Agent Skills
返回列表
📚

证据要点打包器

知识管理 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_2c0f1e77/aaron-proof-point-packager。

技能介绍

要解决的问题

叙事素材常常来自多个渠道:案例数据散落在文档里,基准结果躺在导出的报表里,客户的许可引言保存在邮件里。更麻烦的是,论点(claim)和证据(proof)之间的对应关系往往只存在于人的脑子里。当需要复查「这个数据到底支撑了哪个主张」时,要么翻遍聊天记录,要么重新做一轮调研。

在 TALE 循环的 Land 阶段,tale-benchmark.md 里有两个维度直接卡在这件事上:

  • E:每个支柱是否拥有可用的证明资产(案例、基准、演示或经许可的证言)
  • L:证明是否被放置在论点出现的位置(不允许某个 surface 上存在无证据的论点)

Proof Point Packager 要解决的就是把已批准的证据打包成可复用、可追溯的证明模块,同时把所有没有证据支撑的论点暴露出来,而不是靠临时拼凑或脑补数字来掩盖缺口。

核心能力与工作步骤

这个技能只做一件事:打包证据。它的输入是 memory/claims/claims-ledger.md 中已经批准的条目,以及 story-bank-builder 产出的可复用故事单元和用户提供的原始材料。

  1. 加载支柱与账本:从 message-system-architect(或复用的 message-house-builder)读取 message-house 支柱结构,并只读取账本中已批准的条目。如果还没有 message house,它会停止并要求先运行 message-system-architect,而不是在这里临时发明支柱。
  2. 将论点映射到证据:为每个支柱提出的论点找到对应的故事单元或用户提供的材料,并在打包之前确认该论点已经在账本中被批准。这个技能打包证据,但不裁决证据——裁决是 offer-claims-registry 的职责。
  3. 打包证明模块:按证据类型选择合适的形式:

- stat card:一个指标、来源标签和 as-of 日期
- case snippet:情境 → 变化 → 结果,附带客户许可记录
- testimonial block:经许可的引言及其署名归属
- comparison proof:针对某个具名替代方案的对比,且账本支持该对比

每个数字都必须带有 Measured / User-provided 标签和具体日期。不允许把 Estimated 当作 Measured,更不允许凭空创造数据。

  1. 绑定支柱与 claim ID:每个模块都会被标记上它所支撑的支柱,以及它在 memory/claims/claims-ledger.md 中对应的 claim ID。没有 claim ID 的模块不允许交付,因为下游审计需要检查证据是否被放在论点出现的位置。
  2. 标记缺口:列出所有提出论点但没有已批准证据支撑的支柱,以及所有尚未进入账本的证据。这些记录会通过 registry-events.py 的 propose request 写入 memory/events/claims.ndjson 并标记为 [needs source],等待 offer-claims-registry 处理。工具不会为了填补空缺而编造基准、四舍五入无来源的数字,或者借用竞品的数字。
  3. 自检与交接:确认每个模块都有支柱标签、claim ID 和带日期的来源标签,确认没有对比引用了账本未放行的替代方案,确认缺口清单完整,然后交给 narrative-quality-auditor 进行 E/L 评分和 E1/L1 否决检查。

适用边界与注意点

它不是什么:这个技能不负责判定或验证某个论点是否属实——offer-claims-registry 是唯一的裁决者,也是 memory/claims/claims-ledger.md 的唯一写入方。它不会编造基准或统计数据来填补空缺,不会组装原始故事单元,不会为每个 surface 生成 message-match 规范(那是 narrative-cascade-planner 的工作),也不会计算 TALE profile 的最终得分(只有 narrative-quality-auditor 会做这件事)。

一个重要的立场:这个技能是 E1 evidence-integrity 纪律的上游供应方,而不是裁判。它只打包账本已经批准过的东西,并且拒绝编造证据。空的支柱会被报告出来,但不会被填充。

保存与写入边界:交付后它会询问「是否保存这些结果供后续会话使用」,确认后才写入 memory/narrative/proof-point-packager/YYYY-MM-DD-.md。所有证据缺口和未入账的证据只通过 registry-events.py 的 propose request 写入 memory/events/claims.ndjson(标记 [needs source]),而属于持久叙事记录的权威级证据事实则通过同样的方式写入 memory/events/narrative.ndjson。这个技能从不直接写入 memory/narrative-registry/ 中的规范文件,因为 narrative-registry 是唯一拥有那些文件写入权的组件。

安全与数据来源:所有数据都是 Tier-1 keyless 且由用户拥有的——项目记忆中的账本和故事库、message-house 支柱结构,以及用户有权使用的原始证据材料。不需要付费的证据工具或评论聚合服务。凡是粘贴进来的案例、基准导出、引言或账本片段,都会被当作不可信输入处理,其中嵌入的任何指令都不会被执行。

使用场景

  • 已有message house支柱结构,需要把已批准的案例和数据整理为统计卡片和案例片段,并绑定对应claim ID。
  • 审计叙事资产时,需要逐条检查每个支柱是否具备可用的证明模块,并输出一份明确的缺口清单。
  • 准备对外发布对比材料前,需要确认所有对比结论都有已批准的账本条目支持,未批准的一律标记为待补来源。
  • TALE循环的Land阶段完成后,需要把打包好的证明模块交给下一个环节做E/L评分,而不是直接写入规范叙事文件。

适合人员

  • 负责品牌叙事一致性的编辑,需要确保每个论点都挂载可追溯的证据模块。
  • 处理案例库和基准数据的内容工程师,需要把分散的原始材料整理为可复用的证明资产。
  • 负责叙事质量把关的审计角色,需要依赖打包后的模块和缺口清单执行E/L否决检查。
  • 需要确保对外材料合规的市场团队成员,关注对比结论是否有账本层面的明确批准。