认知工作流。
一、为什么要读李继刚？
在深入工具之前，必须先理解“铸剑人”。李继刚并非那种依靠单篇爆款一夜成名的流量博主，他是国内最早将 Prompt 视为“结构化写作”进行深耕的先行者。
几个关键标签足以勾勒他的画像：
-
极简主义哲学：GitHub 简介仅八字——“Read → Think → Write → Publish”。
-
结构化先驱：早在2023年6月，他便提出“像编程一样组织 Prompt”的理念。
-
行业标杆：其开源仓库
lijigang/prompts被公认为中文结构化 Prompt 的教科书。 -
神格化认可：媒体甚至直接以《专访“Prompt之神”李继刚》为题进行报道。
贯穿他所有作品的核心逻辑只有一条：将复杂的思考结构，压缩为少数几个高权重的模块，并以此驱动高质量输出。
如果说他之前的仓库是“结构化样板”，那么这次的 ljg-skills 则是将 Prompt 进化为了可资产化的工作流。
实时状态核查：截至2026年3月23日，该仓库仍保持活跃更新（最近一次 Commit 就在昨日），拥有约 106 Stars，绝非过时样本，而是一个正在生长的“活体”知识库。
二、核心架构：13项能力的四大象限
这 13 个 Skills 并非随意堆砌，而是遵循着一条严密的“理解 → 重构 → 表达 → 交付”主线。我们可以将其划分为四个功能象限：
1. 原子层：内容理解与表达重塑
成员：ljg-plain, ljg-word, ljg-learn, ljg-rank, ljg-writes, ljg-invest
核心价值：解决“如何想明白、说清楚”的问题。它们不只是功能插件，而是思维的压缩机。
2. 输入层：深度阅读与研究链
成员：ljg-paper, ljg-paper-flow
核心价值：面向复杂信息输入，将晦涩材料转化为可消化的认知资产。
3. 输出层：传播与可视化链
成员：ljg-card, ljg-word-flow
核心价值：解决“最后一公里”问题，将思考成果转化为可传播、可交付的视觉产品。
4. 连接层：系统与外部世界交互
成员：ljg-skill-map, ljg-x-download, ljg-travel
核心价值：负责外部触达、资源扫描及工作流的宏观编排。
三、深度拆解：13个 Skills 实战指南
我们将跳过枯燥的功能说明书，直接从“解决什么痛点”和“设计美学”两个维度，逐一剖析。
1. ljg-plain：降维打击的表达艺术
定位：仓库的“门面担当”，最能体现李继刚风格。
核心法则：“让聪明的12岁孩子也能听懂。”
高明之处：它拒绝空泛的“请通俗易懂”，而是列出了具体的负面清单（No Academic Jargon, No Mechanical Connectors, No Over-contextualizing）。
启示：好的 Skill 不是写“目标”，而是划“红线”。它将 AI 从“机械复述者”变成了“真人解说员”。
适用场景：将复杂的技术文档、概念说明转化为人话。
2. ljg-word：拆解词汇的“骨骼肌理”
定位：不是词典，而是词义显微镜。
核心法则：拒绝表面定义，深挖原始画面与核心意象。
实战效果：对于 "grok" 一词，它不只解释为“理解”，而是描绘出“钻进物体内部，从骨架到脾气完全摸清”的动态过程。
适用人群：语言学习者、追求精准表达的创作者。
3. ljg-learn：概念的八维解剖刀
定位：抽象概念的深度切片工具。
核心法则：从历史、辩证、现象、语言、形式、存在、美感、元反思八个维度切割概念，最后收敛为一句顿悟。
价值点：强迫模型切换隐喻。很多理解障碍并非知识匮乏，而是隐喻错位。它将“Skill”从“插件”重构为“手艺卡片”。
适用场景：深挖“熵”、“系统”、“记忆”等宏大概念。
4. ljg-rank：去伪存真的降秩算法
定位：最具方法论野心的分析工具。
核心法则：不满足于总结，而是追问“独立的生成器有几个？”
判别标准：必须具备生成力、最小化、相互独立、预测力。
实战案例：分析“AI Skills 生态”，它砍掉表象，提炼出“经验封装、环境接线、交付标准”三根骨架。
适用场景：从混乱现象中提炼底层逻辑。
5. ljg-writes：带有“呼吸感”的写作流
定位：人格化最强的写作助手。
核心法则：“一个人在思考，碰巧被你看见。”
风格约束：禁止演讲腔、教学腔、结构化标签堆砌。要求句子口语化、节奏多变。
独特价值：证明了 Style（风格）本身就是一种 Workflow。它输出的不是文章，而是思考的轨迹。
6. ljg-invest：秩序创造机的评估视角
定位：非传统的投资分析框架。
核心法则：不问估值，只问“这台机器转不转得起来？”
设计哲学：Skill 不必中立，可以有锋芒。它建立了一套独特的世界观（秩序创造），让模型在此框架下输出判断。
适用场景：项目深度研判，而非套用模板的商业分析。
7. ljg-paper：穿越术语森林的向导
定位：学术论文的“费曼翻译器”。
核心法则：提取普通人可带走的认知，而非学术综述。
执行流程：找锚点 → 费曼翻译 → 提炼洞见 → 博导式审稿 → 个人启发。
实战金句：解读 ReAct 论文时，它总结为：“别让模型只在脑子里打转，得让它出去摸一摸世界。”
8. ljg-paper-flow：从“读完”到“发出”的闭环
定位：ljg-paper + ljg-card 的自动化串联。
核心价值：打破“只读不发”的瓶颈。既然消化了论文，就顺手将其转化为可传播的视觉卡片。
依赖提示：需确保链路中各节点（paper/card）环境配置通畅。
9. ljg-card：拒绝 AI 味的视觉工坊
定位：仓库中最具“作品感”的交付工具。
审美红线：禁 Inter 字体、禁纯黑、禁三等分、禁居中 Hero 图、禁 AI 文案腔。
技术细节：实测发现其对 Node 环境路径敏感（需修正绝对路径），但这正体现了作者对“本地运行真实性”的坚持。
产出：将文字直接铸造为高审美的 PNG 视觉资产。
10. ljg-word-flow：词义可视化的流水线
定位：ljg-word + ljg-card 的组合拳。
流程：拆解词义 → 生成信息图。
适用场景：制作英语词源卡片、小红书/公众号知识图文。
11. ljg-skill-map：本地环境的“验真器”
定位：实用的自检工具。
解决痛点：用户往往搞不清本地到底装了什么、哪些可用、哪些冲突。
功能：一键生成 ASCII 技能地图，直观展示当前可用状态。实测显示，即便仓库有13个技能，本地可能仅激活了部分（如 ljg-card），此工具可避免误判。
12. ljg-x-download：社交媒体素材抓取器
定位：X (Twitter) 媒体资源下载工具。
依赖：yt-dlp。
注意：同样存在环境路径依赖问题，需确保 yt-dlp 在 PATH 中或配置绝对路径。
价值：将推文中的高质量素材本地化保存。
13. ljg-travel：深度文化研究的样板间
定位：最具野心的长链路工作流。
流程：城市研究 → 内容提炼 → 文档/卡片生成。
特色：强调历史分层、博物馆重点、人文脉络，拒绝浅层打卡攻略。
意义：展示了如何将“出发前的案头研究”标准化、深度化。
四、核心洞察：三条交织的主线
纵观这 13 个 Skills，你会发现它们不是孤岛，而是三条紧密咬合的主线：
人话化主线 (plain, word, learn, rank, paper)：
目标：将“知道定义”升级为“脑中有画面、有结构”。
判断力主线 (writes, invest)：
目标：让输出不再是信息拼盘，而是带有鲜明观点和声音的判断。
交付力主线 (card, paper-flow, word-flow)：
目标：拒绝认知内耗，将思考直接转化为可传播的资产。
终极价值：这套仓库不是在帮 AI 多做几件事，而是在帮人类将“理解 → 判断 → 表达 → 传播”的全链路固化为可复用的资产。
五、上手建议与避坑指南
谁最适合使用？
-
内容创作者：渴望打通“阅读 - 消化 - 改写 - 制图 - 发布”全流程的人。
-
知识工作者：长期与论文、概念、方法论打交道，需要构建私人知识库的人。
-
Prompt 研究者：即使不安装，仅作为学习“如何设计高质量 Skill”的样板，也极具价值。
谁不适合？
-
追求数量堆砌、无视作者风格的人。
-
希望获得千篇一律、毫无个性的“企业腔”输出的人。
推荐启动顺序
不要试图一次性全部安装。建议按以下路径进阶：
-
入门三件套：
ljg-plain(讲明白) →ljg-paper(读进去) →ljg-card(做出来)。 -
进阶链路：
ljg-word→ljg-word-flow→ljg-paper-flow。 -
高阶探索：
ljg-travel(需完备的环境依赖)。
安装贴士
将仓库地址 https://github.com/lijigang/ljg-skills 喂给 OpenClaw 进行安装。关键一步：安装完成后，务必使用 ljg-skill-map 进行自检，并针对 ljg-card 等涉及本地执行的技能，检查 Node/Python 环境路径，确保“不仅能装，更能跑通”。
结语： 李继刚的这套 ljg-skills，本质上是一个人将其脑回路代码化的产物。它最珍贵的不是那 13 个功能按钮，而是向我们展示了一种可能性：Skill 不仅是自动化命令，更是个人风格、判断力与方法论的外化。