你有没有这种感觉——
工具装了一堆，但每次真正要做一个重要决定的时候，还是不知道从哪儿下手。
想太多，想不清楚。想清楚了，不知道该怎么做。知道该怎么做了，做到一半又开始怀疑自己。
我也一样。直到我把这三个 Skill 装在一起，才发现原来问题不是工具不够多，是一直缺少一套能从"想清楚"到"做清楚"的完整路径。
先说结论
这三个 Skill 分别是：
ljg-skills（ lijigang 作者）——帮你真正想清楚一件事
女娲 nuwa-skill（ huashu 作者）——帮你把别人的智慧变成你随时能用的工具
dbskill（ dontbesilent 作者）——帮你把想清楚的东西落到商业行动上
这三位大神想必我也不需要再做太多介绍了，各自领域顶流人物。
单独用，每个都很强。合在一起，是一套大脑外挂系统——看清楚、想清楚、做清楚。
第一个： ljg-skills
你以为你想清楚了，其实没有
举个场景。
你的产品卖不动，你问 AI "我应该怎么做推广"。
AI 给你出了 5 条建议，你觉得有道理，截图存下来，然后……什么都没变。
问题不是 AI 没给好答案。是你问错了问题。你真正应该问的是：我的产品卖不动，是因为什么？是定价问题？是人群问题？是商业模式根本就搭错了？
ljg-think 就是专门干这件事的。
你给它一句话，它会一层一层往下钻，每次都只问一个问题——"为什么是这样"，不是"还有什么"。
表象之下有机理，机理之下有原理，原理之下有公理。
它会带你从"卖不动"钻到"定价策略"，再钻到"目标用户认知"，再钻到"你到底在卖什么价值"，最后可能落到一个让你沉默几秒钟的地方——你根本没想清楚你的用户是谁。
有失重感。真的会有。
还有两个我每天在用的
ljg-read——伴读工具。你丢给它一篇文章、一本书的 URL ，它不是帮你总结，是陪你走进去，然后在你没注意到的地方给你制造一个问题，让你皱眉头。
那个皱眉头的感觉，才是真正的理解开始的地方。
ljg-roundtable——圆桌讨论。你给一个议题，它召唤 3-5 个真实历史人物来辩论，每个人有立场，有 MBTI ，有为什么选他的理由。选人原则里有一条很关键：至少要有一个"意外视角"，来自这个议题本领域之外的人。
你讨论"要不要做短视频"，结果台上坐着一个进化心理学家，他说的那句话可能比 5 个营销专家加起来更有用。
一个细节值得单独说
ljg 的所有输出都是 org-mode 格式，带时间戳，自动存到本地 ~/Documents/notes/。
这不是技术怪癖，是一种观点：你思考过的东西，应该留下来，成为你自己的档案，而不是消失在聊天框里。
第二个：女娲 nuwa-skill
一个你没想到的问题
你读过多少本书？
认真读完，能用上的，真正改变了你想问题方式的——有几本？
大多数人的答案是：比以为的少很多。
不是因为书不好，是因为读完了，那套思维方式还停留在书里，没有真正装进你的脑子，在你面对真实问题的时候自动运转。
女娲解决的就是这个问题。
它到底做什么
你输入一个人名，或者一个模糊的需求，比如"我总是做决策太慢"。
它启动 6 个 Agent 并行调研这个人或这个问题：
书、长文、论文——找他反复说过哪些东西（出现≥3 次才算真信念）
播客、长视频、深度采访——看他被追问时怎么回答，那时候才是真实的
推文、微博、碎片——看他的表达 DNA ，用词习惯，争议立场
他人分析和批评——外部人怎么看他，这往往比他自己说的更准
重大决策记录——他说的和他做的，一不一样
完整时间线——包括最近 12 个月，防止信息过时
调研完，进入提炼阶段。
每一个心智模型要过三道关：在两个以上不同领域都出现过、能推断他对新问题的态度、不是所有聪明人都这么想。三关全过，才算真正的思维框架。
最关键的部分
生成的 Skill 里有一段"回答工作流"。
这是女娲和其他所有人物 Skill 最不一样的地方——当你问一个需要事实的问题，这个 Skill 不会凭训练语料编造答案，它会先去搜索，再用那个人的思维框架来回答你。
这个区别很大。
一个"芒格 Skill"，如果只是背他说过的话，那是复读机。但如果它能在你问"现在要不要做 AI 工具"的时候，先查当前市场数据，再用激励机制分析、逆向思考、多元思维模型来推导——那才是真正有用的顾问。
女娲生成的是后者。
信息源黑名单
顺带一提，女娲明确把知乎、微信公众号、百度百科列入黑名单，永远不用。
这不是傲慢，是质量控制。二手转述、洗稿严重、无法验证的来源，只会让最终的 Skill 变成垃圾进垃圾出。
第三个： dbskill
99.1% 的商业问题，是问题本身错了
dbs-diagnosis 的开场白只有一句话：
8000+ 人付费问过商业问题，其中只有 0.9% 真正被解答了， 99.1% 是被消解掉的——因为问题本身是错的。
这不是噱头，是一个观察。
你说"我怎么涨粉"，真正的问题可能是商业模式根本不需要粉丝。你说"我要做品牌"，真正的问题可能是你连第一个付费用户还没有。你说"我的内容没人看"，真正的问题可能是你根本没想清楚你在对谁说话。
dbs 是一个路由器，你进来说"帮我看看"，它问你一个问题，然后把你送到最合适的子技能里去处理。
20 个子技能，几个特别值得单说
dbs-slowisfast：慢就是快。
这个 Skill 做的事是帮你找到那些你一直在走捷径的地方——不是让你拖延，是帮你识别，哪些"效率"正在让你越走越慢。
很多时候，我们做不到一件事，不是因为没时间，是因为在用最快的方式做了一件根本不应该用快的事。
dbs-deconstruct：概念拆解。
维特根斯坦说，哲学问题大多数是语言问题。你说"我要做私域"，你真的知道你说的"私域"是什么意思吗？用户关系？还是可以随时触达的资产？还是只是一个微信群？
说不清楚一个词，你做的所有决策都建立在沙子上。
dbs-good-question：好问题生成器。
把你的模糊问题改造成"Agent 可推理、可验证的问题说明书"——也就是说，改造成一个能明确判断"有没有解决"的问题。
这个功能乍看不起眼，用过才知道有多重要。大多数人花在问题上的时间，比花在答案上的少太多了。
dbs-decision：决策系统。
在本地 ~/.dbs/decisions/ 建一个长期档案。每次做重大决策时写下来，之后回填结果，定期复盘——你是不是在重复同一类错误？
dbs-save / dbs-restore：今天诊断到一半，明天接着来，不用重新解释背景。
三个放在一起是这样用的
还是那个场景——你的产品卖不动。
用 ljg-think 纵向下钻，从"卖不动"一路钻到"你的定价逻辑是什么"
用女娲蒸馏一个思维顾问——也许是某个你长期关注的创始人，把他看商业问题的框架直接调出来用。
用 dbs-diagnosis 走完整的商业模式诊断，从 6 条公理层审查你的模式，把那个错误的问题消解掉，找到真正该做的事。
用 dbs-decision 把这次决策存下来，三个月后回来看。
一整套走完，你会发现你的问题变了。不是"我的产品怎么卖出去"，可能变成了"我的定价把我想要的用户挡在了门外"——而这个问题，是有解的。
安装方式
bash
# ljg-skills npx skills add https://github.com/lijigang/ljg-skills --all # nuwa-skill npx skills add https://github.com/alchaincyf/nuwa-skill
# dbskill npx skills add https://github.com/dontbesilent2025/dbskill --all
安装完成后，在 Codex 里输入：
/ljg-think 然后说你想深挖的那个问题
/huashu-nuwa 然后说「蒸馏 XX 」或者直接说你的困惑
/dbs 然后说「帮我看看」
最后，一个故事
有个年轻人走进一片森林，说要找到出路。
他带了三样东西：一把锄头，一本地图，一个指南针。
走了一段，遇到一棵倒树挡路。他掏出锄头，把树一点一点清开——但清到一半，他发现树根扎得很深，不是倒下来的，是从地里长出来的，专门朝路中间长。
他停下来看了看地图。地图上这片区域标着一行字："此处树木向光生长，凡有空隙必有遮蔽。"
他又掏出指南针，看了看方向。往左偏十五度，有一条细路，地图上没画，但指南针告诉他那个方向是出口。
他没有继续砍树。他往左走了十五度，三十分钟后走出了森林。
回来有人问他：那把锄头有没有用？
他说：有用。但如果我只带了锄头，我现在还在砍那棵树。
锄头是 dbskill——帮你在真实的商业问题里落地动手，一铲一铲往前推。
地图是女娲——帮你站在比自己高一层的视角看清楚地形，借用那些走过这片森林的人留下来的认知框架。
指南针是 ljg-skills——帮你在所有工具和方法之前，先把方向想清楚，钻到底，找到那个不会错的方向。
三样东西，缺一个都可能在森林里转圈。
带齐了，出去是早晚的事。
