Domain Onboarding · 领域速通

核心宪法（先读这一段，再做任何事）

这个 skill 解决的问题：让用户在 60-90 分钟内从 0 到 1 系统性拿下一个领域——不是一本书，不是一个产品，是一整个领域。单档深度产物，专注极致。

两种失败模式必须避免：

只有结构没有事实 — 写出"看上去专业"的水稿
只有事实没有结构 — 写成维基百科长版

唯一的成功路径：事实 → 机制 → 观点三层证据链，每一层都向下游负责。

不能空有观点。事实支撑观点。揭示系统逻辑。事实陈述本身也要系统化。

这条宪法继承自 book-distiller，但在领域速通里要求更严：因为领域比单本书更容易"假装专业"——AI 自己就是主流叙事的载体，让 AI 评论领域，必须时刻警惕自反性陷阱（详见 references/ai-reflexivity-disclaimer.md）。

语言宪法（最高优先级，先于一切方法论）

这个 skill 的产物是中文读物。 中文读物的标准是：一个完全不懂这个领域的中文母语读者，应该能从头读到尾不停顿——任何英文出现，都要让他读懂或可以跳过。

三层强制规则

第一层 · 已通行中译必须用中文为主

下列名字 / 概念在中文圈已有通行译法的，全文统一用中文，不要英文（首次出现可加一次英文括号注释，但后续段落坚决用中文）：

人名：凯恩斯（Keynes）/ 特里芬（Triffin）/ 索罗斯（Soros）/ 波特（Porter）/ 克里斯坦森（Christensen）/ 卡内曼（Kahneman）/ 塔勒布（Taleb）/ 芒格（Munger）/ 佩雷斯（Perez）/ 布罗代尔（Braudel）/ 库恩（Kuhn）/ 拉卡托斯（Lakatos）/ 莫博森（Mauboussin）/ 艾肯格林（Eichengreen）/ 基辛格（Kissinger）/ 巴菲特（Buffett）/ 格雷厄姆（Graham）……
概念：布雷顿森林（Bretton Woods）/ 广场协议（Plaza Accord）/ 特里芬难题（Triffin Dilemma）/ 量化宽松（QE）/ 反身性（Reflexivity）/ 反脆弱（Antifragile）/ 网络效应（Network Effect）/ 创新者窘境（Innovator's Dilemma）……
机构：美联储（Fed）/ 美国财政部（Treasury）/ 国际货币基金组织（IMF）/ 国际清算银行（BIS）/ 世界银行（World Bank）/ 欧洲央行（ECB）/ 美国证监会（SEC）……
学校：哈佛 / 耶鲁 / 斯坦福 / 麻省理工 / 加州伯克利 / 普林斯顿 / 芝加哥大学 / 牛津 / 剑桥 / 清华 / 北大……
媒体：彭博（Bloomberg）/ 路透（Reuters）/《金融时报》/《经济学人》/《华尔街日报》/《纽约时报》……

违反这一层 = 闸门 fail，不是 warning。

第二层 · 圈内必要英文要么首次注释要么避免

下列圈内通行的英文（圈内中文都说英文）保留，但首次出现必须有中文括号注释：

技术：HNSW（分层可导航小世界图）/ RAG（检索增强生成）/ ANN（近似最近邻）/ API / SDK / SaaS……
金融：SDR（特别提款权）/ COFER（IMF 官方外汇储备数据库）/ TIC（财政部国际资本数据）/ DXY（美元指数）……

不在白名单里的英文专有名词：要么加中文释义，要么干脆不用。

第三层 · 英文虚词 / 短句 / 修饰词全部禁止

不允许出现：vs / versus / by / with / like / such as / a.k.a. / etc. / i.e. / e.g. / world's central bank / amateur 等。这些一律用中文表达：对比 / 由 / 与 / 比如 / 又称 / 等等 / 即 / 比如 / 世界央行 / 外行……

违反这三层任意一条 → 产物不合格。

生成时强制流程：术语登记表先行（v2.0 新增）

写 narrative_html 之前，先建一张术语登记表：

| 原词 | 通行度 | 处理方式 |
|------|--------|---------|
| Bretton Woods | 已通行 | 全文用"布雷顿森林"，首次出现可加（Bretton Woods） |
| Triffin Dilemma | 已通行 | 全文用"特里芬难题"，首次出现加（Triffin Dilemma） |
| Pozsar | 不通行 | 保留英文，首次加身份"前 Credit Suisse 货币市场分析师" |
| HNSW | 圈内必要 | 首次出现加（分层可导航小世界图） |
| Edo Liberty | 不通行 | 保留英文 + 身份"Pinecone CEO，前 AWS SageMaker 工程师" |

写作时按登记表统一用法，不要写到哪里临时决定。这是这次重构的核心方法论。

自检 5 问（写完每章必跑）

这一段如果给一个完全不懂这个领域的中文读者读，会不会某处突然停顿？
同一个名字（如"特里芬"）整章统一了吗？没有时而中文时而英文？
缩写（如 IMF / DXY）首次出现都有中文注释了吗？
有没有英文虚词（vs / by / with / like）混在中文段落里？
整段英文字符占比是否 ≤ 25%？（quote / cite 例外）

任意一问"没"就要返工。

触发与反触发

应该触发（任意一条命中即用本 skill）

用户说"快速了解 XX 领域 / 入门 XX / 我想搞懂 XX / 给我 XX 的地图"
用户说"XX primer / XX onboarding / 领域速通 / 扫盲 XX"
用户描述场景："我下周要见 XX 客户"、"老板让我评估 XX"、"我想转行做 XX"
用户在没有明确说"领域"的情况下，问的是一个整体格局问题（"AI 现在是什么状态"、"REITs 怎么玩"）

不应触发（应当回推）

"蒸馏《XX 这本书》" → 用 book-distiller
"研究 XX 这家公司 / XX 这个产品" → 用 prism-research
"XX 是什么？"——单点查询不需要 skill，直接简短回答
颗粒度异常（见下方决策树第一步）

工作流（6 步，不可跳）

Step 0. 建术语登记表（写作前必跑）

在写任何 narrative_html 之前——先列一张术语登记表。这是这次重构（v2.0）的核心方法论：把"中英文怎么处理"从"写到哪里临时决定"挪到"写之前一次决定，写时按表执行"。

按下列五个分类，把你预计这一篇要用到的英文术语全部列出来，每个给一个处理方式：

| 分类 | 原词 | 通行度 | 处理方式 |
|------|------|--------|----------|
| 人名 · 已通行中译 | Keynes | 已通行 | 全文用"凯恩斯"，首次可加（Keynes） |
| 人名 · 不通行 | Pozsar | 不通行 | 保留英文，首次加身份"前 Credit Suisse 货币市场分析师" |
| 概念 · 已通行 | Bretton Woods | 已通行 | 全文用"布雷顿森林"，首次加（Bretton Woods） |
| 缩写 · 圈内必要 | HNSW | 圈内必要 | 首次加（分层可导航小世界图），后续直接 HNSW |
| 机构 · 已通行 | IMF | 已通行 | 全文用"国际货币基金组织"或简写"基金组织"，可不加英文 |
| 公司 / 产品 | Pinecone | 不通行 | 保留英文（产品名） |

四条规矩：

写之前列完——不要写到一半才补登记。漏掉的词意味着写到那里就要中断决策，破坏行文连贯。
写作时严格按表执行——同一个词整篇统一一种处理方式，不要时而中文时而英文。
写完每章对一遍表——发现新词就回表登记并把它替换成统一形式，不要新词裸奔。
登记表本身不进 narrative_html——它是工作底稿，写完即弃；最终读者看到的只有按表统一的产物。

完不成这一步就不要进入 Step 1。没有登记表 → 必出中英混乱 → 后处理也救不回来。

Step 1. 领域分类决策树（必须先跑，不准跳）

接到请求后第一件事不是开写，而是分类。读 references/domain-classification-tree.md 完成三问：

Q1. 领域颗粒度：超广 / 中等 / 超窄？

超广（"AI"、"金融"、"互联网"）→ 必须回推（push back）。给用户 3-5 个子领域候选让他选。例：用户说"了解 AI"，回："AI 太广了，请选一个：(a) 大模型基础设施 (b) AI 应用层 (c) 具身智能 (d) AI 监管与伦理 (e) AI 芯片"。
中等（"向量数据库"、"REITs"、"日本动画产业"）→ 正常进入。
超窄（"HNSW 算法"、"BERT 的 attention"）→ 建议改用 prism-research 或 book-distiller。除非用户明确坚持。

Q2. 领域成熟度：成熟 / 新兴 / 衰退？

成熟（SaaS、传统银行）：玩家地图重点，格局已稳定。
新兴（World Model、具身智能）：争议结构 + 不确定性重点，禁止伪装成稳定。
衰退（黑莓生态、传统出版）：教训抽取 + "还有谁在/为什么死"。

Q3. 用户先验水平：零基础 / 邻域转入 / 有基础求拓宽？

影响：黑话密度、跳过哪些常识、强调哪些迁移类比。
用户没说时默认"邻域转入"——技术能力强但对此领域不熟。

输出格式（必须先和用户对齐 30 秒，除非用户已在 prompt 里说清楚）：

我理解你要的是：
- 领域：XX
- 颗粒度：中等 / 超广（建议收敛）/ 超窄（建议改用 X skill）
- 成熟度：成熟 / 新兴 / 衰退
- 假设你的水平：零基础 / 邻域转入 / 有基础（猜的，错了告诉我）
- 预设（preset）：技术 / 商业 / 金融 / 文化（按领域自选）
对吗？或者直接说"按你猜的来"我就开干。

输出统一为单档深度产物（60-90 分钟阅读时长，全部 10 章弧线必含）。

Step 2. 选预设 + 构建骨架五件套

按 Q3 的领域类型读对应预设：

技术领域 → references/domain-presets/tech.md
商业领域 → references/domain-presets/business.md
金融领域 → references/domain-presets/finance.md
文化/社会领域 → references/domain-presets/culture.md

然后按 references/domain-skeleton-five.md 构建五件套：

1. 核心概念图    10-30 个必懂术语 + 互相关系（含黑话 4 类）
2. 玩家地图      公司/人/学派/产品 + 关系网络
3. 时间轴        关键事件 + 时间尺度套利点
4. 矛盾结构      核心争议、利益冲突、流派分歧
5. 学习路径      下一步该读什么 + 跟谁、订阅什么、参加哪些会议/社区

Step 3. 应用棱镜双轴 + 元透镜

读 references/prism-axes.md、references/structure-layer-questions.md、references/paradigm-layer-questions.md、references/reflexivity-lens.md、references/isomorphism-lens.md。

纵轴四层（每一层都必须问对应章节里的"提问范式"）：

现象层：发生了什么？谁在场？时间轴上的拐点？
机制层：怎么运转？壁垒/规模效应/锁定从哪来？
结构层 ⭐：为什么必须这样？哪些约束是塑造现实的（reality-shaping）？
范式层 ⭐：处于哪种范式时期？核心硬核是什么？异端在哪？

横轴一把（跨领域同构）：必须给 ≥2 个同构案例（历史时期 + 邻接领域），并给"同构点"和"反同构点"。

两个元透镜叠加：

反身性：主流叙事是什么？谁在传播？自我证实链路？失效条件？
跨领域同构：见上。

Step 4. 写作时保持事实-机制-观点链条

读 references/fact-mechanism-viewpoint-chain.md（强制规则），然后调用 references/analytical-toolbox.md 选取分析工具——但不要在正文里念框架名（详见 references/method-internalization.md）。

事实密度量化指标（quality_check.py 会扫描）：

最少事实锚点 ≥ 70
A+B 级源占比 ≥ 60%
已知的未知 ≥ 12 条
跨学科调用 ≥ 6 把刀

每个机制层陈述 ≥3 个事实锚点支持。每个观点层陈述必须给"反例事实"或"证伪条件"。

Step 5. 渲染 + 双闸门质量检查（v0.2 渲染规则）

写中间产物 domain.json，然后用 scripts/render.py 生成单文件 HTML。最后跑两道闸门。

5.1 v0.2 渲染规则：呈现是叙事，结构是骨架，扫描器仍能验证

v0.1 把"质量闸门要扫的结构"和"读者要读的结构"画成同一张图——读者看到 H2 是"事实层 / 机制层 / 观点层 / 反身性 / 结构层 / 范式层"，等于把分析框架原封不动糊脸。v0.2 改：H2 是叙事章节标题，事实/机制/观点/反身性/结构/范式/同构这些"分析框架"内化进 narrative_html 里——读者看不到框架名，闸门仍然能从 class（类名）/ id（标识）/ data 属性扫到。

chapters[].narrative_html 是已织入脚注/机制/观点的连贯 HTML 字符串——不再分开传 facts / mechanisms / viewpoints 数据再让 render.py 拼。叙事段落里直接埋：

<a id="fact-N" class="fact-ref" href="#fact-data-N">[N]</a> 朴素方括号上标脚注
机制段落 自然段落形态的机制陈述（左侧朱砂细线视觉提示，但**不写"机制层"**字样）
<blockquote class="viewpoint">观点正文但是…/反过来…/如果 X 则 Y</blockquote> 引文形态的观点 + 反例（**不写"观点层"**字样）

5.2 H1 / H2 / H3 禁忌词清单（quality_check 会扫，命中即返工）

下列词不允许作为标题文字（H1/H2/H3）出现——它们是分析框架名，应该内化进叙事，不应糊脸：

事实层、机制层、观点层、三层证据链
反身性、结构层、范式层
跨领域同构、跨领域类比
骨架·一、骨架·二、骨架·三、骨架·四、骨架·五
核心概念图、玩家地图、时间轴、矛盾结构、学习路径
认知误区、行业误区

白名单豁免：references 链接文字、tooltip / data 属性、code 块内、折叠区 summary（如"自检题"等用户友好词）。

H2 必须是 v0.2 spec 的 10 章弧线叙事化标题（如"这是什么 · 为什么现在值得花一小时"、"它怎么走到今天"、"主流叙事 · 它如何自我强化又如何崩"），不是分析框架名。

5.3 渲染步骤

domain.json
   │
   ├─ chapters[] (narrative_html 已织入脚注/机制/观点)
   ├─ facts[]   (id / text / source / grade — 用于底部完整清单)
   ├─ experts[] (用于推荐折叠区)
   ├─ known_unknowns_data[] (旁路 ul · 闸门数据源)
   └─ ai_disclaimer / cutoff_date / thesis_one_liner / subtitle
   │
   ▼
scripts/render.py
   │
   ├─ 把 chapters[] 渲染为 <section class="chapter" id="chapter-{id}"><h2>title</h2>{narrative_html}</section>
   ├─ 把 facts[] 渲染为底部 sources-fold 内的 ol#facts-complete + source-grading-table
   ├─ 把 experts[] 渲染为底部 experts-fold 内的 ul
   ├─ 把 known_unknowns_data[] 渲染为底部 unknowns-data-fold 内的 ul（id="known-unknowns" 在 details 上）
   └─ 嵌入 assets/html-template.html 的 {{{...}}} 占位符
   │
   ▼
<domain>.html （单文件）

5.4 双闸门验证

内容闸：scripts/quality_check.py——扫学究腔黑名单、事实密度（≥70；事实密度未达标输出 warning 不 fail）、A+B 占比 ≥60%、机制陈述配 data-fact-refs ≥3、观点配 .counter 反例、AI disclaimer id="ai-disclaimer" 存在、H1/H2/H3 不出现 5.2 节禁忌词、推荐 <li>

domain-onboarding