🧠 AI 方法论工具箱 - 让 AI 掌握第一性原理、目标导向、PDCA 循环、DDD 设计等12个方法论技能
一个包含12个核心方法论技能的 Claude Code/Cursor/OpenCode 插件。支持四层级知识沉淀、技能协作、工件传递、智能编排。
技能之间通过工件（Artifact）传递数据和上下文：
goal-oriented → 创建目标
↓ (工件传递)
prompt-enhancer → 需求细化
↓ (工件传递)
planning → 实施规划
↓ (工件传递)
execution → 执行技能
↓ (工件传递)
experience-manager → 经验沉淀
每个技能执行完成后生成标准化工件：
- 存储位置:
memory/artifacts/{skill-name}/ - 格式: JSON
- 内容: 输入、输出、后续推荐
- 链接:
latest.json指向最新工件
使用 /pilot 自动推荐最佳技能链：
用户："设计一个电商平台"
编排器推荐：
1. goal-oriented - 明确目标
2. first-principles - 从本质思考
3. ddd-strategic-design - 战略设计
4. ddd-tactical-design - 战术设计
5. mvp-first - MVP 规划
核心原则: 以终为始，不忘初心
核心特性:
- ⚡ 持续触发 - 每个用户消息都会触发目标检查
- 🎯 自动追踪 - 自动创建目标文件，记录原始需求和SMART目标
- 🔄 动态调整 - 用户修改需求时立即更新目标
- ✅ 强制验证 - 任务完成前必须验证目标达成情况
适用场景: 执行长期任务、项目规划、容易偏离目标的复杂任务
核心原则: 需求不清晰，不如不动手
核心能力:
- 📋 需求细化 - 每个关键点问3-4个问题，全面澄清需求
- 💡 方案探索 - 头脑风暴3-5种方案，充分论证可行性
- ✅ 用户确认 - 用户选择最终方案，避免理解偏差
产出工件: memory/artifacts/prompt-enhancer/result-{timestamp}.json
核心原则: 谋定后动，规划先行
核心能力:
- 📐 步骤分解 - MECE原则，细粒度任务分解
- 🔗 依赖识别 - 识别强依赖、弱依赖、无依赖
- 📊 资源规划 - 人力、时间、技术、成本全面规划
⚠️ 风险评估 - 概率×影响，提前识别风险- ✅ plan-review - 用户确认后才开始执行
产出工件: memory/artifacts/planning/result-{timestamp}.json
核心原则: 好则加冕，错则改之
核心能力:
- 📚 四层级沉淀 - 规则、策略、知识、历史全覆盖
- 🔍 智能检索 - 四层级并行读取，优先级排序
- 🛡️ 错误预防 - 提前预警，避免踩坑
- 📈 效果追踪 - 持续优化知识库
四层级沉淀机制:
| 层级 | 文件 | 维度 | 优先级 | 用途 |
|---|---|---|---|---|
| 规则层 | CLAUDE.md | 做什么 | 最高 | 项目约定，强约束 |
| 策略层 | AGENT.md | 怎么做 | 高 | AI执行策略，决策规则 |
| 知识层 | MEMORY.md | 学到了什么 | 中 | 技术知识，经验总结 |
| 历史层 | MCP Memory | 过去发生了什么 | 低 | 完整历史，智能检索 |
核心原则: 打破假设，回归本质
适用场景: 创新突破、复杂问题、常规方法失效
核心原则: Plan-Do-Check-Act 持续改进
适用场景: 迭代任务、质量保障、流程优化
核心原则: 最小成本验证关键假设
核心思维:
- 识别假设 - 找出风险最高的假设
- 分层验证 - Layer 0（假门按钮）→ Layer 1（基础功能）→ Layer 2+（增强功能）
- 数据驱动 - 定义成功标准，用数据而非直觉决策
适用场景: 新功能开发、产品构思、避免过度工程化
核心原则: 限界上下文、上下文映射、架构决策
适用场景: 系统架构设计、微服务拆分、领域建模
核心原则: 聚合、实体、值对象、领域服务
适用场景: 实现复杂业务逻辑、设计聚合、保证数据一致性
核心原则: 优势/劣势/机会/威胁系统性分析
适用场景: 战略规划、技术选型、竞品分析、决策支持
核心原则: 智能生成专业信息图
核心功能:
- 🎨 动态风格选择 - 三层优先级：用户指定 > LLM智能选择 > 可爱风格兜底
- 🏷️ 智能标题生成 - 自动提取有意义的标题和副标题
- 📐 横竖双版输出 - 默认同时生成横版(1920x1080)和竖版(1080x1920)
- ⚡ 一键生成 - 无需中途确认，全程自动化输出
支持的8种风格: 科技风、可爱风、手绘风、简约风、教学风、泥塑风、漫画风、Bento风
核心原则: 自动推荐最佳技能链
适用场景: 复杂任务需要多个技能协作、不知道应该使用哪些技能
优化后的完整方法论工作流程：
用户消息
↓
【goal-oriented】创建目标（强制）
↓
【prompt-enhancer】需求细化+方案探索（强制）
↓
【planning】实施规划+plan-review（强制）
↓
【experience-manager】检索历史经验（强制）
↓
【执行技能链】first-principles / mvp-first / ddd / swot
↓
【experience-manager】复盘+沉淀（强制）
对比优化前:
- ✅ 需求充分细化（原来缺失）
- ✅ 方案充分论证（原来缺失）
- ✅ 步骤详细规划（原来缺失）
- ✅ 降低理解偏差
- ✅ 知识沉淀闭环
# 1. 安装插件
claude plugin marketplace add konglong87/methodology-skills
claude plugin install methodology-skills@methodology-skills
# 2. 配置 Exa AI 搜索（推荐）
claude mcp add exa-search "https://api.exa.ai/mcp?key=YOUR_EXA_API_KEY" -t http
# 获取 Exa AI API Key: https://exa.ai✅ Claude Code 完整优势:
- SessionStart Hook 自动注入目标追踪系统
- 自定义标签：
<恐龙专属指令> - 动态读取 SKILL.md 最新内容
- 无需用户干预，自动触发
一键安装：
# 创建安装脚本
curl -fsSL https://raw.githubusercontent.com/konglong87/methodology-skills/main/scripts/install-cursor.sh | bash
# 或手动安装
mkdir -p ~/.cursor/rules
curl -fsSL https://raw.githubusercontent.com/konglong87/methodology-skills/main/skills/goal-oriented/SKILL.md -o ~/.cursor/rules/goal-oriented.md
curl -fsSL https://raw.githubusercontent.com/konglong87/methodology-skills/main/skills/first-principles/SKILL.md -o ~/.cursor/rules/first-principles.md验证安装:
ls -la ~/.cursor/rules/一键安装：
# 创建安装脚本
curl -fsSL https://raw.githubusercontent.com/konglong87/methodology-skills/main/scripts/install-opencode.sh | bash
# 或手动安装
mkdir -p ~/.opencode/skills/goal-oriented
curl -fsSL https://raw.githubusercontent.com/konglong87/methodology-skills/main/skills/goal-oriented/SKILL.md -o ~/.opencode/skills/goal-oriented/SKILL.md验证安装:
ls -la ~/.opencode/skills/用户：帮我设计一个用户认证系统
AI：[自动触发 goal-oriented]
✅ 创建目标：实现用户认证系统，提升安全性
✅ SMART目标：测试覆盖率>90%，无安全漏洞，2周内完成
↓ [自动调用 prompt-enhancer]
📋 需求细化（每个关键点问3-4问题）：
- 用户场景：谁会用？什么场景？痛点是什么？
- 技术约束：平台？技术栈？数据存储？
- 功能范围：核心功能？扩展功能？优先级？
- 成功标准：验收标准？性能要求？时间约束？
↓ [用户确认需求细节]
💡 方案探索（头脑风暴3-5种方案）：
- 方案A：微信云开发 - 成本低、维护简单
- 方案B：自建认证系统 - 灵活、可控
- 方案C：OAuth第三方 - 快速集成
↓ [用户选择方案A]
📐 实施规划（MECE步骤分解）：
Phase 1: 环境准备（Day 1）
- 步骤1：环境配置
Phase 2: 核心功能（Day 2-6）
- 步骤2：验证码发送
- 步骤3：注册流程
- 步骤4：登录流程
Phase 3: 测试上线（Day 7-10）
- 步骤5：测试优化
↓ [plan-review 用户确认]
✅ 开始执行实施计划...
↓ [experience-manager 检索历史经验]
📚 历史经验参考：
- ⚠️ 错误预防：提前申请短信服务审核
- 🎯 可复用模式：OAuth集成标准流程
↓ [执行完成]
🧠 经验沉淀：
- 做得好的：三级文档结构、自动化测试
- 需改进的：文档命名规范
- 知识沉淀：OAuth集成最佳实践
用户：这个查询太慢了，用第一性原理分析
AI：[触发 first-principles]
让我从本质出发分析查询慢的根本原因...
1. 表象：查询耗时 10 秒
2. 假设：我们假设索引已经足够、数据量是瓶颈
3. 本质：实际瓶颈是磁盘 I/O，而非 CPU 或内存
4. 重建：从 I/O 优化角度重新设计方案...
结果：查询时间降至 0.8 秒
用户：我想做一个推荐系统
AI：[触发 mvp-first]
识别关键假设：用户真的需要推荐吗？
Layer 0：假门验证（成本：30分钟）
在热门内容中插入"编辑推荐"，观察点击率
Layer 1：简单推荐（成本：1天）
如果点击率>2倍，开发基础推荐算法
Layer 2：智能推荐（按需）
根据用户反馈，逐步增加智能功能
数据驱动决策：
- 成功标准：点击率>15%，停留时间+20%
- 2周后数据：点击率18%，停留时间+25%
- 决策：继续优化，不添加新功能
方法论可以组合使用，发挥更大威力：
| 组合 | 适用场景 | 价值 |
|---|---|---|
| MVP First + Goal-Oriented | 新产品快速验证与迭代 | 避免过度工程化 + 防止偏离目标 |
| First Principles + PDCA | 从根本优化现有流程 | 打破假设 + 持续改进 |
| Goal-Oriented + Planning | 长期项目持续交付 | 目标明确 + 步骤清晰 |
| DDD Strategic + DDD Tactical | 复杂系统领域建模 | 战略设计 + 战术实现 |
组合示例:
用户：优化 CI/CD 构建速度，用第一性原理 + PDCA
AI：
[First Principles]
找到根本原因：磁盘 I/O 是瓶颈（占70%时间）
[PDCA循环]
Plan: 引入缓存层、并行下载
Do: 在feature分支试点
Check: I/O时间从10分钟降至4分钟
Act: 标准化配置，下一轮优化测试并行度
🎯 Planning Skill 重大升级 - 完整技能协作体系
核心改进:
- ✅ 版本号统一 - Planning v2.0.0，与 Goal-Oriented 和 Prompt-Enhancer 保持一致
- ✅ description优化 - 明确前置技能，强调核心能力
- ✅ 工件传递机制 - 完整的输入/输出工件路径和格式说明
- ✅ goal-oriented协作 - 明确触发来源和触发流程图
- ✅ next_skills修正 - 避免循环依赖，改为 experience-manager
- ✅ AskUserQuestion示例 - plan-review流程明确工具调用
- ✅ 完整工具调用案例 - 从读取工件到生成工件的完整流程
文件变更:
- 更新
skills/planning/SKILL.md- 870行 → 1387行（+517行） - 新增工件传递机制、goal-oriented协作说明、AskUserQuestion示例、完整工具调用案例
技能体系完整性:
- ✅ goal-oriented → prompt-enhancer → planning → execution → experience-manager
- ✅ 完整的工件传递机制
- ✅ 强制前置技能链
- ✅ 知识沉淀闭环
🎯 重大重构：专注方法论核心，分离非方法论技能
迁移详情:
- ❌ 移除 - 微信公众号文章生成器 → 迁移至 play_play
- ❌ 移除 - 算命系统 → 迁移至 play_play
- ❌ 移除 - bionic-memory → 迁移至 play_play
- ✅ 保留 - 专注方法论核心12个技能
核心改进:
- ✅ 项目定位清晰化 - 专注方法论核心技能
- ✅ 技能迁移 - 非方法论技能分离
- ✅ 文档优化 - README精简，更新关键词
🎯 Prompt-Enhancer v2.0 + Planning v1.0
核心改进:
- ✅ Prompt-Enhancer v2.0 - 强制前置，需求细化，方案探索
- ✅ Planning v1.0 - 实施规划，步骤分解，plan-review
- ✅ 完整工作流程 - goal-oriented → prompt-enhancer → planning → execution → experience-manager
完整更新日志: 见 CHANGELOG.md
MIT License - 详见 LICENSE 文件
- Issues: GitHub Issues
- Discussions: GitHub Discussions
Made with ❤️ by 恐龙创新部