shenqistart/book2skill/tea-quality-diagnosis

Claude Code and agent skill by shenqistart/book2skill

Trust tier 3
  • community
Source check pending

Checking that the SKILL.md file is still in the repository.

当用户需要按《茶经》判断茶叶品质线索、采摘/制作风险、产地与形态描述时调用。 不适用于: 现代商品茶价格评级、食品安全检测、医学养生建议。

Install

npx vskill@latest install shenqistart/book2skill/tea-quality-diagnosis

SKILL.md

茶叶品质与风险判断

R — 来源

源文件: chajing-skill/source/chajing.md。

依据《一之源》中产地、野园、阴阳、芽叶形态和“采不时,造不精,杂以卉莽”的风险判断;《三之造》中成茶形态与精腴/瘠老判断;《八之出》中产地区分。

I — 方法论骨架

《茶经》的品质判断不是只看外观,也不是只看产地。 它把茶叶质量放在一个链条里:生长环境、采摘时机、芽叶状态、制作是否精细、是否混杂异物、最后才看成茶形态。 好的判断要同时问“它从哪里来”“什么时候采”“采的是什么状态”“怎么做成”“有没有风险”。 产地排名可以作为历史线索,但不能直接替代现代批次判断。 如果用户只给现代商品名,agent 应要求补充茶样描述、工艺、采摘季节和冲泡/品饮反馈。

A1 — 书中的应用

案例 1: 生长环境分层
  • 问题: 何处所产茶更可取。
  • 方法论的使用: 以烂石、砾壤、黄土等环境分层,并比较野者、园者、阳崖阴林等条件。
  • 结论: 品质判断先看自然条件和生态位置。
  • 结果: 形成“产地不是地名,而是生长条件”的判断方式。
案例 2: 成茶形态辨精瘠
  • 问题: 成茶外观如何反映制作和原料。
  • 方法论的使用: 用胡人靴、浮云出山、竹箨、霜荷等形态比喻区分精腴与瘠老。
  • 结论: 外观必须回扣采制状态,不可只凭光黑平正判断。
  • 结果: 避免把表面好看误判为真正好茶。

A2 — 触发场景

  1. 用户给出茶样描述,希望判断品质线索。
  2. 用户问某茶是否“采得好、做得好、有没有风险”。
  3. 用户想用《茶经》解释产地、芽叶、形态与品质的关系。
语言信号
  • “这款茶按《茶经》怎么看”
  • “这个茶样好不好”
  • “为什么外观好看不一定好”
  • “采不时、造不精是什么意思”
与相邻 skill 的区分
  • 与 tea-processing-workflow 的区别: 本 skill 诊断品质线索;流程缺陷的逐步检查交给制茶流程 skill。
  • 与 water-fire-brewing-method 的区别: 本 skill 评估茶本身;煮饮过程另行处理。

E — 可执行步骤

  1. 收集茶样信息
  • 完成标准: 至少获得产地/环境、采摘季节、芽叶状态、制作方式、外观或口感中的两类信息。
  • 判停条件: 信息不足时输出“无法确认”,并列出需要补充的数据。
  1. 按《茶经》链条诊断
  • 完成标准: 分别检查生长环境、采摘时机、制作精度、混杂风险、成茶形态。
  1. 输出品质判断等级
  • 完成标准: 给出“偏优 / 中性待证 / 有风险 / 无法判断”,并逐项说明依据。
  1. 标出现代边界
  • 完成标准: 明确这不是现代检测、价格或医学结论。

B — 边界

  • 不用于出具现代商品等级、价格或真假鉴定。
  • 不把唐代产区排名直接套到现代茶叶。
  • 不根据单一外观词硬判品质。
作者在书中警告的失败模式
  • 采摘不合时、制作不精、混杂草木,饮之可能成害。
  • 只以光黑平正或皱黄坳垤判断好坏,是低层次鉴别。
作者的盲点 / 时代局限
  • 唐代制茶和饮茶体系不同于现代六大茶类。
  • 古代功效描述不等于现代医学证据。

相关 skills

  • depends-on: {}
  • contrasts-with: {modern-lab-testing}
  • composes-with: {tea-processing-workflow, water-fire-brewing-method}

审计信息

  • 源文件: chajing-skill/source/chajing.md
  • 验证通过: V1 ✓ / V2 ✓ / V3 ✓
  • 测试通过率: 待 darwin 运行
  • 蒸馏时间: 2026-04-27

Security

  • Security scanPassed, 95 of 100Pattern checks on the skill's files.
  • Model reviewPassed

Quality evaluation

  • Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

Source

Popularity

Repository stars
60
Repository forks
15
7-day trend score
21

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
vskill VERIFIED badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/shenqistart/book2skill/tea-quality-diagnosis/badge)](https://verified-skill.com/skills/shenqistart/book2skill/tea-quality-diagnosis)

Something wrong with this skill or its page? Tell us.