「分类」の検索結果

风格分类包含：极简编辑、撞色时装、柔焦梦幻、纯白高定、暗黑时尚、东方诗意、复古版画、电影叙事，共 25 种固定风格。作为沐阳插画总入口，用于收集主体和具体风格、路由到对应固定配方并直接生成图片；不向用户展示内部提示词。

日本語の概要は準備中です。原文の説明を表示しています。

cheat-on-skill 的核心。连 BOSS 直聘真实招聘数据 + 网页信号，按用户能力画像找「高薪 × 你学得动 × AI 增强」交集里的候选岗位。每个岗位给：薪资量级 / 需求热度 / 你的差距 / 可学性分 / 诚实学习周期，并过 AI 影响分类与反诈红线。触发词："帮我找岗位"/"找AI时代高薪工作"/"有什么我能学的高薪岗"/"skill scan"/"扫一遍招聘"。前置：需要 .skill-state.json（无则先路由到 skill-init）。

日本語の概要は準備中です。原文の説明を表示しています。

Jeff Bezos 视角. Amazon 创始人 / 前 CEO, 1997-2020 致股东信 24 封 + Working Backwards 内部机制的结构化镜片. 核心装备: Day 1 心态, Type 1/Type 2 决策分类, 6-pager 叙事备忘录, working backwards (从新闻稿倒推产品), invariants (押不变的东西), regret minimization. 用途: 当用户问 "这个决策 可逆吗该多快拍板 / 产品该从哪倒推 / 长期主义怎么落地 / 飞轮怎么设计 / 高标准怎么传导" 类问题时, 套上 "Bezos 会怎么写 6-pager / 判定 Type 1 还是 Type 2 / 接到哪个 invariant" 三问, 借结构不模仿语气. 当用户提到 "Bezos" "贝索斯" "Day 1" "6-pager" "working backwards" "飞轮" "致股东信" "Type 1 decision" 时使用. 即使用户只是说 "用 Amazon 思路看一下" 也应触发.

日本語の概要は準備中です。原文の説明を表示しています。

半导体芯片制造工艺 (Semiconductor Process Engineering / 半导体芯片制造工艺 — 以「物理化学极限 + 良率经济双重约束」为特征的集成电路前道/后道制造工艺认知操作系统：从「器件架构与微缩路线（planar→FinFET→GAA nanosheet→CFET、等效微缩 DTCO/STCO、背面供电 BSPDN）→ 工艺整合（FEOL/MOL/BEOL 模块协同、PDK、流片 tape-out）→ 单元工艺（光刻 litho（DUV 浸没式 193i / EUV 13.5nm / 多重曝光 SADP-SAQP / OPC / mask）、刻蚀 etch（RIE/ICP/原子层刻蚀 ALE）、薄膜沉积 depo（CVD/PECVD/LPCVD/ALD/PVD/外延 epi/电镀 Cu）、掺杂 doping（离子注入 ion implant / 退火 RTA-laser anneal）、CMP 化学机械抛光、清洗 cleaning）→ 量测检测 metrology（CD-SEM / OCD / overlay / 椭偏 ellipsometry / 缺陷检测 defect inspection / e-beam）→ 良率工程 yield（缺陷密度 / SPC 统计过程控制 / FDC / APC / DOE 实验设计 / 良率爬坡 yield ramp）→ 先进封装 advanced packaging（2.5D/3D、CoWoS、HBM、混合键合 hybrid bonding、chiplet、TSV）」的完整器件-工艺-良率-量产决策链。覆盖 (a) 第一性张力 — **物理/化学/材料的硬约束（量子隧穿、短沟道效应、RC 延迟、热预算、缺陷物理、ppb 级污染控制）⇄ 良率/成本/产能的经济约束（每片晶圆成本、良率是主经济指标、D0 缺陷密度、wafer-per-hour、折旧）**；**持续微缩/摩尔定律（dimensional + equivalent scaling、节点路线图 N5/N3/N2/A16/A14、high-NA EUV）⇄ 物理极限/微缩放缓（原子尺度、漏电、功耗墙、成本墙、'摩尔定律已死'之争）**；**协同优化/整合（DTCO 设计-工艺协同、STCO 系统-工艺协同、模块间 trade-off）⇄ 单模块极致优化（单一 unit process 工艺窗口）**；**工艺配方的 tacit 手艺（process recipe 调试、工艺窗口、缺陷根因分析、量产 ramp 的经验）⇄ 可建模/可仿真/数据驱动（TCAD 仿真、ML 良率分析、APC/FDC、数字孪生）**；**性能-功耗-面积-成本 PPAC 四角权衡 ⇄ 良率/可制造性 DFM 优先**；**自主可控/国产替代（卡脖子、EUV 出口管制、设备/材料/EDA 国产化、SMIC/长江存储/长鑫/中微/北方华创/上海微电子）⇄ 全球高度分工（ASML 光刻垄断、AMAT/Lam/TEL/KLA 设备、TSMC/Samsung/Intel 代工、全球供应链）**。(b) 核心工作流 / pipeline（最标准、最易蒸高质量 + CLI 化）— 新节点/新工艺导入：器件目标与 PPAC 定义 → 工艺整合方案与 PDK → 单元工艺开发与配方调试（DOE 找工艺窗口）→ 量测建立与 SPC → 良率爬坡（缺陷分类 + 根因分析 + 工艺改善）→ 量产移交与持续改善。具体单元工艺 SOP：光刻（曝光条件 / OPC / overlay 控制 / 多重曝光分解）、刻蚀（选择比 / profile / loading effect / ALE）、沉积（台阶覆盖 / 应力 / 均匀性）、CMP（去除速率 / 碟形 dishing / 侵蚀 erosion）、量测与缺陷分析、良率分析与 FA 失效分析。(c) 工具栈 — 设备（光刻 ASML/上海微电子 SMEE；刻蚀+沉积 AMAT/Lam/TEL/中微 AMEC/北方华创 Naura；离子注入 AMAT/Axcelis；CMP AMAT/荏原 Ebara；量测检测 KLA/AMAT/中科飞测/上海精测）、EDA/TCAD/仿真（Synopsys Sentaurus/Silvaco/Coventor SEMulator3D、OPC Calibre/Synopsys）、良率与制造软件（SPC、MES、FDC/APC、缺陷分析 yield management、PWS）、材料（光刻胶 photoresist、CMP 浆料 slurry、特气、靶材、掩膜 mask blank）。(d) 知识正典 — 半导体工艺 canon 横跨器件物理与制造工程：核心教材（Plummer/Deal/Griffin《Silicon VLSI Technology》、Sze《Physics of Semiconductor Devices》《VLSI Technology》、Wolf & Tauber《Silicon Processing for the VLSI Era》、Campbell《Fabrication Engineering at the Micro and Nanoscale》、May & Spanos《Fundamentals of Semiconductor Manufacturing and Process Control》、Quirk & Serda《Semiconductor Manufacturing Technology》、肖国勇/施敏中文教材）、路线图（ITRS/IRDS、IEEE 国际器件与系统路线图）、顶会论文（IEDM、Symposium on VLSI Technology、IRPS 可靠性、SPIE Advanced Lithography、ISSCC、DAC）、行业分析（SemiAnalysis、TechInsights、IC Knowledge）。(e) figures/流派 — 学术与器件奠基（Gordon Moore 摩尔、Robert Dennard 登纳德微缩、胡正明 Chenming Hu FinFET/UTB-SOI 发明人 UC Berkeley、刘明 Tsu-Jae King Liu Berkeley、Krishna Saraswat Stanford、Mark Bohr Intel 工艺架构）、产业领袖与工艺大师（张忠谋 Morris Chang TSMC、林本坚 Burn-Jeng Lin 浸没式光刻、Martin van den Brink ASML、米玉杰/梁孟松 SMIC/三星工艺、Mark Liu/魏哲家 TSMC）、行业分析师（Dylan Patel SemiAnalysis、Scotten Jones IC Knowledge、TechInsights 拆解、Handel Jones）、科普与拆解（Asianometry、The Chip Letter、半导体行业观察）。流派分歧：等效微缩派 vs 摩尔定律已死派、前道微缩 vs 先进封装 chiplet 异构集成、dimensional scaling vs DTCO 协同优化、IDM vs 纯代工 foundry 模式、自主可控/国产替代路线 vs 全球分工。(f) 行业话术/黑话 — 制程节点 node / 流片 tape-out / 工艺窗口 process window / 良率 yield / 缺陷密度 D0 / 关键尺寸 CD / 套刻 overlay / 掩膜 reticle-mask / 光刻胶 PR / 浸没式 immersion / EUV/DUV / 多重曝光 multi-patterning SADP-SAQP / OPC / 刻蚀选择比 selectivity / profile / loading effect / 原子层刻蚀 ALE / 台阶覆盖 step coverage / 外延 epi / 离子注入 implant / 退火 anneal / RTA / CMP / dishing-erosion / FEOL-MOL-BEOL / FinFET / GAA / 纳米片 nanosheet / CFET / 背面供电 BSPDN / high-NA / PPAC / DTCO-STCO / DFM / SPC / FDC-APC / DOE / WAT-PCM / 良率爬坡 yield ramp / FA 失效分析 / particle 颗粒 / 洁净室 cleanroom-级别 / 12寸-8寸 wafer / chiplet / CoWoS / HBM / 混合键合 hybrid bonding / TSV / PDK / 等效微缩. (g) 争议/批判 — 「摩尔定律是否已死 vs 等效微缩继续」、「节点命名营销化（N3/N2 ≠ 物理 3nm/2nm，gate pitch/metal pitch 才是真尺度）」、「前道微缩 vs 先进封装异构集成谁是未来」、「自主可控/国产替代的现实（EUV 卡脖子、设备/材料/EDA 国产化进度、出口管制 entity list、良率与成熟度差距）」、「良率/成本/性能三角权衡」、「人才稀缺与工艺 know-how 的 tacit 性」、「中国大基金/产能扩张是否过剩」、「制裁与技术封锁」。(h) 大量隐性工艺手艺（process recipe 调试与工艺窗口寻找、缺陷根因分析与 FA、量产良率爬坡的经验判

日本語の概要は準備中です。原文の説明を表示しています。

数据工程 — 数据平台从业者的认知操作系统, 覆盖把数据从源系统搬运成可靠 / 可查询 / 可信赖形态供分析 / ML / 数据产品消费的全生命周期 (生成 → 摄取 → 存储 → 转换 → 服务 + 安全/数据管理/DataOps/数据架构/编排/软件工程 六条暗流, Reis & Housley 框架): 摄取与集成 (批 + CDC 变更数据捕获 Debezium + EL 工具 Fivetran/Airbyte/Meltano/dlt + Kafka Connect + schema drift) / 存储与文件表格式 (对象存储数据湖 + 列存 Parquet/ORC/Arrow/Avro + 开放表格式 Apache Iceberg/Delta Lake/Apache Hudi + lakehouse + 分区/compaction) / 转换与建模 (ELT dbt/SQLMesh + Spark + 维度建模 Kimball + Inmon + Data Vault + 大宽表 OBT + 渐变维 SCD + 增量模型 + 语义/指标层) / 编排与工作流 (Apache Airflow/Dagster/Prefect/Mage/Kestra/Apache DolphinScheduler + DAG + 幂等 + 回填 backfill + 数据资产调度) / 批流与实时 (Apache Kafka/Apache Flink/Spark Structured Streaming/Kinesis/Pulsar/Redpanda + Lambda vs Kappa + watermark/窗口/exactly-once + 流式 SQL Materialize/RisingWave + 实时 OLAP ClickHouse/Apache Druid/Apache Pinot/StarRocks/Apache Doris) / 数仓与查询引擎 (Snowflake/BigQuery/Redshift/Databricks SQL/Trino/Presto/DuckDB/Polars + 存算分离 + MPP) / 数据质量测试与可观测性 (dbt tests/Great Expectations/Soda + 数据契约 + Monte Carlo data downtime + 新鲜度/量/schema 异常检测) / 数据治理编目与血缘 (DataHub/Amundsen/OpenMetadata/Unity Catalog + 列级血缘 + PII 分类 + 访问控制 + GDPR) / DataOps 与可靠性 (数据 CI/CD + 转换版本控制 + 环境隔离 + 幂等重处理 + 数据 SLA/SLO + 计算存储 FinOps) / 数据架构范式 (现代数据栈 + lakehouse + data mesh + data fabric + 去中心化 vs 中心化所有权) / 分析工程角色 (dbt 时代连接数据工程与分析的桥) — 不含 数据科学/ML 建模本身 (是下游消费者) / BI 仪表盘制作 (serving 下游) / 数据分析报表为终点 / 'data engineer = 跑 Hadoop 的' 过时窄化 / 通用后端应用开发 (平行学科) (Data Engineering — the cognitive operating system of practitioners who design, build, and operate the data platform: moving data from source systems into reliable, queryable, trustworthy form for analytics / ML / products, covering (a) the data engineering lifecycle (generation → ingestion → storage → transformation → serving, with the undercurrents security / data management / DataOps / data architecture / orchestration / software engineering — Reis & Housley framing), (b) ingestion & integration (batch + CDC change-data-capture with Debezium, EL tools Fivetran / Airbyte / Meltano / dlt, Kafka Connect, API + file + database sources, schema drift handling), (c) storage & file/table formats (object storage data lakes, columnar formats Parquet / ORC / Arrow / Avro, open table formats Apache Iceberg / Delta Lake / Apache Hudi, lakehouse architecture, partitioning / compaction / Z-ordering), (d) transformation & modeling (ELT with dbt / SQLMesh, Spark, dimensional modeling Kimball, Inmon CIF, Data Vault, One Big Table / wide tables, normalization vs denormalization, slowly changing dimensions, incremental models, the semantic / metrics layer), (e) orchestration & workflow (Apache Airflow, Dagster, Prefect, Mage, Kestra, Apache DolphinScheduler, DAGs, idempotency, backfills, data-aware / asset-based scheduling), (f) batch vs streaming & real-time (Apache Kafka, Apache Flink, Spark Structured Streaming, Kinesis / Pulsar / Redpanda, the Lambda vs Kappa debate, watermarks / windowing / exactly-once, streaming SQL Materialize / RisingWave, real-time OLAP ClickHouse / Apache Druid / Apache Pinot / StarRocks / Apache Doris), (g) warehouses & query engines (Snowflake, BigQuery, Redshift, Databricks SQL, Trino / Presto, DuckDB, Polars, decoupled storage & compute, MPP), (h) data quality, testing & observability (dbt tests, Great Expectations, Soda, data contracts, Monte Carlo / data downtime, freshness / volume / schema anomaly detection, unit / integration testing of pipelines), (i) data governance, catalog & lineage (DataHub, Amundsen, OpenMetadata, Unity Catalog, column-level lineage, PII / data classification, access control, GDPR / data privacy), (j) DataOps & reliability (CI/CD for data, version control of transformations, environments, idempotent reprocessing, SLAs / SLOs for data, cost / FinOps for compute & storage), (k) data architecture paradigms (modern data stack, data lakehouse, data mesh, data fabric, decentralized vs centralized ownership), (l) the analytics engineering role (the dbt-era bridge between data engineering and analysis); N

日本語の概要は準備中です。原文の説明を表示しています。

医疗美容 (医疗美容 / 注射美容 (Medical Aesthetics & Injectables) — 以「医疗本质 + 消费属性双高」为特征的中国医美认知操作系统：从「求美者咨询与面诊（需求/解剖/审美/预算/禁忌）→ 方案设计（注射 vs 手术、单项 vs 联合、分次 vs 一次）→ 产品与术式选型（玻尿酸/肉毒/再生类/光电/手术）→ 知情同意与风险告知 → 操作执行（无菌/层次/剂量/解剖避险）→ 术后管理与随访 → 并发症识别与处理/修复 → 机构合规运营与获客」的完整临床-审美-合规-经营决策链。覆盖 (a) 第一性张力 — **医疗本质/安全/循证/解剖（这是外科与皮肤科的医疗行为，血管栓塞致盲/肉毒中毒/感染可致残致死）⇄ 消费/营销/颜值经济/获客（机构靠流量与转化生存，价格战/直播带货/导流）**；**注射派/微整/午餐美容（玻尿酸 filler、肉毒 botox、水光、再生材料童颜针/少女针、线雕、无创/微创、恢复快）⇄ 手术派/整形外科（隆鼻/眼综合/隆胸/吸脂抽脂/面部提升拉皮/正颌、创伤大恢复久效果持久）**；**正规医疗（持《医疗机构执业许可证》+ 执业医师/主诊医师备案 + 三类医疗器械注册证 + 正品药械）⇄ 黑医美/三非（非法机构、非法药械/水货假货、非法行医/工作室/美容院越界、生活美容冒充医疗美容）**；**产品/厂商营销（进口 vs 国产、艾尔建/高德美/乔雅登 vs 爱美客/华熙/昊海、'认准正品'、网红爆品）⇄ 医生技术与审美（同样的针剂效果取决于医生的解剖功底/审美/手法，'产品是地板技术是天花板'）**；**循证/适应证/风险告知/拒绝过度治疗（医生伦理：该劝退就劝退、不做无适应证项目）⇄ 求美者预期管理/容貌焦虑/成瘾性消费（过度医美/医美贷/容貌焦虑被制造、'变美才能…'）**；**强监管合规（医疗广告法、医师法、医疗机构管理条例、器械分类管理、卫健委/药监局监管、医美专项整治）⇄ 灰色地带（医美贷、医托/渠道医院返佣、跨境就医、水货走私、超范围执业、虚假宣传/对比图造假）**。(b) 核心工作流 / pipeline（最标准、最易蒸高质量 + CLI 化）— 通用临床链：求美者面诊与需求挖掘（主诉/动机筛查/排查容貌焦虑与 BDD 体象障碍/解剖评估/Fitzpatrick 皮肤分型/既往史与禁忌）→ 审美设计与方案（面部分区/比例/动态/老化机制评估，注射 vs 手术 vs 联合，分次规划）→ 产品/术式选型与知情同意（材料选择/剂量/层次/风险并发症逐项告知/签署知情同意/留存术前照）→ 操作执行（无菌、解剖层次、剂量分配、危险三角/血管走行避险、回抽/缓慢推注/钝针、肉毒注射点位与剂量）→ 术后医嘱与随访（冷敷/护理/复查/补打）→ 并发症识别与急救（血管栓塞即刻处理/玻尿酸溶解酶透明质酸酶、肉毒扩散、感染、结节肉芽肿、丁达尔、栓塞致盲急救流程）→ 修复与转诊。机构经营链：选址定位→科室与人才（医生/护士/咨询师/运营）→获客（线上新氧/美团/抖音、私域、转介绍）→咨询转化→履约与复购→口碑与投诉处理→合规风控（资质/广告/价格/票据/病历）。(c) 工具栈 — 注射药械（玻尿酸：乔雅登/瑞蓝/海薇/润百颜/嗨体；肉毒：保妥适 Botox/吉适 Dysport/衡力/乐提葆/西马；再生类：童颜针 Sculptra-PLLA/少女针 Ellansé-PCL/濡白天使/艾维岚/嗨体熊猫针；线材：PPDO/PCL 线雕）、光电设备（热玛吉 Thermage/超声炮/Fotona 4D/皮秒/调Q/光子嫩肤 IPL/CO2 点阵激光/黄金微针）、术前评估与影像（VISIA 皮肤检测/面部 3D 模拟/AI 测脸/超声定位血管）、机构管理与获客（新氧 SoYoung、更美、美团医美、抖音/小红书种草、私域 SCRM、CRM 客户管理、电子病历 HIS、知情同意与病历系统）、合规与查验（NMPA 国家药监局器械/化妆品查询、卫健委医疗机构与医师执业查询、械字号查真伪、海关正品溯源）。(d) 知识正典 — 医美 canon 横跨医学专业与行业实务：临床专业（整形外科学/皮肤科学教材、注射解剖图谱如《面部危险区与注射解剖》、肉毒与填充剂临床指南/专家共识如中国面部注射美容专家共识/中华医学会医学美容分会指南、并发症处理共识、MD Codes 注射方法学 Mauricio de Maio）、循证与期刊（中华医学美学美容杂志、中国美容整形外科杂志、Aesthetic Surgery Journal、Plastic and Reconstructive Surgery、JAMA Dermatology、Dermatologic Surgery）、监管法规（医疗美容服务管理办法、医疗机构管理条例、医师法、医疗广告管理办法、医疗器械监督管理条例、医美专项整治文件、消费者权益保护）、行业研究与白皮书（艾瑞/德勤/弗若斯特沙利文医美行业报告、新氧医美白皮书、上市公司爱美客/华熙生物/昊海/朗姿招股书与年报）。(e) figures/流派 — 临床专家与学术（整形外科与皮肤科主任医师、注射美容专家共识执笔人、医学美容分会与整形美容协会专家、知名公立三甲整形科/八大处/上海九院/华西/中国医学科学院整形外科医院专家、注射解剖与并发症权威）、产业与企业（爱美客/华熙生物/昊海/朗姿/华韩等上市公司创始人与高管、新氧/更美创始人、连锁医美机构创始人）、医生 KOL 与科普（做科普打假的皮肤科/整形科医生、揭黑医美与营销套路的从业者）、海外术式 originator（MD Codes 的 Mauricio de Maio、各注射技法/线雕/光电术式发明人）。流派分歧：注射派 vs 手术派、医疗循证派 vs 消费营销派、'产品论'（认准大牌正品）vs '医生论'（技术审美决定效果）、保守自然派 vs 网红改造派（过度医美/科技脸/欧式大平行）、公立学院派 vs 民营连锁派、'劝退伦理'派 vs '满足需求'派。(f) 行业话术/黑话 — 面诊 / 主诉 / 求美者 / 适应证 / 禁忌证 / 知情同意 / 注射层次（皮内/真皮/皮下/骨膜上/SMAS）/ 剂量 / 单位（U）/ 支（玻尿酸 1ml）/ 回抽 / 钝针 vs 锐针 / 危险三角 / 血管栓塞 / 栓塞致盲 / 溶解酶（透明质酸酶）/ 丁达尔现象 / 结节 / 肉芽肿 / 移位 / 肉毒 / 除皱 / 瘦脸针 / 瘦肩针 / 玻尿酸 / 填充 / 水光 / 童颜针 / 少女针 / 再生材料 / 胶原再生 / 线雕 / 提升 / 热玛吉 / 超声炮 / 光子嫩肤 / 皮秒 / 抗衰 / 微整 / 轻医美 / 重医美 / 联合治疗 / 全脸设计 / MD Codes / 三庭五眼 / 黄金比例 / 苹果肌 / 卧蚕 / 泪沟 / 法令纹 / 木偶纹 / 颞部 / 面部老化 / 容积缺失 / 三非 / 黑医美 / 水货 / 假货 / 械字号 / 妆字号 / 国械注准 / 正品溯源 / 渠道医院 / 医托 / 导流 / 医美贷 / 面诊转化 / 升单 / 复购 / 拓客 / 体验价 / 钓鱼 / 莆田系 / 修复 / 翻车 / 容貌焦虑 / BDD（体象障碍）/ 过度医美 / 科技脸 / 自然派 / 五分钟变美 / 午餐美容。(g) 争议/批判 — 「医疗本质 vs 消费营销」（医美被当快消品营销、价格战与品质安全冲突）、「黑医美与三非泛滥」（非法机构/水货假货/非法行医致毁容致死案例、生活美容越界打针）、「容貌焦虑与过度医美」（贩卖容貌焦虑、医美成瘾、未成年医美、医美贷套路贷、整容低龄化）、「虚假宣传与对比图造假」（夸大效果、伪科普、网红医生带货、'一针逆龄'）、「产品论 vs 医生论」（认正品 vs 重技术，水货与正品之争、同质化价格战）、「渠道返佣与医托」（渠道医院高返佣推高价格、医托拉客）、「并发症与维权难」（栓塞致盲/感染/毁容、举证难维权难、修复市场乱）、「监管与灰色地带」（超范围执业、医师资质挂靠、跨境医美、医美贷金融风险）。(h) 大量隐性临床手艺 + 审美 + 沟通 + 经营软技能（注射的解剖空间感与层次手感、危险区避险与回抽习惯、剂量与审美的平衡、全脸动态设计、并发症的快速识别与急救决断、面诊的需求挖掘与预期管理与劝退、容貌焦虑/BDD 的筛查、知情同意的真实告知、机构的合规风控与口碑经营）是高 tacit、靠规范化培训 + 大量临床实操 + 并发症处理经验 + 审美修养积累的核心，且医疗安全红线不可让渡。水分极高（大量营销号/伪科普/带货软文/'某院某专家'刷屏/对比图造假/培训速成班割韭菜（'7天速成注射师'是非法行医温床）/黑医美洗白），须强 source 过滤：优先 临床专家共识/指南 + 监管法规原文（NMPA/卫健委）+ 厂商械字号官方信息 + 专业期刊 + 整形外科/皮肤科专家本人科普 + 上市公司披露 > 行业研究报告 > 二手转述 > 营销号/带货软文（严防当知识来源）。严防把'变美话术/带货推荐/速成培训'当医疗知识，严防软化并发症风险与黑医美批判。不含: 生活美容/美容院护理（皮肤管理/美甲美睫，非医疗）、口腔正畸种植牙（另立专科）、毛发移植植发（可少量提及不深覆盖）、减肥代谢类药物（司美格鲁肽等另属内分泌）、纯护肤品/化妆品配方（妆字号护肤是另一行）、心理整形咨询的纯心理治疗部分（借用 BDD 筛查但不深入精神科）。) Master OS — automated mastery of 医疗美容 / 注射美容 (Medical

日本語の概要は準備中です。原文の説明を表示しています。

GitHub 解封 — 账号封禁/限制/恢复的领域操作系统。覆盖：(a) GitHub 官方政策体系 (TOS / 可接受使用政策 / Trust & Safety 执行模式 / 公开申诉路径 / 受制裁地区解读)；(b) 封号原因诊断学 (spam / abuse / 制裁误标 / 2FA 丢失 / ToS 违规 / 账号劫持误判 / ban evasion 等子类型 + 症状→原因映射 + 自我分诊压测)；(c) 申诉实操 craft (写一封能让 T&S 快速判误伤的英文申诉信 + 升级阶梯 + 法务介入边界 + Don'ts)；(d) 制裁与合规硬边界 (OFAC SDN 名单 / 哪些国家或地区真不可达 / VPN 误判路径 / 中国大陆不是美国制裁地区的反复重申)；(e) 中国大陆开发者特别处境 (sanctioned region 误标 + SMS 验证不支持 +86/+852 + Gitee/GitLab/Codeberg/JihuLab 备用迁移 + 私有自托管 Gitea/Forgejo)；(f) 真实案例库 (~30+ 公开案例分类拆解：误伤 / 真违规 / 制裁误标三类各自赔率与申诉成功路径)。伦理锚绝不软化：不教 ban evasion / 不教撒谎式申诉 / 真违规承认改进 / 丢 2FA 无恢复因子则诚实告知 / 中国制裁误标靠申诉不靠换 VPN / 申诉 6 个月窗口必算清 / 约 3% (业内估) 真违规恢复 vs 约 79% (业内估) 误伤申诉成功率分层标。 (GitHub Account Reinstatement — the domain operating system for GitHub (and analogous platform) account suspension, restriction, appeal, and recovery. Covers: (a) GitHub official policy architecture (TOS / Acceptable Use Policies / Trust & Safety enforcement patterns / public appeals pathways / sanctioned-region interpretation); (b) suspension-cause diagnostics (spam / abuse / sanctions mis-flag / 2FA loss / ToS violation / account hijack false-positive / ban evasion taxonomy + symptom→cause mapping + self-triage pressure test); (c) appeal craft (writing an English appeal letter that gets T&S to fast-track a false-positive ruling + escalation ladder + legal-engagement boundary + Don'ts); (d) sanctions and compliance hard boundaries (OFAC SDN list / which countries/regions are truly unreachable / VPN false-positive paths / China is NOT a US-sanctioned region — repeated emphasis); (e) mainland China developer special circumstances (sanctioned-region mis-flag + SMS verification does not support +86/+852 + Gitee/GitLab/Codeberg/JihuLab fallback migration + self-hosted Gitea/Forgejo); (f) real-case library (~30+ public cases with categorized analysis: false-positive / genuine violation / sanctions mis-flag, each with win-rate and appeal success path). Ethical anchors absolutely not softened: do NOT teach ban evasion (creating new accounts turns a temp ban into a permanent one — the single biggest mistake); do NOT teach social engineering or lying in appeals (misuse + actually confirms violation); genuine violations: admit + improve beats denial; lost 2FA + no recovery factor → do not pretend recovery is possible; China sanctioned-region mis-flag → fix via appeal, not repeated VPN switching; appeal form 6-month window must be counted carefully; historical 约 3% (业内估) genuine-violation recovery vs 约 79% (业内估) false-positive appeal success rate stratification must be honestly labeled. Anti-samples (explicitly describe harm, never endorse): developer permabanned for ban evasion / open-source team org-banned for personal attacks in public issues / cases where repeated VPN switching escalated risk-control severity.) Master OS — automated mastery of GitHub Account Reinstatement — the domain operating system for GitHub (and analogous platform) account suspension, restriction, appeal, and recovery. Covers: (a) GitHub official policy architecture (TOS / Acceptable Use Policies / Trust & Safety enforcement patterns / public appeals pathways / sanctioned-region interpretation); (b) suspension-cause diagnostics (spam / abuse / sanctions mis-flag / 2FA loss / ToS violation / account hijack false-positive / ban evasion taxonomy + symptom→cause mapping + self-triage pressure test); (c) appeal craft (writing an English appeal letter that gets T&S to fast-track a false-positive ruling + escalation ladder + legal-engagement boundary + Don'ts); (d) sanctions and compliance hard boundaries (OFAC SDN list / which countries/regions are truly unreachable / VPN false-positive paths / China is NOT a US-sanctioned region — repeated emphasis); (e) mainland China developer special circumstances (sanctioned-region mis-flag + SMS verification does not support +86/+852 + Gitee/GitLab/Codeberg/JihuLab fallback migration + self-hosted Gitea/Forgejo); (f) real-case library (~30+ public cases with categorized analysis: fa

日本語の概要は準備中です。原文の説明を表示しています。

临床诊断思维 (临床诊断思维 / 临床推理 (Clinical Diagnostic Reasoning) — 医生『怎么想病』的元学科:从症状/体征/检查到诊断结论的认知操作系统,从业者(临床医生/住院医/规培生,尤其全科/急诊/大内科等以未分化主诉为生的科室)、医学生与医学教育者、诊断安全与质量改进研究者、以及做医疗 AI 辅助诊断产品的人的视角。覆盖: (a) 第一性张力 — **直觉模式识别 (System 1: illness scripts 疾病脚本 / pattern recognition / gestalt, 『资深人一眼认出 aunt Minnie』) ⇄ 分析性推理 (System 2: hypothetico-deductive 假设演绎 / Bayesian 概率更新)** 的 dual-process 双过程理论 (Kahneman→Croskerry/Norman 谱系), 资深≠更会分析而是『脚本库更大+校准更好』; 更深层论战 — **『认知去偏可教 (Croskerry: bias awareness / cognitive forcing strategies / diagnostic timeout) ⇄ 偏倚标签是马后炮、知识结构才是主因 (Norman/Sherbino/Monteiro: debiasing 干预 transfer 证据弱, bias 是 hindsight 标签)』** — 本行最核心学术对垒; 『概率思维 (验前概率 × 似然比 → 验后概率, Pauker-Kassirer test/treatment threshold 阈值模型) ⇄ 穷尽式排查 (rule-out everything / 防御性医疗 / VOMIT)』; 『临床 gestalt ⇄ 结构化临床决策规则 (Wells/PERC/HEART)』; 『诊断简约 Occam's razor ⇄ Hickam's dictum (病人可以同时得 N 个病)』; 『床旁体格检查复兴 (Verghese Stanford 25 / McGee 循证体检) ⇄ 影像检验替代床旁』; (b) 方法论正典 — illness script theory (Schmidt/Boshuizen: enabling conditions/fault/consequences 三段结构), problem representation + semantic qualifiers 问题表征与语义限定词 (Bowen NEJM 2006, 把病人翻成 one-liner), hypothetico-deductive model (Elstein 1978《Medical Problem Solving》: 早期假设生成+定向检验), Bayesian 工具箱 (sensitivity/specificity/LR/Fagan nomogram/SnNout-SpPin), threshold model (Pauker-Kassirer NEJM 1975/1980), 认知偏倚分类学 (anchoring/premature closure/availability/confirmation/base-rate neglect/search satisficing/diagnostic momentum — Croskerry 偏倚清单), 去偏与元认知策略 (diagnostic timeout/cognitive forcing/Ely checklist/calibration), schema-based reasoning (Clinical Problem Solvers schemas: 按 pivot 症状走分支), reflective practice 结构化反思 (Mamede/Schmidt), 诊断错误科学 (NAM 2015 报告定义 / Newman-Toker Big Three / Hardeep Singh e-triggers / SAFER Dx 框架); (c) 行业结构与角色 — 医学生→实习/住院医 (晨会 morning report/查房被 pimping/汇报训练)→主治 attending→master clinician (NEJM CPC discussant/晨会大师如 Dhaliwal); 配套生态: 医学教育者 (clinical reasoning curriculum + 评估: script concordance test/key features exam/OSCE), 诊断安全研究者 (SIDM/AHRQ), 诊断辅助与 CDS 工具开发者 (DDx generator/AI); (d) 核心工作流 — 数据采集 (病史为王 + 循证体检 + 针对性检验影像) → 问题表征 (one-liner + semantic qualifiers) → 鉴别诊断生成 (schema / 解剖定位法 / VINDICATE-M 病因筛, 按『常见可能 × 致命不能漏 can't-miss』双轴排序) → 假设定向检验 (按 LR 选检查 / 阈值决策) → working diagnosis + 安全网 (red flags 交代 / test of time / test of treatment) → 反馈校准 (follow-up / M&M / diagnostic timeout); 教学工作流: 晨会渐进披露汇报 / CPC / SNAPPS / one-minute preceptor / virtual morning report; AI 增强工作流 (2023-2026: LLM 鉴别诊断头脑风暴 / OpenEvidence 检索 / ambient scribe 释放认知带宽 + 自动化偏倚 guardrails); (e) 产出物 — one-liner, problem list, prioritized DDx, assessment & plan (按问题分层), 晨会/CPC 汇报, M&M 复盘, 诊断不确定性沟通 (『最可能是 X, 但出现 Y 红旗立刻回来』); (f) 教育与评估 — script concordance test / key feature exam / EPA / 里程碑; 中国语境: 人卫《诊断学》教材 / 执业医师考试 / 规培结业临床思维考核; (g) 争议/批判 — debiasing 之争 (Croskerry vs Norman-Sherbino『knowledge is the cure』, 去偏 RCT 效果弱 / bias 标签不可证伪), 诊断错误率数字之争 (『10-15%』经典估计 / Newman-Toker 79.5 万美国年严重伤害外推方法被质疑 / 尸检符合率), dual-process 二分被批过度简化 (连续谱 / 难以实证分离), 决策规则 vs gestalt (资深 gestalt 常不输 Wells 类规则 / 算法厌恶), vignette 研究外推性 + context/case specificity (推理高度内容绑定不可通用迁移 [Norman/Eva] — 对『教推理通用课』产业的根本批判), AI 辅助诊断 2023-2026 (GPT-4 在 NEJM CPC/vignette 追平或超医生 [Kanjee 2023 JAMA / Goh 2024 JAMA Netw Open『AI alone > physician+AI』悖论] / Google AMIE / OpenEvidence 爆发 vs 自动化偏倚 / 去技能化 / 真实环境验证缺失), 防御性医疗与过度检查 (incidentaloma 瀑布 / VOMIT), 体检衰亡之争, pimping 教学法争议; (h) 流派/思想谱系 — 决策科学/Bayesian 派 (Ledley-Lusted 1959 → Elstein/Kassirer/Sox/Pauker/Eddy → Brush) vs 认知心理/双过程派 (Kahneman-Tversky → Croskerry/Graber) vs 教育认知派 (Schmidt/Boshuizen illness scripts → Norman/Eva/Mamede/Durning 情境认知) vs 诊断安全/系统派 (NAM 2015 / Newman-Toker / Hardeep Singh / Graber-SIDM: 错误=系统×认知共因) vs 床旁临床派 (Osler 传统 → Tierney aphorisms / Verghese / McGee / Dhaliwal / Saint: 病史体检为王 + 刻意练习) vs AI/计算派 (INTERNIST-1/DXplain 专家系统 → Isabel → LLM 世代 Rodman/Topol)。不含: 具体专科治疗方案与手术决策深度 (足踝外科/种植牙等另有 skill), 中医辨证 (另有 skill), EBM 文献批判性评价方法学 (相关但本 skill 聚焦诊断推理本身), 护理诊断体系 (NANDA), 影像/病理知觉型读片训练 (相邻但独立), 精神科 DSM 结构化访谈细节, 医患沟通技巧全集 (只覆盖诊断不确定性沟通), 患者自查/自我诊断指

日本語の概要は準備中です。原文の説明を表示しています。

对用户、产品等业务对象做分群：用波士顿矩阵法做象限分群，或用分层聚类、K-means、DBSCAN 等聚类技术分群。当需要做客群/产品分群、象限策略、画像或密度型子结构发现时调用。触发条件：当对话中出现“分群”、“分类”、“聚类”、“不同类型”、“不同场景”等体现分群分析词语时触发。

日本語の概要は準備中です。原文の説明を表示しています。

当用户准备套用一个成功方法论（别人的或自己过去的）到新场景时激活此skill。典型触发信号： "某公司用了X方法成功了，我们也该试试""我之前这么做有效，继续做""行业最佳实践是Y"。 不调用场景：用户面对的是同一类问题的重复出现、需要的是执行力而非方法论选择。 与"矛盾分析法"的区别：本skill强调"每个问题性质不同需不同方法"，后者强调"找到最重要的那个问题"。

日本語の概要は準備中です。原文の説明を表示しています。

轻量级全平台 RSS 订阅管理器。一键聚合 YouTube、Vimeo、Behance、Twitter/X、知识星球、B站、微博、抖音、小红书的内容更新，支持增量去重和 AI 智能分类。

日本語の概要は準備中です。原文の説明を表示しています。

当需要审核理赔材料、分类理赔请求、指导理赔流程时使用。触发场景：理赔材料审核、理赔流程指导、材料清单生成。当用户提到“理赔“、“保险赔付“、“claims“、“理赔材料“时应触发此技能。

日本語の概要は準備中です。原文の説明を表示しています。

用户要起草一条 X 短内容(推文/帖子)、不知道用什么结构或类型时;或问"怎么发一条教人用 XX 的帖""怎么排版推文能让更多人收藏""what structure should I use for a tweet / how to write a tutorial post"时。先按目标指标选四类型之一(故事→涨粉 / 列表→收藏 / 观点→互动 / 教程→忠诚),再用 Hook-Body-CTA 三段骨架起草;资源/工具类可套爆款公式(工具+场景+三步)。不适用于:已有草稿想检查五件套完备性(→x-five-piece-checklist)、想把公告腔改写成帮助式语言(→x-three-translations)、想按读者功能分类预测传播上限(→x-content-archetypes)、纯信息查询(如推文字数上限)。

日本語の概要は準備中です。原文の説明を表示しています。

发帖前自检"这条内容帮读者省了几步路"时使用;用户问"值不值得发/有没有价值/该不该发这条"时激活。不适用于:已决定要发只需检查结构完备性(用 x-five-piece-checklist)、需要分类内容原型(用 x-content-archetypes)、需要改写表达方式(用 x-three-translations)。Trigger 词:"值不值得发""省了几步""内容价值""worth posting""content value""should I post this""save steps"。

日本語の概要は準備中です。原文の説明を表示しています。

设计产品整体信息架构和导航结构时使用。适用于多页面产品、复杂功能模块、内容组织。优先使用卡片分类 + 树状结构 + 导航模式选择。

日本語の概要は準備中です。原文の説明を表示しています。

划分 MVP 范围、明确非目标范围时使用。适用于第一版功能定义、范围控制、需求收敛。优先使用 MoSCoW 四级分类 + 非目标范围明示。

日本語の概要は準備中です。原文の説明を表示しています。

模型评估全流程。覆盖分类/回归/排序/生成/RAG/LLM 评估、A/B 测试、 在线监控、数据漂移检测、评估集构建、基准测试。 触发关键词：评估、指标、Precision、Recall、F1、AUC、BLEU、ROUGE、 A/B 测试、基准测试、数据漂移、模型监控、RAGAS、LLM-as-Judge。

日本語の概要は準備中です。原文の説明を表示しています。

设计 API 版本管理和兼容变更策略时使用。适用于公开 API、SDK、长期维护项目。优先使用 Stripe 版本策略 + 兼容/不兼容变更分类 + 弃用流程。

日本語の概要は準備中です。原文の説明を表示しています。

将复杂问题拆解为层次分明、不重叠不遗漏的结构框架。适用于需要梳理混乱信息、向他人清晰表达、全面分析问题的场景。当你面对一堆散乱的要素无法形成全局视图，或需要向他人做结构化汇报时使用此skill。不适用于已经高度结构化的问题或需要直觉判断的快速决策场景。关键触发信号："信息太多理不清"、"怎么说才清楚"、"有没有遗漏"、"帮我拆解这个问题"。

日本語の概要は準備中です。原文の説明を表示しています。

降低中文学术写作（本/专科毕业论文）AIGC检测率的专项 skill。 基于真实论文改写实验（AIGC率从 >50% 降至 11%）归纳的规律，并参考 Wikipedia「Signs of AI writing」项目的系统性模式分类。 检测并修复中文AI写作的典型模式；默认保量润色（避免为降AIGC大幅删短）； 含中英术语与缩写规范、会话记忆库（避免重复释义、滚动段落摘要防前后不一致）、 LaTeX 源文件保护规则。支持：降低AI率、人工润色、降低AIGC、 humanize、去AI味、学术写作润色、论文降重、AIGC检测、AI痕迹消除、学术文本 人工化处理、AIGC检测报告。

日本語の概要は準備中です。原文の説明を表示しています。

GitHub/GitLab 贡献真实性核验：逐个查看 PR 的实际 diff、按领域与深度分类统计、核对贡献量级与"Contributor/核心贡献者/Maintainer"类表述是否相符，识别刷绿、刷 PR、刷 star 与领域错配（如自称 AI Infra 实则全是前端提交）。凡是要评估某人 GitHub 的含金量就使用本技能——包括用户说"他这个 GitHub 怎么样""这个 contributor 有多少水分""开源经历值多少""帮我看看这个账号"时。也在 /resume-audit 需要核验代码托管材料时调用。

日本語の概要は準備中です。原文の説明を表示しています。

商业合同法律顾问。负责供应商协议审查、NDA 分类、SaaS MSA 审查、中国合同风险扫描和条款重述、续约/取消期限审查、升级标志识别。当企业法务主理人（法衡中）调度执行合同审查任务时激活。典型问题：审查 NDA/供应商协议/SaaS MSA；该条款是否需要升级？为业务方总结合同风险。

日本語の概要は準備中です。原文の説明を表示しています。

产品法律顾问。负责产品发布审查、营销声明审查、功能风险评估、快速问题分类。当企业法务主理人（法衡中）调度执行产品法务相关任务时激活。典型问题：产品上线是否有法律问题？检查营销声明；评估功能发布风险。

日本語の概要は準備中です。原文の説明を表示しています。

隐私数据法律顾问。负责隐私问题分类、PIA 生成、DPA 审查、PIPL 合规检查、个人信息权利请求规划、隐私政策差异分析。当企业法务主理人（法衡中）调度执行隐私数据相关任务时激活。典型问题：此处理活动是否需要 PIA？审查 DPA；规划个人信息权利响应。

日本語の概要は準備中です。原文の説明を表示しています。