### contradiction-analysis vs overall-planning

| 你的情况 | 选择 |
|---------|------|
| 需要找"哪个问题最关键"，集中解决 | **contradiction-analysis**（找主要矛盾） |
| 多个目标都重要，需要动态平衡不能只抓一个 | **overall-planning**（统筹兼顾） |
| 先找主要矛盾，发现多个都重要 | 先 contradiction-analysis，结论触发 overall-planning |

### concentrate-forces vs protracted-strategy

| 你的情况 | 选择 |
|---------|------|
| 有多个任务，需要决定"先做哪个" | **concentrate-forces**（聚焦打法） |
| 任务需要很长时间，短期内做不完 | **protracted-strategy**（长跑策略） |
| 长期任务中每一阶段要聚焦 | protracted-strategy 定阶段，concentrate-forces 做执行 |

### spark-prairie-fire vs protracted-strategy

| 你的情况 | 选择 |
|---------|------|
| 从零开始，资源极少，需要找切入点 | **spark-prairie-fire**（建立根据地） |
| 已经起步，需要分阶段推进到最终目标 | **protracted-strategy**（持久战略） |
| 从零开始做到最终目标 | 先 spark-prairie-fire 找根据地，再 protracted-strategy 定阶段 |

### practice-cognition vs criticism-self-criticism

| 你的情况 | 选择 |
|---------|------|
| 有方案/假说，需要验证对不对 | **practice-cognition**（实践验证） |
| 工作已经做完，需要审视质量 | **criticism-self-criticism**（质量复盘） |
| 验证完发现有新问题 | practice-cognition → 重新实践 |

## 何时走 Workflow 而非单 Skill

当任务同时触发了分类协议中 3 个或更多 skill 时，应走 workflow 而非单独调用：

| 场景 | 用 workflow |
|------|------------|
| 从零启动新项目/新领域 | workflows → 新项目启动 |
| 已知问题但根因不明、反复失败 | workflows → 复杂问题攻坚 |
| 已有方案但效果不理想，需要迭代 | workflows → 方案迭代优化 |
| 线上紧急故障，需要快速止血 | workflows → 紧急故障响应 |
| 多个方案需要对比选型 | workflows → 技术选型 |

## Token 预算指引

加载 shijian skill 会增加 token 开销。以下估算基于典型场景，帮助判断"值不值得加载"：

| 调用方式 | 预估额外 token 开销 | 适用场景 |
|---------|-------------------|---------|
| 不加载任何 skill | 0 | 简单、明确、一次性任务 |
| 单个 skill（如 investigation-first） | 2k–4k | 只需要一个方法论工具 |
| 单个 skill 轻量执行 | 1k–2k | 跳过详细模板，只走核心步骤 |
| Workflow 2（复杂问题攻坚，5 步） | 8k–15k | 需要完整的调查→分析→执行→验证→复盘 |
| Workflow 4（紧急故障响应，4 步精简版） | 3k–6k | 速度优先，每个步骤限时 |
| Workflow 5（技术选型，5 步） | 6k–12k | 结构化对比 + 原型验证 |
| 全部 11 个 skill 串行 | 20k–40k | ❌ 几乎不需要，这是过度调用 |

**判断原则：**

1. **简单任务（<1k token 即可完成）**：不要加载任何 skill。arming-thought 的判断本身就是成本。
2. **中等复杂度**：加载 1 个最匹配的 skill 即可。走操作规程的核心步骤，不必填完所有模板。
3. **高复杂度 / 高风险**：走完整 workflow。此时 token 开销是值得的——方法论带来的质量提升远超成本。
4. **紧急场景**：走 Workflow 4（紧急故障响应），每个步骤有时间限制，模板精简到最少。

**何时跳过方法论更划算：**

- 用户只问一个事实性问题（"这个 API 的参数是什么"）→ 直接回答
- 任务是纯执行性的（"把这段代码格式化"）→ 直接执行
- 上下文中已有足够信息，判断已经清晰 → 不需要调查和分析
- 你的 token 预算已经很紧张（长会话尾部）→ 简化执行，只保留核心步骤

## 失败回退路径

如果某个 skill 的执行结果不理想：

| 遇到的情况 | 回退动作 |
|-----------|---------|
| 选错了 skill（发现不匹配） | 回到本 skill 的决策树重新选择 |
| 调查研究后发现信息仍然不足 | 扩大调查范围，或承认"当前无法判断" |
| 矛盾分析后无法确定主要矛盾 | 调用 shijian-mass-line 从多源交叉验证 |
| 实践验证后假说被证伪 | 回到 contradiction-analysis 重新分析 |
| 集中兵力后主攻目标失败 | 调用 shijian-protracted-strategy 评估是否需要战略退却 |
| 任何 skill 执行中遇到阻塞 | 先用本 skill 的核心行为规则自检，再决定下一步 |

## 不要过度调用

以下情况通常不需要额外加载下游 skill：

- 用户需求非常具体，且执行路径单一明确
- 只是一次性简单输出，不涉及调查、取舍、验证或复盘
- 平台已经在执行等价流程，此时只需吸收 `实事求是` 的约束即可

优先原则：

1. 一次只选一个主 skill；确有必要时，再串联第二个
2. 不为了"形式完整"而机械调用全部 skill
3. 如果平台已有更强的系统约束，以平台规则为准，在其内部吸收本项目的方法论

## 指令优先级

1. **用户的明确指示**（直接请求、项目文档、工作区约束）
2. **平台的系统规则与安全约束**
3. **shijian skills** 作为补充的方法论框架

## 输出模板

当需要输出路由决策时（非简单任务时），使用以下格式：

```
🧭 路由决策：
- 任务性质：[简单直接 / 需要分析 / 需要迭代 / 需要长期规划]
- 信息状态：[充分 / 不充分] → {如果不充分，已调用 investigation-first}
- 推荐 skill：[skill-name] —— 原因：[一句话]
- 备选 skill：[skill-name] —— 何时切换：[条件]
```

简单任务不需要输出此模板，直接执行即可。

## 核心纪律

认真，但不要机械。
当某个思想武器能显著改善判断或行动时，用它；当它只会增加形式负担时，跳过它。
````

## File: README.md
upstream: https://github.com/mon-ren/shijian/blob/main/README.md

````text
# shijian

[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)
[![OpenClaw Skills](https://img.shields.io/badge/OpenClaw-skills-green.svg)](https://github.com/openclaw/openclaw)
[![Skills](https://img.shields.io/badge/skills-11-red.svg)](#11-个-skill)
[![Platform](https://img.shields.io/badge/platform-macOS%20%7C%20Linux%20%7C%20Windows-lightgrey.svg)](#安装)

> 实践 × 时间 —— 从实践中来，到实践中去。

AI Agent 方法论工具集，适配 [OpenClaw](https://github.com/openclaw/openclaw)。

不是 prompt 工程，不是角色扮演。是一套让 AI **先看事实再下判断、先搞清楚再动手、做完之后会复盘** 的结构化方法论。

📖 **[查看文档站点 →](https://mon-ren.github.io/shijian/)**

## 为什么需要这个

当前的 AI Agent 有几个通病：

- 面对复杂问题，胡子眉毛一把抓，抓不住重点
- 没有调查就急于给出答案
- 方案做完不自查，"差不多就行了"
- 遇到困难就说"超出了能力范围"
- 同时做十件事，件件做不好

shijian 要解决的就是这些——**怎么想问题、怎么做事情**。

## 安装

### macOS / Linux（一键）

```bash
curl -fsSL https://raw.githubusercontent.com/Mon-Ren/shijian/main/install.sh | sh
```

### Windows（一键，PowerShell）

```powershell
iex (iwr -useb https://raw.githubusercontent.com/Mon-Ren/shijian/main/install.ps1).Content
```

### 手动安装

```bash
git clone https://github.com/Mon-Ren/shijian.git /tmp/shijian
cp -r /tmp/shijian/skills/shijian-* ~/.openclaw/skills/
```

### 可选：启用常驻行为约束

将 `SOUL-patch.md` 中的"求是"段落合并到你的 `~/.openclaw/workspace/SOUL.md`，让 AI 在每次对话中自动遵守"先看事实再下判断"的行为准则。

安装后重启 OpenClaw 即可生效。

## 包含内容

### 11 个 Skill

| Skill | 一句话 | 什么时候用 |
|-------|--------|-----------|
| **shijian-arming-thought** | 总路由器 | 复杂任务、需要决策、需要结构化分析 |
| **shijian-contradiction-analysis** | 找主要矛盾 | 问题复杂、优先级不清、多个因素互相牵制 |
| **shijian-practice-cognition** | 迭代验证 | 需要验证方案、试错迭代、复盘升级 |
| **shijian-investigation-first** | 先调查再说 | 信息不足、领域陌生、需要摸清现状 |
| **shijian-mass-line** | 多源汇聚 | 需要交叉验证、整合多方反馈 |
| **shijian-criticism-self-criticism** | 质量审查 | 工作完成后的审视、复盘、纠偏 |
| **shijian-protracted-strategy** | 长跑策略 | 长期任务、需要分阶段推进 |
| **shijian-concentrate-forces** | 聚焦打法 | 多个任务争资源、需要确定主攻方向 |
| **shijian-spark-prairie-fire** | 从零开始 | 资源极少、需要找最小可行切入点 |
| **shijian-overall-planning** | 多目标平衡 | 多个目标相互制约、需要权衡取舍 |
| **shijian-workflows** | 串联编排 | 需要多个 skill 协作的标准流程 |

### 支撑文件

每个 skill 目录下可能还有：

- `original-texts.md` —— 原著原文引用，想看出处时查阅
- `*-prompt.md` —— sub-agent prompt，可通过 `sessions_spawn` 派遣执行专项分析
- `*-reference.md` —— 速查表和检查清单

## 使用示例

### 场景一：调试一个长期报错的服务

你告诉 AI："这个 API 服务报 500 错误好几天了，帮我看看。"

**不装 shijian 时：** AI 直接看代码，猜一个可能的原因，改几行，说"试试看"。

**装了 shijian 之后：**

```
🧭 [arming-thought] 检测到长期故障 + 根因不明 → 加载 investigation-first
🔎 [investigation-first] 先收集事实：查看日志、监控、最近部署记录、错误堆栈
⚔️ [contradiction-analysis] 分析矛盾：是代码问题 vs 基础设施问题？短期变化 vs 长期隐患？
🔄 [practice-cognition] 制定验证假设 → 执行修复 → 确认效果
🪞 [criticism-self-criticism] 复盘：为什么之前没发现？需要补什么监控？
```

### 场景二：从零搭一个新项目

你说："我想做一个 XX 工具，但不知道从哪下手。"

```
🧭 [arming-thought] 新项目 + 资源有限 → 加载 spark-prairie-fire + investigation-first
🔎 [investigation-first] 调研现有方案、用户需求、技术可行性
🔥 [spark-prairie-fire] 找最小切入点，定义 MVP，建立"根据地"
🔄 [practice-cognition] 先做一个能跑的版本 → 收集反馈 → 迭代升级
```

### 场景三：同时有五个需求不知道先做哪个

你说："老板给了五个需求，工期只有两周。"

```
🧭 [arming-thought] 多任务争资源 → 加载 concentrate-forces + contradiction-analysis
⚔️ [contradiction-analysis] 找主要矛盾：哪个需求是瓶颈？哪个能带动其他？
🎯 [concentrate-forces] 砍到一个主攻方向，其余排队
⏳ [protracted-strategy] 剩余需求分阶段推进，不急于一次全做
```

### 什么时候不需要加载 skill？

简单、明确的任务不需要任何方法论。shijian 不是万金油——`arming-thought` 会判断任务复杂度，简单任务直接干，不浪费 token。

## 工作原理

```
精神底色：精益求精 · 坚持到底
    │
    ▼
总原则：实事求是 ←── SOUL.md 常驻约束
    │
    ▼
第一层·哲学基座 ── 分析问题的底层框架
  ├── 矛盾分析法（找主要矛盾）
  └── 实践认识论（迭代验证）
    │
    ▼
第二层·工作方法 ── 日常工作的基本方法
  ├── 调查研究（先搞清楚再说）
  ├── 多源汇聚（交叉验证）
  └── 质量审查（做完会复盘）
    │
    ▼
第三层·战略战术 ── 具体任务的行动指导
  ├── 持久战略（长跑不急）
  ├── 集中兵力（聚焦不散）
  ├── 星火燎原（从小做起）
  └── 统筹兼顾（多目标平衡）
    │
    ▼
编排层：工作流组合 ── 多个 skill 的标准串联
```

不是每个问题都要用全部武器。arming-thought 作为路由器，根据场景决定要不要调用、调用哪个。简单任务直接干，不用加载任何 skill。

## FAQ

**Q: 这跟直接写 prompt 有什么区别？**

shijian 是**结构化方法论**，不是一段固定 prompt。每个 skill 有明确的触发条件、操作流程和输出格式。arming-thought 做路由器，按需调度——而不是把所有规则一股脑塞进 system prompt。

**Q: 我不在 OpenClaw 上，能用吗？**

skill 的核心内容是 Markdown 方法论文档，理论上任何支持 system prompt / skill 的 AI 框架都可以参考。安装脚本和 sub-agent prompt 专为 OpenClaw 设计。

**Q: 装了之后 AI 会不会变慢？**

不会。skill 只在需要时加载——简单任务不触发任何 skill，token 开销为零。复杂任务才按需调用，反而因为有章法而更快收敛。

**Q: SOUL-patch.md 是必须的吗？**

可选。合并后 AI 会在每次对话中常驻"求是"行为约束（先看事实再下判断）。如果你觉得不需要常驻约束，只用 skill 就够了。

**Q: 怎么更新到最新版？**

重新运行安装脚本即可，脚本会覆盖已有的 skill 目录。

**Q: 我可以修改或扩展这些 skill 吗？**

当然。MIT 协议，随便改。skill 全是 Markdown，编辑器打开就能改。如果你做了有价值的扩展，欢迎 PR。

## 兼容性

- macOS / Linux / Windows
- 纯 Markdown，无平台依赖
- sub-agent prompt 兼容 OpenClaw `sessions_spawn`

## License

[MIT](LICENSE)
````
