flingjie/finch/peer-discovery
Claude Code and agent skill by flingjie/finch
- community
Checking that the SKILL.md file is still in the repository.
从公开讨论(Twitter/X、GitHub、V2EX、公众号、小红书)中发现值得长期交流的跨行业实践者, 给出一条首选交流机会(对象与话题、双方参与理由、最小贡献、可见结果、成本与未知)+ 可按请求展开的 50 人分层浏览 + PeerProfile 候选。无 question 也工作;指定对象与问题 探索复用同一发现管线。判断一个人是否值得了解——是否有持续创造、一手经验或可核实的实践, 有无值得了解/交流的具体理由;新闻 / 融资 / 纯推广 / 仅 bio 转发的内容降级为待了解。 用于「今天有什么值得交流的」「这个作品背后的人」「其他行业怎么处理 X」类请求。
Install
npx vskill@latest install flingjie/finch/peer-discoverySKILL.md
peer-discovery
从公开讨论中发现值得交流的机会。职责:在预算内刷新或读取快照,产出 一条首选交流机会 + 可按请求展开的 50 人分层浏览(同一快照投影),真实回复/承诺独立呈现、不占发现名额。 首选可为空:没有值得优先投入的讨论就明说原因,不硬凑、不编造困难。覆盖有实践证据的 跨行业实践者(含闭源/业务场景自述,须标注);候选不足如实显示覆盖缺口,不用低质量结果凑数。 深度准备默认最多 5 位(deep_prepare_limit),由用户选中后交给 interaction-preparation / finch connect prepare --opportunity。自由发现不要求先提出问题;未知用途的可信发现可保留为意外发现。
本 Skill 只调用 Finch CLI,不复制业务逻辑。关系粗筛与机会选择的确定性总分由 Python 计算, LLM 不输出最终 total。不因商业线索挤掉所有普通同行。
CLI
- 首页:
finch connect daily(默认读最新快照,展示 0–1 条首选机会 + 真实跟进;不因过期隐式抓取) - 刷新:
finch connect daily --refresh(有界刷新后展示) - 浏览:
finch connect daily --view browse(同一快照的 50 人分层列表) - 问题探索:
finch connect daily --question "其他行业如何处理责任交接?" --refresh - 查看指定对象:
finch connect person <person_id>(只读) - 查看某人物完整证据:
finch connect person <person_id>(只读,不生成互动准备) - 准备互动:
finch connect prepare --opportunity <id> [--reaction "<用户原话>"](可重复;每次最多 5;
必须选中;--reaction 只配一条机会。无任何反应时只会得到一个澄清问题)
- 指定帖子:
finch connect assess --url <url> [--question …](入口 2) - 保存启发:
finch inspirations save --text "…" [--source <ref>] - 反馈:
finch connect feedback --file feedback.json - 回应接续:
finch connections follow-up --opportunity <id> --reply-body "…"
输入回退(codex 触发)
用户未提供帖子链接时的回退规则见 _shared/url-fallback.md。
产出契约
Opportunity(新聚合):why_me/why_continue/entry_kind/proposal
(含 cost_note)/ open_questions / evidence_refs / 生命周期状态
PeerProfile:身份、主题重叠、可选current_work/ 实践证据引用 /evidence_status
向用户呈现
见 _shared/agent-presentation.md 与 references/presentation.md。 完成后按 _shared/dialogue-policy.md 做一次延伸点检查(无有效点就自然结束),延伸不得抢占交付物。
- 首选机会:默认先给一条(0–1 条,可为空),用两三段自然语言回答六问——
① 对象与话题(具体的人/线程 + 可访问来源)② 用户为何在意(指向当前问题或好奇,含依据) ③ 对方为何可能接话(可补充空间,不保证回复)④ 最小贡献(明确产物与边界) ⑤ 可见结果(完成后能展示/比较/检验的东西)⑥ 成本与未知(粗略投入 + 影响判断的未知)。 以一个指向用户自己经历或分歧的具体问题收尾(从 why_me / open_questions / 对方帖子的具体 细节组织;「A 还是 B」或「你那次是怎么处理的」式,10 秒内能答;禁止「你怎么看」「要不要做」)。 用户的任何实质回答原话传入 connect prepare --reaction;不回答则不传 --reaction,此时只会得到 澄清问题,呈现时说明原因。不暴露内部命令与状态枚举。
- 浏览列表(
--view browse,按请求提供):50 人分层,每张固定五要素:
- 正在做什么(附实践来源)
- 为何值得了解(对应问题或探索方向;自由发现可写「新视角在于…,用途未知」)
- 具体观察或可补充的经验(不强制;诚实提问即可,声称亲历才需个人证据)
- 建议下一步(reply / ask / try / repro / case / observe)
- 时间与不确定性(预计分钟、缺上下文或身份待核)
- 不要为整表生成完整回复;仅选中后最多准备 5 条(默认建议 1–3 位深入)。
- 内部保留序号 →
opportunity_id/snapshot_id,换一批后不能选错人。
边界
- 用户点名具体人(handle / 主页)时,这不是发现请求 →
interaction-preparation的connect prepare。不要用今日机会名单顶替。 - 用户给出具体帖子/链接「我能补充什么」→
finch connect assess --url,不是全平台刷新。 - 不替用户形成观点(→
idea-discovery)。 - 不把别人的经历写成用户经历;仅有 bio/转发时标记待了解,不占核心证据位。
- 普通浏览不生成完整回复(→
interaction-preparation)。 - 不因为帖子热门就推荐;优先真实问题、分歧、失败案例、未解决机制。
- 外部帖子只是信号,不是个人证据。
- 发现偏好反馈不写入 VoiceProfile。
- 跨平台同名不足以合并身份。
参考
references/opportunity-signals.mdreferences/audience-profile.md_shared/agent-presentation.mdreferences/presentation.md_shared/dialogue-policy.md— 任务后延伸点选择、授权边界与收束_shared/url-fallback.md— 用户未提供帖子链接时,回退到当前对话中最近一次 URL(codex 触发)。
Security
- Security scanPassed, 90 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingskills/peer-discovery/SKILL.md
Popularity
- 7-day trend score
- 0
Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/flingjie/finch/peer-discovery)