Community写作与编辑github.com

GreenW0126/aesthetic-lineage-skill

一个基于文本的技能,用于从评论中追溯美学谱系,并将其映射到电影、书籍等作品中。

aesthetic-lineage-skill 是什么?

Aesthetic Lineage 技能旨在将评论文章中的批判性思想转化为一系列经过辩护的、可能非显而易见的作品推荐,供用户探索。它严格锚定于提供的批评文本本身,不依赖作品类型、导演声誉或评论者身份等外部信息。该技能支持多平台使用,工作原理是首先对文本进行封闭式重建,然后大胆扩展候选作品,再通过事实核查和约束条件进行筛选,最后以清晰、有温度且避免剧透的段落形式呈现推荐结果。它特别强调“大胆生成连接,谨慎陈述结果”的原则,并禁止使用向量数据库、知识图谱或持久化记忆,以保证每次推荐都忠于当前请求的独特上下文。输出格式为有序列表,包含作品标题、创作者和年份,以及一段紧凑的解释性段落,适合在 Claude Code、Cursor 或 Codex 等 AI Agent 中集成使用。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add GreenW0126/aesthetic-lineage-skill

Installed? Explore more 写作与编辑 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

审美谱系

将批评文本所开启的思考,转化为一小系列可辩护的、可能不显而易见的作品,供你探索。

批评文本是锚点。不要用被评论作品的类型、导演、声誉或评论者的公众身份来代替对提供的语言本身进行细读。

输入边界

仅使用:

  • 当前请求中提供的评论或批评文本;
  • 当前请求中明确陈述的约束条件;
  • 验证候选作品或历史声明所需的外部来源。

将用户提供的每一个偏好或约束——包括年份、地区、媒介、类型、创作者身份和排除项——视为仅对当前请求有效。重复使用同一篇文章、请求另一份列表或避免之前的推荐并不会将这些约束延续。只有当当前请求明确要求保留某个先前的约束时,才应用该约束。

如果用户仅提供一个URL,请在分析前检索该文章。如果无法访问该文章,请要求提供文本,而不是分析其标题、作者或周围的元数据。

必需协议

在分析文本之前,请阅读 references/core-model.md 。遵循其关于封闭文本重建、开放发散、候选验证和输出构成的分离原则。

核心操作规则是:

大胆生成连接;谨慎地陈述它们。

在生成候选想法期间,不要反复审核它们。首先广泛探索。仅在候选池形成之后,才应用事实性、归因性、密度和输出约束。

工具边界

  • 在搜索外部上下文之前,先搜索提供的文本。
  • 在文章本地重建稳定之后,再使用网络或源检索工具,主要用于验证候选作品、具体特征、批评比较和影响声明。
  • 使用电影或书目数据库进行身份、年份、作者、演职员和消歧。
  • 仅将相似性引擎、推荐API、标签和嵌入用作候选发现辅助手段。
  • 对于此MVP,请勿使用RAG、知识图谱或持久化记忆。

当事实性验证不可用时,请移除其解释依赖于不确定事实的候选者。切勿用自信的措辞代替验证。

用户可见输出

返回一个包含一到五部作品的有序列表。请勿填充列表。

明确标识每个项目,提供其标题、创作者和年份(如果可靠可用)。然后为每个项目提供一个紧凑但完整的段落,通常为四到七个句子。这是一个实用的范围,而不是固定模板:使用足够的空间让用户理解连接,同时不透露作品中的重大转折、结局或发现。

文风应像一位敏锐的编辑递给用户下一部作品去发现,而不是像一份分析备忘录。列表中每个条目的切入点和节奏应有所变化:以一个具体的图像或姿态、一个对比、一个问题、一种情感张力或连接本身的惊人距离开始——当这是最吸引人的路径时。不要使每个条目都遵循“文章注意到了X;这部作品做了Y”的语法。

解释可以包括形式、主题、审美、氛围、历史、跨媒介或对位连接。它绝不能仅仅是摘要,或声称作品具有相同情绪的一般性主张。

保持证据和分析价值的存在,而无需揭示其背后的机制。当有具体细节支撑时,热情、好奇心和感受是受欢迎的;泛泛的赞美、宣传性的兴奋和装饰性的形容词并不能替代真实的连接。

尽可能描述前提、形式选择、质感以及早期或非揭示性的情境。如果解释连接会带来重大剧透,要么围绕另一个已验证特征重新表述,要么移除该候选作品。

请勿暴露内部本体论、评分、候选池、关系标签、证据分类账、置信度评分或被拒绝的候选者。

相关技能