「把真正能帮你“偷懒”的工作方法，装进你的 AI」
一套可以直接交给 Claude、Codex 等 AI 助手的工作方法。
帮你学习、动手完成任务、整理会议、深度分析，以及在重要结论发布前主动找漏洞。
| 你要解决的问题 | 推荐组合 | 最终得到什么 |
|---|---|---|
| 学新东西 | learn + learning-notes |
从亲手学会，到留下能复习的笔记 |
| 跟着 AI 办事 | code-teach + daily |
一步步做完，第二天还能接着干 |
| 看懂复杂材料 | essence-extractor + adversarial-review |
抓住核心，再检查结论靠不靠谱 |
| 调研产品、公司或技术方向 | research |
一份有一手来源、结论先行的中文调研报告 |
| 开会与沟通 | meeting-notes + meeting-review |
整理会议，同时提升自己的表达 |
🚀 零基础用法 · 🧰 九个 Skills · 🧩 推荐组合 · 📦 安装 · 🔒 隐私说明
不会命令行？没装过任何工具？没关系。 直接下载完整工具包，再把需要的 SKILL.md 发给 AI。
Skill 可以理解成一份“给 AI 看的工作说明书”。你不需要读懂里面的技术内容，只需要把文件交给 AI。
👉 点击这里下载 fate-workskills 完整 ZIP 工具包
下载完成后双击解压，打开 fate-workskills-main/skills/，里面就是九个工具文件夹。
当前仓库是 Private，暂时只有获得仓库权限的 GitHub 账号能下载；将来改为 Public 后，粉丝无需登录即可使用这个按钮。
| 我现在想…… | 点这里打开 |
|---|---|
| 学会一个概念，而不是只拿答案 | learn |
| 亲手敲命令把事情做完 | code-teach |
| 把刚完成的学习整理成复习笔记 | learning-notes |
| 找回昨天做到一半的任务（需要本地安装） | daily |
| 检查论文、实验或技术结论有没有硬伤 | adversarial-review |
| 看懂一个复杂项目真正值钱的地方 | essence-extractor |
| 调研产品、公司、赛道或技术方向 | research |
| 把混乱的会议转写整理成纪要和待办 | meeting-notes |
| 复盘自己在会议里哪里说得好、哪里要改 | meeting-review |
每个文件夹里都有一个 SKILL.md，这就是要交给 AI 的文件。上表中的蓝色名称也可以直接在线查看。
打开 Claude、Codex 或其他支持附件的 AI 对话，把选好的 SKILL.md 拖进对话框，然后直接说你的需求。例如：
按这套方法教我理解 Git 分支。我是第一次学，一次只讲一步。
按这套方法整理下面的会议转写，任何不确定的人名和数字都标成存疑。
就这样。没有附件上传功能时，再打开对应的 SKILL.md，点击 Raw（原始文件） 后复制全文粘贴。除 daily 外，其他 skill 临时使用都不需要安装；daily 需要读取本机对话记录，因此必须按后面的安装方法使用。
可以把常用的 SKILL.md 放进 AI 产品的项目说明、Project instructions 或自定义指令区域。不同产品的入口名称可能不同，但原理一样：设置一次，以后在该项目中新建对话时继续沿用。
AI 每次只讲一个小概念，随后停下来让你亲手操作或回答检查题。你没有完成当前检查点，它不会假装你已经会了然后继续往下讲。
适合： 学编程、统计、AI 工具、软件配置，以及任何“我不只想要答案”的场景。
它会解释命令是什么缩写、每个参数什么意思、会改本地还是远端，以及成功后应该看到什么。一次只给一小步，你贴回结果后再继续。
适合： 推送 GitHub、安装环境、运行项目、修改配置。
它会保留你亲手做过的操作、卡点、纠正过程和复习题，同时区分哪些事情是你完成的、哪些是 AI 代劳的。
适合： 下课总结、学习复盘、建立个人知识库。
它从本地对话记录和文件证据中恢复某一天的进展，分成“已完成 / 做到一半 / 待做”，重点告诉你下一步从哪里接上。
适合： 同时处理很多任务、隔天忘记做到哪里、准备每日或每周回顾。
它保留两条最有记忆点的核心：铁律“独立视角”，以及逐条必过的**“九宗罪”清单**。它不负责夸，而是检查循环论证、提示泄题、样本量不足、混杂变量、代码与宣称不一致，以及数字是否能从原始记录重新算出来。
适合： 论文、实验报告、技术博客、产品能力说明和对外汇报。
→ 查看 adversarial-review 完整规则 · → 查看虚构脱敏审稿范例
它会追问：“拿走哪几个机制，这个系统就会退化成更普通的东西？”然后用生活化语言、具体场景和 Mermaid 图解释真正的核心闭环。
适合： 看懂复杂仓库、论文、产品、商业模式和系统架构。
→ 查看 essence-extractor 完整规则 · → 查看虚构脱敏提炼范例
一份是保留完整信息的整理版，一份是三分钟总结。人名、数字、日期和承诺没有证据时不会乱猜，行动项缺负责人或截止时间时会明确写“未说明”。
适合： 语音备忘录、飞书/Zoom/Teams 转写、访谈和讨论记录。
它从你的真实发言中找证据，检查是否结论先行、结构清楚、请求明确，并为关键句提供更清晰的重说版本和下次会议准备。
适合： 汇报、面试、跨团队协作、客户沟通和重要讨论。
它默认把问题拆成 2-4 路并行调研，优先核查官方文档、产品页、GitHub、财报和官方博客，再把事实、推断与结论分开写清楚。只有明确要求“轻度调研”时，才缩短流程。
适合： 调研公司、产品、竞品、赛道、商业模式和技术方向。
flowchart LR
A["开始学习"] --> B["learn：动手学"]
B --> C["learning-notes：留下复习笔记"]
D["需要亲手完成任务"] --> E["code-teach：逐步执行"]
E --> F["daily：隔天继续"]
G["拿到复杂材料"] --> H["essence-extractor：抓核心"]
H --> I["adversarial-review：查证据漏洞"]
J["会议结束"] --> K["meeting-notes：整理内容"]
K --> L["meeting-review：复盘表达"]
M["需要做调研"] --> N["research：查来源并形成判断"]
最常用的四组搭配：
- 学习闭环：
learn→learning-notes - 动手办事：
code-teach→daily - 深度分析：
essence-extractor→adversarial-review - 会议提升：
meeting-notes→meeting-review - 深度调研：
research
这些工具不会强制捆绑。只装一个、只复制一个，也可以独立使用。
- Skill 是写给 AI 的工作说明书，不是能够独立运行的手机 App。
- AI 仍然可能理解错误或遗漏证据。涉及重要决策时，请检查原始文件、数字和引用。
daily和会议类工具可能读取私人材料。使用前先确认数据范围，不要把密钥、银行卡、住址或无关隐私发给 AI。- 默认不要覆盖原始记录和历史版本；重要产出应创建新文件或新版本。
- 本仓库不包含任何个人对话、公司材料、固定机器路径或真实凭据。
上面的“复制粘贴”适合偶尔使用。经常使用时，可以正式安装到支持 Agent Skills 的 AI agent。
把下面这句话发给你正在使用的 Claude Code、Codex、Cursor 或其他 agent：
帮我安装这个仓库里的 skills：
https://github.com/destiny520537work-lab/fate-workskills
npx skills add destiny520537work-lab/fate-workskills如果仓库仍是私有状态，需要先让当前电脑拥有该 GitHub 仓库的访问权限。
先克隆仓库，再把 skills/ 下需要的目录复制到对应 runtime 的 skills 目录：
| Runtime | 常见目录 |
|---|---|
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ |
| Cursor | ~/.cursor/skills/ |
| 其他 runtime | 查看该产品的 Agent Skills 文档 |
复制前先检查同名 skill，避免覆盖自己的定制版本。
fate-workskills/
├── README.md
└── skills/
├── adversarial-review/ # 对抗审稿 + 虚构脱敏范例
├── code-teach/ # 命令行陪跑
├── daily/ # 每日进展恢复
├── essence-extractor/ # 核心机制提炼 + 虚构脱敏范例
├── learn/ # 动手学习
├── learning-notes/ # 学习复盘笔记
├── meeting-notes/ # 会议纪要整理
├── meeting-review/ # 会议表达复盘
└── research/ # 一手来源深度调研
每个目录的核心文件都是 SKILL.md。agents/openai.yaml 提供 Codex 的显示信息；daily 脚本用于读取本机 Claude Code 的 JSONL 对话记录，内容不会由脚本主动上传。
- 不要提交
.env、API key、token、密码、私钥、对话导出或原始会议材料。 - 需要匿名化时，使用一致的角色标签，例如“负责人 A”“客户 B”。
- 使用
daily前检查输出；写入长期笔记时只保留与任务接续直接有关的信息。 - 公开分享自己的改版前，重新检查 Git 历史和当前文件，而不只是搜索最新 README。
九个 skill 均应通过 Codex skill-creator 的结构校验：
for skill in skills/*; do
python3 /path/to/skill-creator/scripts/quick_validate.py "$skill"
donedaily 依赖 bash、python3、jq、perl 和 awk。修改脚本后，还应使用不含隐私的临时 JSONL 测试时区边界和消息过滤。
给 AI 一套清楚的方法，比反复提醒“认真一点”更有用。