核心用法
女娲（Nuwa）是一款创新型Agent Skill生成工具，核心能力是将特定人物的思维方式"蒸馏"为可独立运行的Skill文件。用户只需输入人名或模糊需求，系统即启动六维并行调研（著作、对话、表达、他者视角、决策记录、时间线），经三重验证提炼出3-7个心智模型、决策启发式与表达DNA，最终输出完整的SKILL.md文件。
操作流程采用严格的分阶段架构：入口分流（直接路径/诊断路径）→ 目录创建 → 六Agent并行采集 → 调研Review → 框架提炼 → 提炼确认 → Skill构建 → 质量验证 → 双Agent精炼。每个阶段均设检查点，确保质量可控。
显著优点
方法论严谨性：独创"心智模型三重验证"（跨域复现、生成力、排他性），避免将通用道理包装成个人见解；强调捕捉HOW they think而非WHAT they said，直击思维本质。
工程化完整度：从信息源策略（一手素材优先）、黑名单机制（排除知乎/微信公众号等低质来源）到本地语料模式、人物/主题Skill双轨支持，覆盖多元场景。
质量控制体系：六维度调研交叉验证、Phase 1.5/2.5强制检查点、Phase 4三项测试（已知/边缘/风格）、八项通过标准，形成闭环质量保障。
开源与可扩展性：MIT协议开源，目录结构自包含（可复制即部署），预留脚本扩展接口，支持从示例Skill（如MrBeast分析）快速迁移方法论。
潜在缺点与局限性
信息依赖瓶颈：对非公众人物或信息稀少人物（来源<10条），输出质量显著下降，虽诚实边界机制可缓解，但核心模型深度受限。
时效性约束：活人Skill需定期更新（Agent 2/5/6增量模式），否则易过时；调研截止时间的标注虽透明，但用户可能忽视更新提醒。
主观判断残留：Phase 2框架提炼高度依赖提炼者的解读能力，"内在张力"识别、模型取舍存在主观空间，虽有三重验证仍难完全消除。
网络工具依赖：核心功能依赖WebSearch、yt-dlp等外部工具，在封闭网络环境或平台策略变更时可能失效。
适合的目标群体
- 知识工作者：需快速建立领域专家认知框架的产品经理、投资人、咨询师
- 内容创作者：希望模仿特定风格或建立差异化表达DNA的写作者、视频博主
- 教育工作者：需将大师思维转化为可教学模块的课程设计师
- AI应用开发者：探索Persona Engineering、认知架构设计的开发者
- 终身学习者：追求多元思维模型、希望"用他人眼睛看问题"的自学者
使用风险
性能风险：六Agent并行采集对token消耗较大，复杂人物调研可能触及上下文长度限制；Phase 2→4的迭代循环（上限2次）设计合理，但用户可能因追求完美而手动突破。
依赖项风险：yt-dlp受YouTube政策影响，存在功能降级可能；yt-dlp本身为外部依赖，需关注其安全更新。
生成内容风险：虽有多重防护，极端情况下仍可能产生"精致的错误"——即符合风格但偏离事实的推断，需用户保持批判性审视。
知识产权风险：蒸馏活人Skill涉及公开信息采集，虽主要用于个人学习场景，商业用途需注意肖像权与版权边界。