ThoughtCodec 思维编解码
ThoughtCodec 是一个自包含的 AI Skill 合集入口。它包含 5 个实际可用的子 Skill，用于把抽象意图解压为执行计划、架构、SOP 和代码结构，再把反馈、纠错、日志和重复模式压缩为可复用规则。
什么时候使用
当用户需要完成以下任一任务时，使用 ThoughtCodec：
- 将业务想法、产品机制、工作流或系统需求转化为可执行结构。
- 将宏观目标转化为带里程碑、交付物、负责人和检查点的 SOP。
- 将重复反馈、纠错、审阅意见或对话轨迹沉淀为长期可用的提示词规则。
- 将重复、混乱或过度定制的代码转化为可复用组件、清晰接口和工程规则。
- 构建个人 AI 工作系统，让计划、执行、审核和规则更新形成闭环。
实际 Skill 文件清单
本压缩包同时保留以下实际文件，供平台、用户或人工审核直接查找：
skills/architecture-scaffolding/SKILL.md
skills/architecture-scaffolding/SKILL.zh-CN.md
skills/sop-instantiation/SKILL.md
skills/sop-instantiation/SKILL.zh-CN.md
skills/rule-prompt-optimizer/SKILL.md
skills/rule-prompt-optimizer/SKILL.zh-CN.md
skills/code-abstraction-encapsulation/SKILL.md
skills/code-abstraction-encapsulation/SKILL.zh-CN.md
skills/personal-methodology-engine/SKILL.md
skills/personal-methodology-engine/SKILL.zh-CN.md
如果使用环境只读取根 SKILL.md，直接使用下方内嵌内容即可，不需要额外打开子目录。
选择子 Skill
- 需要从想法生成架构、数据模型、API 和工程脚手架：使用
architecture-scaffolding。 - 需要从目标生成 SOP、里程碑、风险控制和复盘记录：使用
sop-instantiation。 - 需要从反馈、纠错和对话记录生成可复用规则：使用
rule-prompt-optimizer。 - 需要从重复代码或混乱脚本抽象组件和工程规则：使用
code-abstraction-encapsulation。 - 需要建立长期个人 AI 工作方法论：使用
personal-methodology-engine。
通用输入
使用任一子 Skill 前，尽量收集：
- 目标、背景和成功标准。
- 已知约束，例如时间、技术栈、隐私、安全、预算或平台要求。
- 可用材料，例如需求、代码、文档、对话记录、反馈或现有流程。
- 期望输出形态，例如架构图、SOP、JSON 规则、接口设计、实施计划或维护策略。
通用工作流
- 判断任务属于解压、压缩还是闭环：
- 解压：从高密度意图展开为可执行结构。
- 压缩：从重复经验提取可复用规则。
- 闭环：把计划、执行、审核和规则更新连接成长期系统。 - 选择最匹配的子 Skill。
- 按对应子 Skill 的输入要求补充材料。
- 生成结构化输出。
- 对输出进行人工审核。
- 将有效反馈继续压缩为规则、清单或 Skill 更新。
子 Skill 1：架构级脚手架生成器
触发场景
当用户有一个业务想法、产品机制、工作流或系统需求，并希望将其解压为工程可执行结构时，使用本 Skill。
适合场景：
- 一个产品功能需要模块、实体、API 和实施阶段。
- 一套业务规则需要数据库模型和服务边界。
- 一个模糊系统想法需要先形成清晰架构，再进入编码。
输入
- 业务目标和目标用户。
- 核心规则、状态和事件。
- 必要输入、输出和外部集成。
- 预算、技术栈、隐私、合规或部署目标等约束。
- 期望输出格式：Mermaid、文件树、API 规范、SQL Schema、任务计划，或全部输出。
工作流程
- 用一句话重述系统目标。
- 提取领域实体、状态流转和核心业务规则。
- 强制区分计算与表现：
- 计算：业务逻辑、数据状态、校验、API 行为。
- 表现：UI 布局、报告形态、文案、图表或渲染视图。 - 输出高层架构图。
- 定义模块、职责和边界。
- 定义数据模型和 API 契约。
- 如需要编码，生成实施脚手架或仓库目录树。
- 补充校验清单和开放问题。
输出约定
按以下顺序输出：
系统摘要假设架构图领域模型模块边界API 契约实施脚手架校验清单开放问题
边界
- 不编造没有依据的业务需求。
- 不把渲染逻辑混入核心计算。
- 架构边界稳定前，不直接生成生产代码。
- 示例中不得暴露密钥、私人数据或专有材料。
子 Skill 2：标准作业程序实例化引擎
触发场景
当用户有目标但缺少执行路径时，使用本 Skill。它会把战略意图转化为可以执行、审核和迭代的标准作业程序。
适合场景：
- 规划发布、招聘、研究流程、内容流水线或运营例行工作。
- 将宽泛指令转化为分阶段工作。
- 将个人工作习惯整理为可复用操作手册。
输入
- 目标和截止时间。
- 可用人员、工具和数据。
- 必要交付物。
- 质量标准和失败条件。
- 已知约束和依赖关系。
工作流程
- 明确目标，并定义完成标准。
- 将目标拆分为阶段。
- 为每个阶段定义输入、动作、输出、负责人和验收检查。
- 标记可能分叉的决策点。
- 增加风险控制和恢复步骤。
- 将流程转化为清单或可排期计划。
- 增加复盘环节，用于把经验压缩成未来规则。
输出约定
返回：
目标范围里程碑计划SOP 表格决策点风险控制复盘与压缩记录
边界
- 不把不确定假设写成固定指令。
- 不跳过验证步骤。
- 未经用户确认，不分配真实人员。
- 未经明确要求，不创建外部日历、消息或任务。
子 Skill 3：规则与提示词迭代器
触发场景
当用户反复纠正 AI 系统、手动调整输出，或希望把对话历史转化为可复用指令时，使用本 Skill。
适合场景：
- 将审阅反馈转化为系统提示词规则。
- 在多次失败后更新某个 Skill。
- 从最终定稿中提取风格、结构或决策规则。
输入
- 来源材料：对话、审阅记录、diff、日志或最终采纳版本。
- 观察到的失败或重复模式。
- 人工纠正内容。
- 复用目标：提示词规则、Skill 段落、清单或策略。
- 适用范围：单项目、单领域或全局规则。
工作流程
- 识别重复模式。
- 区分局部偏好和通用规则。
- 提取最小可复用指令。
- 将规则归入一个层级：
- L1 表现层
- L2 应用层
- L3 逻辑层
- L4 底层协议 - 增加证据和反例。
- 生成草稿补丁，而不是立刻覆盖主规则。
- 在合并前定义回归检查。
输出约定
返回：
{
"rule_id": "简短稳定的规则 ID",
"layer": "L1_Presentation | L2_Application | L3_Logic | L4_Base_Protocol",
"instruction": "可复用指令",
"evidence": ["支持该规则的证据"],
"limits": ["该规则不应适用的范围"],
"regression_checks": ["合并前检查"],
"patch_target": "需要更新的文件或 Skill 段落"
}
边界
- 不因一次纠错就生成全局规则。
- 不保存私人、敏感或专有示例。
- 未经明确审核，不更新 L3 或 L4 规则。
- 当干净规则足够时，不保留嘈杂对话原文。
子 Skill 4：代码与组件重构器
触发场景
当代码、脚本或自动化流程中出现可复用的重复模式，需要沉淀为模块、工具函数或规则时，使用本 Skill。
适合场景：
- 多个函数做了几乎相同的事情。
- 一个脚本混杂了数据处理、打印、渲染和副作用。
- Bug 修复暴露出可复用的防御性模式。
- 一次性代码应升级为库级组件。
输入
- 源文件或代码片段。
- 不允许改变的既有行为。
- 重复模式或痛点。
- 运行环境、语言、框架和测试约束。
- 目标形态：工具函数、类、包、hook、API、CLI 或 Skill 规则。
工作流程
- 先检查现有代码，再提出抽象。
- 识别重复、边界不稳、硬编码和副作用。
- 通过测试或明确验证步骤保护既有行为。
- 强制区分计算与表现：
- 核心逻辑应返回数据。
- UI、日志、打印和渲染应留在核心逻辑之外。 - 提取最小可用的复用单元。
- 只有在风险清楚时才替换调用点。
- 记录接口、示例和边界。
- 将可复用工程经验压缩为未来规则。
输出约定
返回：
观察到的模式抽象候选行为保护计划建议接口实施步骤测试或验证可复用规则
边界
- 不因为两个片段看起来相似就强行抽象。
- 没有测试或明确验证前，不改变行为。
- 不把重要领域差异隐藏进过度通用的 helper。
- 抽取组件时不得混合计算与表现。
子 Skill 5：个人方法论引擎
触发场景
当用户想要的是长期可运行的个人工作系统，而不是一次性提示词、文档或代码修改时，使用本 Skill。
适合场景：
- 将个人工作流转化为可复用 AI 操作系统。
- 组合计划、执行、审核和规则更新。
- 长期维护某个项目或个人专属 Skill 库。
输入
- 用户反复出现的目标和工作领域。
- 现有 Skill、规则、提示词、文档或项目约定。
- 被采纳与被拒绝的工作样例。
- 反馈历史和纠错模式。
- 风险边界：隐私、安全、不可逆操作和适用范围。
工作流程
- 定义方法论适用范围。
- 将现有 Skill 映射为解压、压缩或闭环角色。
- 建立四层规则模型：
- L1 表现层
- L2 应用层
- L3 逻辑层
- L4 底层协议 - 定义运行闭环：
- 任务输入
- 解压
- 执行
- 结果采集
- 压缩门
- 回归检查
- 合并或回滚 - 创建规则更新标准。
- 定义需要人工确认的节点。
- 输出维护计划和版本规则。
输出约定
返回：
方法论范围Skill 地图四层规则模型智能体闭环更新策略人工确认节点版本与维护计划
边界
- 不把每一次纠错都自动升级为长期规则。
- 不将私人材料写入公开 Skill。
- 未经审核，不更新高层逻辑。
- 不创建无法解释规则来源的系统。
Codex 使用说明
使用本合集时，Codex 应先阅读任务目标并选择子 Skill。若任务涉及本地仓库，应先检查现有文件和 Git 状态，保持修改范围清晰，运行针对性校验，并避免覆盖用户的无关改动。
Claude 使用说明
使用本合集时，Claude 应重点保证推理质量、取舍说明、边界条件、规则抽取和结构化表达。
使用边界
- 不把不确定假设写成固定事实。
- 不把一次性纠错自动升级为长期规则。
- 不保存或公开私人、敏感、专有材料。
- 不在未经用户确认时执行外部发布、提交、删除、付款或权限变更。
- 不在缺少验证的情况下改变生产代码或重要工作流。
版本说明
当前包版本：0.1.2。
本版本修复：
- 根
SKILL.md现在内嵌 5 个子 Skill 的实际可用内容，避免平台只读取根文件时看不到可执行 Skill。 - 包内所有子 Skill frontmatter 已统一为
version: 0.1.2。 decompression-compression.svg版式已修复，避免预览中出现文字、卡片和箭头重叠。
仓库
GitHub: https://github.com/Cottzz/thought-codec
许可证
MIT License
