shield_lock
JinDaGe
← Back to skills
extension
Category: OtherAPI key required

Copy Brain

复制公众人物的思维变成一个可调用的「思维 skill」。在指定场景下提炼并复刻其**思维方式、心智模型、推理与决策逻辑**（而非单纯模仿语气）。当用户想“像某公众人物那样思考 / 基于其大脑创建 skill”时使用。

personAuthor: user_0f287ac2hubcommunity
downloadDownload package

copy-brain

把用户指定的公众人物复制为一个可调用的思维skill。

核心不是模仿语气，而是复刻“大脑”。 语气、措辞只是表层；真正要捕捉的是这个人如何思考、如何权衡、如何在不确定中做决策。最终的 skill 应当让 agent 在新问题上用这个人的思维方式推理出他可能会给的答案，而不是套用他说过的话。 路径约定：本 SKILL.md 所在目录即 skill 根目录（下称 <SKILL_DIR>）。 下文所有路径都相对于 <SKILL_DIR>。运行任何脚本前，先 cd 到 <SKILL_DIR>（即本 SKILL.md 所在目录）再执行；输出/模板等路径同理相对解析。

工作流程

步骤 0 / 1：检查 output 目录并确定人物

  1. 列出 <SKILL_DIR>/output/ 下的 .md 文件（忽略 .gitkeep；忽略误留的 .json 等中间文件，见步骤 4.1）。
  2. 若已有 skill 文件：列给用户看，询问「是否复用已有的某个 skill，还是创建新的人物 skill？」。
    • 选择复用 → 读取该文件并据此完成用户后续请求，结束本流程。
  3. 若目录为空：直接询问「你想复制哪个公众人物的思维？」。

拿到人物名后，先做轻量确认：该名字是否唯一（如同名时让用户补充领域/国别），并确定一个用于文件名的 slug（拼音或英文，小写、连字符）。

步骤 2：检查并说明 API Key

本 skill 可用三个数据源（推荐但非必需，缺哪个就跳过哪个）。请用户按下表的变量名在电脑的系统环境变量里配置对应的 API Key：

| 服务 | 环境变量名 | 作用 | 申请 | |------|-----------|------|------| | Tavily | TAVILY_API_KEY | 内置搜索不佳时的兜底搜索（结果旧 / 多语言 / 匹配差），擅长非中文/非中国内容 | https://app.tavily.com | | ScrapeBadger | SCRAPEBADGER_API_KEY | 获取人物在 X（Twitter）的资料与发帖 | https://scrapebadger.com/dashboard | | RedFox | REDFOX_API_KEY | 获取小红书、微信公众号文章 | https://redfox.hk/dashboard/keys |

向用户说明上表（作用 + 推荐配置）。配置方式（设置后需重开终端 才生效）：

# Windows PowerShell（持久化到用户环境变量）
setx TAVILY_API_KEY "你的key"
setx SCRAPEBADGER_API_KEY "你的key"
setx REDFOX_API_KEY "你的key"

# macOS / Linux（加入 ~/.zshrc 或 ~/.bashrc）
export TAVILY_API_KEY="你的key"
export SCRAPEBADGER_API_KEY="你的key"
export REDFOX_API_KEY="你的key"

检测当前配置情况：

python scripts/check_keys.py

若依赖缺失，先安装：pip install -r requirements.txt（在 <SKILL_DIR> 下执行）

  • 脚本以 EXIT_NO_KEY（退出码 2）+ stderr 提示表示某服务未配置。
  • 即使三者都没配，也可仅用 agent 内置的联网搜索 + 网页提取工具继续，只是覆盖面较窄。不要强求用户配置。
  • Tavily 脚本只暴露 3 个搜索参数：query（必填）、--search-depth（可选，basic/advanced/fast/ultra-fast，默认 basic）、--time-range（可选，day/week/month/year）。如需全文，对结果 URL 用内置网页提取工具。

步骤 3：搜背景 → 确定场景

  1. 先用 agent 内置联网搜索对人物做一次背景速查（身份、领域、代表成就、活跃平台）。若内置结果不佳（偏旧 / 多语言 / 匹配差），再用 Tavily 兜底：
python scripts/tavily_search.py "{人物} 简介 背景"
# 需要更高相关性或限定时间时：
python scripts/tavily_search.py "{人物} 简介 背景" --search-depth advanced --time-range year
  1. 把速查要点用 2-4 句话讲给用户，然后询问场景：「你想在哪个场景下，用该人物的思维方式来思考/决策？」并给出几个候选示例（结合人物特点），强调思考与判断而非口吻。

用户确定场景后，记录 scenario 与其 slug。

步骤 4：深度搜索 → 初稿 → 确认 → 落盘

4.1 深度而广泛地搜集（多角度多关键词）。优先抓一手平台原文——只要 Key 已配置就尽量用下列脚本，把人物本人的帖子/笔记/文章作为主力语料；通用背景/评价再辅以内置搜索（不佳时 Tavily 兜底）： 每个脚本均支持 -h 查看参数。

# ① 一手平台原文（主力）——X 平台（人物在 X 上活跃且配置 ScrapeBadger）
python scripts/scrapebadger.py profile {x_username}
python scripts/scrapebadger.py tweets {x_username} --pages 3
# 也可按主题精确搜其推文（高级算子）：
python scripts/scrapebadger.py search "from:{x_username} {场景关键词}" --type Latest --pages 2

# ① 一手平台原文（主力）——小红书 / 公众号（中文人物，配置 RedFox）
python scripts/redfox_xhs.py search "{人物}" --pages 2
python scripts/redfox_gzh.py search "{人物} {场景关键词}" --sort _4 --pages 2
# 命中后用 detail / work 拉单篇全文，获取完整推理过程：
python scripts/redfox_xhs.py detail --id {workId}
python scripts/redfox_gzh.py work {workUuid}

# ② 通用背景、观点、争议、近期动态——内置搜索为主，不佳时 Tavily 兜底
python scripts/tavily_search.py "{人物} {场景关键词}" --search-depth advanced
python scripts/tavily_search.py "{人物} 观点 语录 采访" --time-range year

每条事实/观点/推理都要留下来源链接；尤其要保留能体现“他为什么这么想”的原文片段。

  • 看全文：内置搜索或 Tavily 返回的都是摘要/片段；要读全文就对结果 URL 用 agent 内置的网页提取工具。脚本抓到的平台帖子若只有摘要，可用 redfox_*.py detail/work 或对原文链接提取拿全文。
  • 不要落盘中间 JSON：脚本默认把 JSON 打印到终端 stdout，agent 直接读终端输出即可。不要使用 --out，不要在 output/ 下保存 .json 或其它采集中间文件。output/ 只放最终人物 skill 的 .md（见 4.3）。若误生成 output/ 下的 .json 或 output/output/ 子目录，落盘 .md 后应删除。

4.2 生成初稿：套用 <SKILL_DIR>/templates/persona_skill_template.md 的结构，针对所选场景填充。把初稿呈现给用户预览，说明数据来源与采集时间，并主动指出不确定/缺证据的地方。 4.3 确认后落盘：用户同意后，保存到：

<SKILL_DIR>/output/{people_name_slug}-{scenario_slug}.md

保存后告诉用户文件路径，并提示：该文件本身是一个带 frontmatter 的人物 skill，可被复用。

质量与伦理要求

  • 事实主张需有来源；区分「事实」与「风格模拟」。不杜撰引语、不伪造数据。
  • 不用于冒充本人进行欺诈、诽谤或误导；不收录隐私/未公开信息。
  • 用最严谨的态度进行搜索，如果搜索到的信息不足以复制公众人物的思维，则停止生成初稿并告知用户。