OPES 超级个体工具箱

要解决什么问题

超级个体在做 offer、团队执行、个人品牌、财富判断、身心表现、行动改变或交易学习时，往往要在多套方法论之间来回切换，还容易把「案例故事」当成「可复制的原则」。opeskill 是 OPES 工具箱的总入口：在七位子专家 skill 与共享中文商业案例库之间做路由、编排和综合判断，输出一条整合建议而不是七段互不相干的摘要。

核心怎么工作

1. 识别域与选路：根据目标、限制与问题领域，读取 references/experts.yaml；路由不确定或跨领域时参考 references/routing-rules.md。默认走最窄但够用的路由——单一领域只选一个子 skill；主域加执行/健康/变现依赖时选两到三个；只有用户明确要求「七人模式 / all seven」才启用全部七位专家。
2. 方法论优先：每个回答必须以已选专家的本地原子库与 知识库/Skill知识包/ 方法说明为主干推理层；商业案例库只用于对标、补充与案例支撑，不能替代专家方法论。
3. 检索与补全：普通请求不默认检索 IMA；仅当用户显式要求 IMA 检索、引用或排错时才走对应知识库，未命中则回退本地 atoms.jsonl。SkillHub 上传包为轻量包；若本地原子库缺失，会自动走 opes-download-atoms workflow 从 GitHub Release 拉取 opes-local.zip，无需反复询问用户。
4. 案例何时介入：当问题涉及中文市场例子、平台选择（如小红书、公众号、私域）、获客转化、变现验证等，会检查并安装共享 $commercial-case-library，按日期优先与关键词命中检索案例，并在文中标注为「商业案例支撑」，区分可复制动作与不可复制条件。
5. 综合输出：按 references/synthesis-rules.md 与 references/output-formats.md 给出直接结论、选用模块及理由、最强依据、行动计划、风险取舍与下一步；专家冲突时保留取舍（例如收入导向与长期杠杆之间的张力）。

边界与注意

• hbs（Huberman）与 rts（Rayner Teo）输出仅作教育信息；健康议题涉及诊断/用药/急症请寻求专业医疗帮助；交易议题避免个性化投资建议或收益承诺。
• 商业部分需区分策略与待验证假设；案例中的收入、GMV、ROI 等默认视为自述，除非有独立验证。
• 本包为 Workbuddy 单入口：只注册根 SKILL.md 对应卡片，子 workflow 在 references/workflows/ 中作参考，勿当作独立技能重复安装。