基础工具与工作流 · lijigang/ljg-skills

ljg-blind

盲区扫描——读昨天你与 AI 的全部对话,照出暴露的思维盲区(不是不懂的知识,是让某类真相一直看不见的思维习惯),再从微信读书挑一本书的一章精准补上,落成一篇完整分析笔记。Use when user says '扫盲区', '盲区', '照盲区', '看看我的思维盲区', '我昨天想漏了什么', 'blind spot', 'ljg-blind', '/ljg-blind', or wants yesterday's AI conversations analyzed for cognitive blind spots plus a targeted weread chapter to fill them. 可选参数:传一个日期(YYYY-MM-DD)扫那天而非昨天。NOT FOR 纵向深钻一个观点(用 ljg-think)、一个领域降秩(用 ljg-rank)、陪读一篇文本(用 ljg-read)、找一个领域的约束(用 ljg-constraint)。

风险提醒:橙色 · 评估后使用AI 侦查报告
作者 lijigangGitHub lijigang/ljg-skills ↗许可 MIT(仓库根 LICENSE)commit 9e75497a95
agent 宿主通常会约束 skill 执行权限;风险提醒为 AI 侦查观点,不构成质量或安全保证。第三方 skill 仅作拆解与展示,安装使用风险自负,版权归原作者。

1实现原理 · 为什么它能做到

盲区不是知识缺口,而是让某一类真相对你系统性不可见的思维习惯;证据看的是没往哪看,不是他说错了什么。

skills/ljg-blind/SKILL.md
盲区不是知识缺口。不是"没读过某本书""不知道某个事实"——那种缺口,查一下就补上了。
注:这里在做什么:先把『盲区』的定义钉死,排除把普通知识缺漏误判成盲区的可能。

用五种信号从对话里找盲区,每一处都要落到具体话语上,不能凭感觉。

skills/ljg-blind/SKILL.md
**绕开点**——一个难题他打开了,又飞快合上。
注:这里在做什么:绕开点/空转框架/单一取景框/未检前提/相邻空缺,五类可指认的证据模式。

只挑 1 个盲区说透,宁可一个说透也不五个都点一遍。

skills/ljg-blind/SKILL.md
从信号里挑 **1 个**作为今天的盲区。宁可一个说透,不要五个都点一遍——盲区的密度低于精度。
注:这里在做什么:以杠杆、真盲、对位 mission 三条判据收敛到单一盲区,防止面面俱到。

默认扫昨天,可传 YYYY-MM-DD 指定某一天(macOS BSD date 语法)。

skills/ljg-blind/SKILL.md
target=${1:-$(date -v-1d +%Y-%m-%d)}
注:这里在做什么:定日期,并用同一 target 贯穿会话过滤与输出文件命名。

从 Codex 会话目录捞当天顶层对话,只取 user/input_text,排除子 agent 与 harness 包装。

skills/ljg-blind/SKILL.md
只读取顶层 task 的 `response_item / message / user / input_text`,排除 `session_meta.payload.source.subagent` 存在的子 agent 会话
注:这里在做什么:用 jq 精确挑出真人输入,并同时扫目标日与前一日目录按本机时间过滤。

数据稀薄兜底:当天真人输入不足 200 字或没有对话时直接写明稀薄,不强造盲区。

skills/ljg-blind/SKILL.md
当天真人输入 <200 字或没有对话——直接在输出里写明「当天对话稀薄 / 无」,**不强造盲区**。
注:这里在做什么:宁可交白卷也不编,把证据纪律写进流程。

从盲区抽核心词调微信读书 Agent Gateway 搜书、看目录,挑最对症的一章。

skills/ljg-blind/SKILL.md
curl -s -X POST https://i.weread.qq.com/api/agent/gateway
注:这里在做什么:用 WEREAD_API_KEY 走 /store/search 与 /book/chapterinfo 两步选书选章,评分为辅、对症优先。

微信读书网页阅读器不接受裸 ID,必须用自带 TS 工具分别编码 bookId 与 chapterUid。

skills/ljg-blind/SKILL.md
微信读书网页阅读器不接受裸 `bookId` / `chapterUid`,必须先编码。
注:这里在做什么:把链接生成交给 Tools/WeReadWebUrl.ts,避免手拼编码值或塞查询参数导致 404。

产出写入 ~/Context 的 org-mode 笔记,并用严格 org 语法与特定语气规则写作。

skills/ljg-blind/SKILL.md
写入 `~/Context/{时间戳}--盲区-{主题}__blind.org`。org-mode 格式,禁止 markdown 语法。
注:这里在做什么:规定落盘路径、文件命名与三段正文模板(昨天你在想什么/照出来的盲区/这一章给你)。

选盲区时要读 PRINCIPAL_TELOS.md 确认用户主线,与 M0/M1 对位。

skills/ljg-blind/SKILL.md
读 `${LIFEOS_DIR:-$HOME/.codex/LIFEOS}/USER/TELOS/PRINCIPAL_TELOS.md` 确认主线。
注:这里在做什么:让盲区选取贴着用户长期主线,而不是孤立地评价某一天的对话。

2核心能力

01昨日对话思维地形重建
02五信号盲区识别(绕开点/空转框架/单一取景框/未检前提/相邻空缺)
03单盲区取舍与杠杆判断
04按盲区在微信读书选书选章
05免 App 的网页版阅读链接生成
06org-mode 分析笔记产出
07语气与文体纪律(禁翻译腔、禁切痕风金属比喻)
08稀薄数据兜底
09任意指定日期扫描

3外部依赖

类型依赖
network微信读书 Agent Gateway
clibun(运行自带 TS 工具)
clijq(过滤会话 jsonl)

4风险提醒 风险提醒:橙色 · 评估后使用

风险提醒:橙色 · 评估后使用
  • 依赖宿主 Codex 会话目录与 macOS BSD date 语法 — 脚本硬编码 $HOME/.codex/sessions/YYYY/MM/DD/*.jsonl 并用 date -v-1d / -j,换宿主或 Linux 环境即失效,SKILL.md 未给兼容分支。
  • 用户原始 AI 对话被读取并(关键词)发往第三方端点 — 流程读取全部顶层会话文本进模型上下文,且把盲区核心词 POST 到 i.weread.qq.com;SKILL.md 未说明数据最小化或脱敏。
  • 微信读书 API 依赖凭据与端点稳定性 — 无 WEREAD_API_KEY 时仅提示 export,搜索/目录接口非公开协议,字段或限流变化会静默失败,且『评分 ≥750』口径基于返回结构。
  • 盲区判断主观,无第三方复核 — 五信号识别与『选哪一个』靠模型自判,SKILL.md 无脚本或第二遍校验,结论质量随运行波动。
  • 导出笔记的动作不可逆覆盖风险低但确会写用户主目录 — 写入 ~/Context 与 /tmp;时间戳命名降低覆盖概率,但文件权限与清理未在文档中约定。
为自身声明用途读取 WEREAD_API_KEY,并把盲区关键词发往微信读书固定端点 i.weread.qq.com,按判级口径属 orange(读 env 凭据 + 素材送外部服务)。自带 TS 工具仅本地 md5 编码、不出网;未见任意代码执行、防护绕过或冒充。

5第二遍独立确认

  • [ok] 外部调用核验:微信读书 Gateway — SKILL.md 第四步用 curl 调 /store/search 与 /book/chapterinfo,端点固定为 i.weread.qq.com,与风险扫描 URL 命中一致。
  • [ok] 凭证读取核验 — 命令头 `-H "Authorization: Bearer $WEREAD_API_KEY"` 与『WEREAD_API_KEY 在环境变量里』说明一致,属读 env。
  • [ok] 写盘核验 — 目标笔记写入 ~/Context/*.org,会话摘录写 /tmp/ljg-blind-*.txt,与写盘扫描线索吻合。
  • [ok] 脚本行为反例检查 — WeReadWebUrl.ts 只 import bun 的 CryptoHasher 做 md5,无网络、无文件读写、无 child_process;故 scripts_executed 只列该本地工具。
  • [ok] 判级口径复核 — 按六档,读 WEREAD_API_KEY 且外发素材到固定端点落 orange;工具本地编码、非任意代码执行,未升级为 red。
  • [ok] 引用可定位性 — 所有 quote 均可在 SKILL.md/WeReadWebUrl.help.md 原文逐字匹配,长度均大于 12 字符。
  • [ok] 流程诚实性核对 — 『数据稀薄兜底』与『宁可交白卷,不许编』确认分析未把无证据时的强制造盲区当作能力。

6结论

  • 证据纪律强:盲区必须落到昨天具体话语,数据稀薄时明确交白卷而非编造
  • 把分析收敛到单一盲区并给三条判据(杠杆/真盲/对位 mission),避免面面俱到
  • 交付链路完整:从会话取证到选书选章再到 org 笔记,含网页链接编码这一踩坑点的专用工具
  • 对输出文体有明确纪律(禁翻译腔、禁切痕风金属比喻),约束写作而非只给内容
  • 适合:适合长期与 AI 高强度对话、想定期回看自己思维惯性的知识工作者:能指定某天、拿到一篇可存档的 org 分析,并顺带得到一本对症书的一章阅读入口。也适合把『读昨天对话 → 照盲区 → 选章』流程化的重度 Codex 用户。
    不适合:不适合 Linux/非 macOS 或非 Codex 会话布局的环境;不适合拒绝把对话内容/关键词发往微信读书端点的隐私敏感场景;不适合想一次列出多个盲区或只要即时情绪疏导的人;也不适合把输出当客观诊断——它是基于自身对话的判断性分析。
    安装 agent 直装可复制
    ① 本站镜像 更新 2026-10-10
    方式 A · 人下载镜像包下载 ljg-blind.tar.gz
    sha256: ed90cc51ffaa4140…
    方式 B · JSON 格式安装指南,复制给 agent
    安装指南
    agent 读 JSON 指南后会自动从本站下载安装,无需更多说明。
    ② 上游 GitHub · 原始来源
    能访问 GitHub?直接去上游安装(实时版,可能已更新)GitHub 原始 ↗
    本页镜像锁定 commit 9e75497a95;上游为实时仓库。
    来源信息 GitHub 原始
    作者 / 仓库lijigang / lijigang/ljg-skills
    本 skill commit9e75497a95
    许可MIT(仓库根 LICENSE)
    本站信息
    收录日期2026-09-06
    分类基础工具与工作流
    侦查报告AI 侦查 · 2 遍 · 2026-09-06
    本站镜像与 GitHub 原始是不同来源:本站锁定 commit 快照经 /r2 分发;GitHub 为实时上游,内容可能已更新。
    被文章提及
    同分类邻近