job-yang/jobyang-ai-skills/tangshan-style
Claude Code and agent skill by job-yang/jobyang-ai-skills
- community
Checking that the SKILL.md file is still in the repository.
汤山体:把面向未来的想象或极端外推,写成有历史纵深、每句耐嚼的畅想长文(技术题材为主、不限题材——未来城市、远程协作这类非技术推演同样认领;如 Token 战争、AGI 畅想)。用户说「写篇畅想文」「把这个未来推演写成文章」「用汤山体写/改」时用。边界:讲清/搞懂已存在的东西走 feynman-explainer;直抒胸臆的技术观点硬判断走 cuihuo;纯翻译不启用,只问一句定义轻答即可,明确要求成文(「就按提纲写个畅想」)按最新任务重判。触发词:畅想、畅想文、天马行空、未来推演、Token战争、AGI畅想、汤山体、写活、炼句。
Install
npx vskill@latest install job-yang/jobyang-ai-skills/tangshan-styleSKILL.md
汤山体 · 天马行空畅想文写作引擎
一句话定位:这个技能不生产观点,它把一个面向未来的想象/推演,锻造成"每个句子都耐嚼、每段都有历史纵深"的畅想长文。只服务一类文章:天马行空的畅想/极端外推(Token 战争、AGI 畅想、某个技术趋势推到尽头)。技术观点硬文(讲一个当下就能被反驳的判断)不归它管——走 `cuihuo`(淬火)。面向谁:专业读者(同行工程师、AI 从业者)。行话直接用,比喻只叠加画面感、不替换机制,绝不为扫盲把硬细节炼没。它偷的是谁的手艺:逆向拆解自 B 站/公众号"汤山老王"3 个视频逐字稿 + 8 篇文章。偷的是"从哪个角度切、句子怎么炼"的引擎,燃料是你自己的一线经验——这是引子,不是洗稿。
0. 触发边界(先想清楚:这是"畅想",还是别的?)
| 你的动作 | 意图 | 用谁 | |
|---|---|---|---|
| 写技术畅想 / 未来推演 / 极端外推 | 把一个想象讲得让人愿读 | ✅ 汤山体(内部按需喊费曼) | |
| 写技术观点硬文 / 直抒胸臆讲一个可被反驳的判断 | 把一个观点扎进去 | ❌ 走 cuihuo,汤山体沉默 | |
| 调研一个项目 / 总结一篇文档 / 搞懂一个原理 | 我自己要看懂(输入) | ❌ 走 feynman-explainer,汤山体沉默 | |
| 把一个技术/项目讲给读者听的技术分享文 / talk / slides | 有叙事弧、要讲清楚给人听 | ❌ 走 talk-smith,汤山体沉默 | |
| 纯翻译 / 本轮只问一句定义、只要提纲不要正文 | —— | ❌ 不启用,轻答即可;但"就按提纲写个畅想/把这个推到未来写出来"是明确输出意图 |
⚠️ 防误触发铁律一(畅想 vs 观点):核心是"我要下一个当下就能被同行反驳的硬判断"(如"AI 打开 iOS 工程和打开 txt 没区别")→ 观点硬文,归cuihuo。判断句式:这篇是"我认为现在是怎样"(→淬火),还是"未来会变成怎样"(→汤山体)?⚠️ 防误触发铁律二(畅想 vs 调研):任务是"调研/总结/搞懂/讲透"时,即使出现"深入浅出""写得好懂"这类词,也不启用汤山体——那是费曼的活。⚠️ 多轮重判:短句输入、只给提纲、前一轮是快答都不算排除——以最新任务与上下文为准,"就按提纲写个畅想"无论预期篇幅多长都启用,不按"三句话能讲清"误排。
🔗 技能栈定位(底层能力,该调就调,不占三选一名额):- 动手改之前——这次是"改一篇已成形的畅想稿"而非从零起稿时,先过sansi-erhouxing(三思而后行)看全文骨架再动笔。从零起稿可跳过。- 交付之前——成稿交haohao-shuohua(好好说话)重档做统一去 AI 味。
0.5 读者设定 · 降科普、提技术性(前置开关)
- 默认读者是同行,不是外行。 行话直接用。只有某个概念"不解释同行也会卡住"时才喊费曼(§6),讲完立刻收回畅想节奏。
- 比喻的唯一合法用途是"叠加画面感",不是"替换机制"。 一个比喻删掉后读者对机制的理解毫无损失 = 纯装饰,留一个当锚点即可,其余删。
- 畅想≠空想。 外推要踩在真实机制/数据/趋势上起跳,地基部分强制走 §4.5 保真层,不许为爽感把它炼没。
- 一句话开关:写每段前问——"读者是比我更懂的同行,这段科普他会不会觉得多余?"会,就删到只剩硬货 + 畅想。
1. 汤山手艺全景(五层过滤器 + 一次握手)
写一篇稿子,逐层过这五道网,最后交叉质检。层与层之间是流水线,不是可选项。
- 选题层——拿 6 个内核当镜头,决定"这题值不值得写、从哪个反直觉角度切"(§2)。
- 结构层——按发动机 5 段式搭骨架:具身开头→跨界引信→反直觉重构→历史长镜头→反问收束(§3)。
- 句子层——★炼句 8 法逐句过筛,把口水话滤成高含金量句子(§4,本技能重心)。
- 保真层——★深度/技术文强制:机制·数据·论文级证据不许被炼句炼没,炼句和保真打架时先保真(§4.5)。
- 质检层——交付前逐条扫口水话红线 + 保真红线(§5)。
一次握手:结构层/句子层遇到"一个硬概念要讲给外行懂",单向调用 feynman-explainer 讲白那一段,讲完回到汤山体;费曼绝不反向调用汤山体(§6)。
为什么保真层必须独立成一层:炼句 8 法的本能是"把机制炼成比喻、把数据炼成金句"——写财经杂文没问题,写深度技术文会出事:一个精确机制被炼成漂亮比喻后,机制没了,只剩比喻。保真层就是那道兜底网。
2. 选题层 · 6 个内核(当镜头用,不是当论点抄)
写任何题前,先拿这 6 把刀问一遍"这题从哪个角度切最狠":
| # | 内核 | 一句话 | 怎么用(问自己) | |
|---|---|---|---|---|
| 1 | 存量博弈 vs 增量创造 | 痛苦/泡沫/冲突,本质是大家在切一块不再变大的蛋糕 | 这事是"没有增量了在内卷"吗? | |
| 2 | 定价权 / 信用逻辑 | 别人讲涨跌,他讲"谁掌握了给东西标价的笔" | "定义价值的权力"在谁手里? | |
| 3 | 反直觉框架重构 | 每篇都有一个"你以为 X,其实是反过来的 Y" | 大众默认认知是什么?我能不能翻过来? | |
| 4 | 历史长镜头 | 从不说"这次不一样",只说"这次和那次一样,你忘了结局" | 这事是哪个旧结构的复发?借哪个旧故事? | |
| 5 | 结构/制度决定命运 | 不骂人,骂结构——读者不觉得被冒犯,只觉得被理解 | 个体痛苦能不能归因到一个结构性的力? | |
| 6 | 跨界引信(最强) | 时间跨界(借历史)+ 空间跨界(借别的行业),用旧故事的热度给新问题加热 | 别的领域有没有一个"读者早熟悉、情绪已封装好"的旧故事,能当雷管插到这个新问题上? |
跨界引信的原理:新问题是冷的、抽象的;旧故事是热的、有画面的。先让读者"疼"(借旧故事的情绪),再讲道理。 本质公式:当下的痛苦 ≠ 新问题,而是一个旧结构在新皮肤下的复发。
⛔ 选题层禁止:直接抄汤山的财经观点(那不是你的赛道)。偷的是"从哪个角度切"的镜头,燃料换成你自己的。
3. 结构层 · 发动机 5 段式
汤山任何一篇的骨架都是这 5 段。写正文前先按这个搭骨架:
| 段 | 名称 | 干什么 | 反例(别这么写) | |
|---|---|---|---|---|
| 1 | 具身开头 | 从一个具体到刺痛的画面切入(印度工厂头顶摄像头、给卡车司机发 10 万美元) | "AI 很重要""众所周知" | |
| 2 | 跨界引信 | 借一个历史/别行业的旧故事当雷管,让读者先"疼" | 一上来就抽象推演 | |
| 3 | 反直觉重构 | "你以为 X,其实是 Y"——拆掉读者的默认常识 | 顺着常识往下说 | |
| 4 | 历史长镜头 | 把当下拽进百年尺度,证明"这次和那次一样" | "这次不一样" | |
| 5 | 反问收束 | 用反问把球踢给读者,让他自己得出结论 | "以上就是我的分析""感谢阅读" |
提醒:通篇抽象推演、读者没有"疼"的瞬间 = 漏了具身与引信。汤山赢在先让你疼,再给你讲道理。写技术/AI 文时,第 1、2 段最该补,别一上来就推演。
3.1 版面:长文也不许一大坨
5 段式是叙事的段,不是排版的段。长文给人看,照样要能扫读:
| 项 | 规则 | |
|---|---|---|
| 单段长度 | ≤ 200 字(约 5 行);一段一个画面或一个推进 | |
| 段落墙 | 纯段落连排 ≤ 4 段,之后必须有一个视觉锚点:小标题、单独成段的短锤句、> 引用的金句、或一张图 | |
| 分节 | 超过 1500 字按 5 段式分 3–5 个小标题,小标题是一句能立住的话,不编号 | |
| 金句 | ⑦镜像句、⑥短锤可以单独成段,或用 > 引用块托出来,让扫读的人也抓得住 | |
| 数字反差、历史对照 | 两组以上数字并排、新旧两个时代对照时,用一张小表格比三句话清楚 | |
| 配图 | 跨界引信、历史长镜头适合一张传播图:交 content-infographic,锚定那一段,配一句过渡句 |
汤山体的耐嚼来自每句炼过,不来自字多。一段写到 200 字还没落到画面或数字,就是在铺口水。版式底线共用haohao-shuohua/references/reader-layout.md。
4. 句子层 · 炼句 8 法(★本技能重心)
这是"含金量"的来源。每写完一段,拿这 8 条过一遍:这段是口水话吗?是就重写。有意留的平地句(剂量闸要求全文 ≥3 处)不算口水话——它是呼吸口,一段最多留一个。
⛔ 剂量闸(硬规则,先读这条,再看 8 法)
8 法是过滤器,不是每句都要穿的戏服。句句上法 = 句句对仗、句句顶真的金句体,那正是汤山体要避免的油滑。
第一步:先定计数口径(从宽数,宁可多数)。 一句里出现以下任一项就算炼句 1 处:①对仗压缩、②整句围绕一个实物落地(普通名词不算)、③一个见血动词顶替了中性动词、④顶真推链、⑤造词、⑥长铺短锤、⑦镜像句、⑧数字反差。另有兜底口径:任何明显非常规、一听就是"炼过"的句式(设问倒装、三字短句连砸、破折号截断式顿挫),哪怕不属于 8 法,也算 1 处。 一句里同时命中两法算 2 处——按从宽口径逐句点,不许按"这是一句金句"四舍五入。
第二步:出稿前按从宽口径逐句数一遍,把计数写出来。 交付时在自检里写明:"全文 N 段,炼句 M 处(从宽口径逐句点过)"。写不出这个数字 = 没数,不许交。
第三步:过四道闸(从紧,不贴线)。
- 总数 ≤ 段落数的 2/3,向上取整。 10 段上限 7 处;8 段上限 6 处。贴线(=段落数)就是油滑。
- 同一段里,同一法最多用 1 次。 一段里出现两处对仗,读者立刻闻到配方味。
- 结尾防连环锤:最后三段不得全是锤点段(一段有 ≥1 处炼句就算锤点段);最后两段不得连用反问——反问只许出现一次,留给真正的结尾。
- 平地句 ≥3 处,并自检点名。 平地句 = 老老实实的陈述,不炼任何法、不追节奏。自检里写明:"平地句在 P 几、P 几、P 几"。不够 3 处,把最像表演的锤点改写成平地。
第四步:数完超了怎么砍(顺序固定)。
- 先砍结尾连环锤:末尾连续锤点段,从后往前删到只剩结尾那一个;相邻两段各有一锤,保后面那锤(收尾锤),前面那锤改写成平地。
- 再砍相邻重锤:挨着的两处炼句,删前面的一处。
- ③见血动词、⑥长铺短锤最先砍——它们最好改成平地且不伤筋骨;⑤造词、⑦镜像金句是传播钩子,最后才动。
- 砍完重数一遍,总数落到闸内才算完。
为什么要从紧:实测作者自报只用 6 法,裁判按从宽口径数出 13 处——口径差真实存在。闸贴线执行 = 实际超线。从紧(2/3)留出的余量,就是用来兜这个口径差的。
8 法速查(正反例手册见 references/lianju-examples.md)
| # | 法 | 一句话机理 | |
|---|---|---|---|
| ① | 对仗压缩 | 一对可对照的概念用相同句式并排,信息 ×2 / 字数 ÷1 | |
| ② | 抽象落地为实物 | "轻资产/生态"这类冷词立刻问"它摸起来是什么",落到能摸到的东西 | |
| ③ | 动词见血 | "影响/导致/造成"是口水重灾区,换成抠走、蒸馏、喂进、收割这类带身体感的动词 | |
| ④ | 顶真推链 | 把"由于 A、B、C 导致 D"拆成"因为 A 所以 B。因为 B 所以 C",推着读者走 | |
| ⑤ | 造词封装 + 即时定义 | 一个词封装一整段论证,造完下一句必须给精准定义;裸造词 = 装腔 | |
| ⑥ | 长铺短锤 | 长句蓄势铺背景,紧跟一个 ≤10 字短句砸下来定钉;短句独立成段效果更强 | |
| ⑦ | 镜像句(回文) | 同一组词前后两句交换位置、意思翻面;最适合当标题或结尾金句 | |
| ⑧ | 数字反差 | 想写"多/少/大/强"这类形容词时,找两个悬殊数字并排(技术文天然有数据:包体积、编译耗时、崩溃率) |
一篇的最低配置:不必 8 条全上。关键段命中 1-2 处即为高含金量,重锤留给该炸的地方,其余段落宁可平;每篇至少 1 处⑤造词(带定义)、1-2 处⑦镜像金句(可被截图传播的钩子)。总量服从 §4 剂量闸从紧执行(≤ 段落数的 2/3)。何时读手册:写第一段感觉句子平、拿不准某句该怎么炼时,翻references/lianju-examples.md——每法一组"口水版 vs 汤山原句"对照表 + 一段约 300 字的完整样段(逐句标注用了哪法、哪句故意不炼),校准整篇该是什么密度。写顺了就不用翻。
4.5 保真层 · 技术保真 4 铁律(★深度文/技术文强制)
触发条件:文章涉及任何技术机制、算法、实验、论文、架构、数据指标(AI / 工程 / 科学 / 金融量化皆算)。纯情绪杂文可豁免本层。职责:炼句 8 法的本能会误伤技术文——机制被比喻吃掉、数据被形容词替换、论文被炖成"科学家发现"、边界被金句抹平。炼句和保真打架时,先保真,再炼句;比喻叠在机制之上,不许替换机制。
| 铁律 | 规则(正反例见手册对应节) | |
|---|---|---|
| 一:机制先讲全,再上比喻 | 硬核机制先用 1-2 句写清"实际做了什么运算/步骤"(保真),紧跟一句白话或比喻(炼句)。顺序不可颠倒,比喻不可单独出现 | |
| 二:关键数据带原值 + 出处 | 模型规模、层数、token 量、耗时、崩溃率等关键量必须保留原始数值,能加出处就加。反差可以做,但不许用形容词替换原值 | |
| 三:论文级证据可追溯 | 核心实验至少带 1 个可追溯锚点(作者/机构/论文名/会议年份/链接),成品里以行末 [[标题]](url) 落引用。不许臆造实验细节 | |
| 四:不确定就标出边界 | 出现"全部/绝不/永远/一定"前先自查反例;有边界就补一句("绝大部分…而非全部")。宁可少一句金句,不留一处硬伤 |
仲裁顺序:同一句里两者冲突时——机制/数据/证据/边界优先保真,然后在保真句旁边(下一句或后半句)再上炼句。绝不允许为了对仗/见血/镜像/造词而删掉机制、改掉数值、模糊出处、把话说满。
5. 质检层 · 交付前逐条扫
优先调 `haohao-shuohua` 重档做统一 lint(去 AI 味 + 加中文味 + 事实账本已在那边做成体系)。汤山在本节只兜底它独有、haohao 不管的部分:炼句 8 法命中、造词封装、镜像金句、数字反差、跨界引信、保真红线。
5a. 口水话红线(命中即改)
| # | 红线 | 修正 | |
|---|---|---|---|
| 1 | 虚词堆砌:非常、其实很、可以说、总的来说、值得注意的是 | 删掉或换成具体动词/数字 | |
| 2 | 中性动词:影响、导致、造成、使得、有助于 | 换成法③见血动词 | |
| 3 | 停在抽象名词上没落地(生态、赋能、闭环、抓手) | 用②落成实物,或直接删 | |
| 4 | 一整段读完没有一个具体画面/数字/实物 | 命中①-⑧任一条重写 | |
| 5 | 开头是"在当今时代…""随着…的发展…" | 换成具身开头 | |
| 6 | 结尾是"综上所述""希望对你有帮助" | 换成反问收束 | |
| 7 | 造了词但没给定义 | 补一句即时定义(法⑤) | |
| 8 | 全篇没有一句可截图传播的金句 | 补 1-2 处⑦镜像句 | |
| 9 | 数字/案例/引语没出处 | 补(机构+报告+年月),补不到就模糊写或删 |
5b. 保真红线(深度文/技术文强制)
| # | 红线 | 修正 | |
|---|---|---|---|
| A | 硬核机制只有比喻、没写清"它实际算了什么/做了哪几步" | 按铁律一补机制原样,比喻退居其后 | |
| B | 关键数值被形容词替换(参数极多、快很多) | 按铁律二填回原始数值 + 出处 | |
| C | 引用实验却只说"有研究发现",无可追溯锚点 | 按铁律三补作者/机构/论文/年份 | |
| D | 用了"全部/绝不/永远"却存在已知反例 | 按铁律四补一句边界 | |
| E | 为了对仗/镜像/造词,把机制说错、数值改动、出处抹掉 | 回滚炼句,先保真再在旁边炼句 |
强制:每篇至少 1 处造词(带定义)+ 1-2 处镜像金句 + 1 处数字反差。保真红线 A-E 任一命中 = 不合格,先补保真再谈炼句。 炼句总量服从剂量闸(§4),不许为了凑"每段都有"把平地句炼掉。
6. 与费曼的握手(单向,不可逆)
正文写到某处出现一个"不解释读者就会卡住"的硬核概念时:
- 先走保真层铁律一:用 1-2 句把这个概念"实际做了什么运算/步骤"写清(保真,不许省);
- 暂停炼句节奏;
- 用费曼的"术语即翻译 + 一个生活化比喻"把概念讲白(通常 2-4 句,叠在保真句之后);
- 讲完立刻切回汤山体,继续往下写。
分工一句话:保真层管"细节没丢",费曼管"我懂了",汤山体管"我写出来了"。 标准句序:机制原样(保真)→ 白话比喻(费曼)→ 炼句收尾(汤山体)。费曼绝不反向调用汤山体。
7. 从"内部笔记"到"公众号稿"的低能耗改造流
日常高频用法不是从零写,而是把已沉淀的笔记锻造成可读稿,边际成本 ≈ 0。改造五步:
- 诊断:读原文,判断它属于哪一类(转型记录 / 学习资料 / AI 观点)。
- 补具身开头:原文多半直接进主题。补一个 §3 段1 的具身画面——一个真实的瞬间。
- 插跨界引信:给这个技术/AI 话题找一颗历史或别行业的雷管(§2 内核 6)。
- 过炼句 8 法 + 守保真层:逐段扫。⚠️ 原文含技术机制/数据/论文时先过 §4.5——机制/数值/出处原样保留,再在旁边炼句;绝不把硬核细节当口水炼没。这一步最重。
- 加反问收束 + 出标题候选:结尾踢球给读者;标题平实、直给、不设空心钩子。
⛔ 改造铁律:哪怕记一次 Cursor 重构,也要用具身开头让读者疼一下、用跨界引信给它历史纵深——不然就还是收藏夹,没有传播力。
8. 交付前自检清单(逐条过)
- [ ] 触发判断对了吗?这是"推演一个尚未发生的未来图景",不是"下一个当下就能被反驳的判断"?
- [ ] 选题层:用 6 内核中至少 1 个当了切入镜头,且是反直觉角度
- [ ] 结构层:5 段齐全,开头是"具身"不是"在当今时代";有一颗跨界引信让读者先疼
- [ ] 版面:没有超过 200 字的段,纯段落没有连排超过 4 段;金句单独成段或用引用块托出;长文有小标题(跑
python3 ~/.claude/skills/haohao-shuohua/scripts/quick_scan.py 稿子 --checks wall --para-max 200 --run-max 4自查) - [ ] 句子层:从宽口径计数写出来了("全文 N 段、炼句 M 处",逐句点过);剂量闸四道全过(总数 ≤ 段落数 2/3 向上取整;同段同法≤1;最后三段不全是锤点段;最后两段不连用反问)
- [ ] 平地句 ≥3 处,自检里点名了"平地句在 P 几、P 几、P 几"
- [ ] 全篇 ≥1 处造词(带定义)+ 1-2 处镜像金句 + 1 处数字反差
- [ ] 保真层(深度/技术文强制):每个硬核机制走"机制原样 + 白话/比喻"双句,机制没被比喻吃掉
- [ ] 保真层:关键数值带原值(没被形容词替换);核心实验有可追溯锚点;绝对话术自查过反例
- [ ] 质检层:口水话红线 9 条全过;深度/技术文另过保真红线 A-E
- [ ] 结尾是反问收束,不是"综上所述";硬概念处调了费曼讲白
- [ ] 是"引子不是洗稿":偷的是引擎(镜头+结构+炼句),燃料是你自己的
9. 文件路由(何时读哪个)
| 文件 | 什么时候读 | |
|---|---|---|
SKILL.md(本文件) | 每次启用都读。含全部硬规则 | |
references/lianju-examples.md | 拿不准某句怎么炼、感觉整篇句子太平时。8 法每法一组"口水版 vs 汤山原句"对照 + 保真 4 铁律正反例 + 一段约 300 字完整样段(逐句标注用了哪法、哪句故意不炼——校准整篇密度) |
手艺来源:逆向拆解自"汤山老王"3 视频逐字稿 + 8 篇公众号财经文章。v1.0(2026-07)建立:四层过滤器 + 炼句 8 法 + 单向握手费曼。v1.1(2026-07)新增技术保真层(4 铁律 + 保真红线 A-E),四层升级为五层。v1.2(2026-07)收窄边界:只服务畅想文,观点硬文迁往 cuihuo。v0.2.0(2026-10-16):炼句 8 法加剂量闸;SKILL.md 瘦身、正反例全量下沉 references;description 前 50 字自包含重写。详见 CHANGELOG.md。
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/tangshan-style/SKILL.md
Popularity
- Repository stars
- 92
- Repository forks
- 5
- 7-day trend score
- 0
Stars and forks are for the whole GitHub repository, not this skill alone. 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/job-yang/jobyang-ai-skills/tangshan-style)