Skill Stack 阅读工作流 · 案例实践课程大纲

🎯 课程设计原则

"每一个模块 = 一个真实场景 + 一套完整操作链" 不讲抽象理论，每节课都有明确的输入、操作步骤和可验证的输出物。

📐 课程总览

🔵 模块 0：系统搭建与环境验证（必修）

目标： 一次性搭好，后续所有案例都能跑通

课节 0-1：完整安装与连通性测试

实践清单：

Bash

# Step 1: 安装三大 skill 包 npx -y skills add dontbesilent2025/dbskill -g --all npx skills add kepano/obsidian-skills npx skills add virgiliojr94/book-to-skill # Step 2: 验证 dbs 路由器 /dbs ← 应返回菜单，不做任何诊断 # Step 3: 验证 obsidian-skills obsidian read file="README.md" # Step 4: 创建 vault 标准目录结构 mkdir -p {00-Inbox,01-Books,02-Skills,03-Projects,04-Outputs,05-Archive,System/Templates}

验收标准：/dbs 能正确路由；obsidian read 能返回内容；目录结构创建完成。

🔵 模块 1：用 book-to-skill 吃透一本书（2节）

案例书目： 《穷查理宝典》或任何你正在读的书

课节 1-1：把一本书变成可查询的 Agent Skill

场景： 你想深度读一本书，但读完就忘，不想再靠"回忆"。

操作链：

Bash

# 在 Claude Code / Codex 中 /book-to-skill 穷查理宝典.pdf # 生成后的目录结构 01-Books/ └── poor-charlies-almanack/ ├── SKILL.md ← 书的"使用说明" └── chapters/ ├── ch01-biography.md ├── ch02-mental-models.md └── ...

课后作业： 用 /poor-charlies-almanack 第五章的核心心智模型是什么？ 测试 3 个问题，对比直接问 AI 的差异。

课节 1-2：书→知识原子流水线

场景： 把书中最有价值的观点，转化成你自己的知识原子库。

操作链：

text

读书章节 ↓ /book-slug 提炼本章3个最反直觉的观点 ↓ /dbs-deconstruct 拆解每个观点到不可再拆 ↓ obsidian create name="原子-{观点名}" 写入 vault ↓ obsidian property:set status="processed"

输出物： 每章产出 3-5 张原子笔记，带 source、topic、type 标签。

🟡 模块 2：概念拆解工作流（2节）

核心 Skill：dbs-deconstruct

6 dbs-deconstruct 在概念模糊、导致判断不成立时触发。

课节 2-1：拆解一个"高频词"

案例词汇： 「私域」「品牌」「护城河」「复利」

完整操作流：

text

Step 1: /dbs-deconstruct 「私域」是什么？ Step 2: 记录拆解后的最小定义 Step 3: 用新定义重新评估你之前对这个词的判断 Step 4: obsidian create 把拆解结果写成"概念卡"

关键练习： 找出你最近一个月里，有没有因为某个词定义模糊，导致判断错误或沟通失效的案例。

课节 2-2：拆解书中核心框架

案例： 拆解《好战略坏战略》中的"战略核心"概念

操作链：

text

/poor-charlies-almanack 书中对"战略"的定义是什么？ ↓ /dbs-deconstruct 「战略核心」在商业语境中究竟指什么？ ↓ /dbs-chatroom 模拟：一位传统咨询顾问 vs 一位互联网创业者 对这个定义的争论是什么？ ↓ obsidian create name="概念卡-战略核心" 沉淀最终理解

🟡 模块 3：商业诊断完整闭环（3节）

核心 Skill 组：dbs-diagnosis → dbs-benchmark → dbs-report

课节 3-1：启动商业模式诊断

案例： 以你自己的副业/项目作为被诊断对象（无项目可用"朋友的案例"）

Bash

# 新建项目目录，隔离诊断上下文 mkdir ~/projects/my-side-project && cd ~/projects/my-side-project # 启动诊断 /dbs-diagnosis

诊断过程要点：

• 描述你的生意：客户是谁？他们付钱买什么？为什么找你不找别人？
• 让 Agent 完整跑完诊断漏斗
• 不要跳过"不舒服"的问题——那里往往是问题所在

课节 3-2：对标分析

案例： 找到 3 个对标对象，拆解差距

Bash

/dbs-benchmark # 输入：你的项目概况 + 3个对标名称

输出物结构：

text

对标分析报告/ ├── 对标A：做对了什么 ├── 对标B：我能借鉴哪一点 ├── 对标C：他们的护城河我能不能建 └── 核心差距：我现在缺的是什么

课节 3-3：生成完整诊断报告 + 存档

Bash

/dbs-report # 生成结构化报告 /dbs-save # 存档当前诊断状态

3 存档写到本地的一份诊断状态文件，每次 save 都新增一份，不会覆盖。一个项目下可以攒很多份存档，记录诊断从开始到收尾的全过程。

然后把报告导入 Obsidian：

Bash

obsidian create name="诊断报告-{项目名}-{日期}" \ content="{{dbs-report 输出内容}}" \ template="DiagnosisReport"

🟠 模块 4：内容创作生产线（2节）

核心 Skill 组：dbs-content → dbs-hook → dbs-xhs-title → dbs-ai-check

课节 4-1：诊断一篇现有内容

案例： 拿出你最近发布的一篇笔记/视频脚本/文章

Bash

/dbs-content # 粘贴内容 → 获得完整诊断

诊断维度：

• 开头有没有钩子？
• 核心观点是否清晰？
• 结构是否帮助读者留存？
• 有没有 AI 味？

课节 4-2：从 0 生产一篇内容

完整生产链：

text

Step 1: /dbs-deconstruct 确定核心观点，先把概念拆清楚 ↓ Step 2: /dbs-hook 设计开头钩子（3个方案） ↓ Step 3: /dbs-content 搭内容结构 ↓ Step 4: /dbs-xhs-title 生成 5 个标题备选 ↓ Step 5: /dbs-ai-check 检测并消除 AI 味 ↓ Step 6: obsidian create 存档到 04-Outputs/

🟠 模块 5：执行力系统（2节）

核心 Skill 组：dbs-slowisfast → dbs-action → dbs-goal

课节 5-1：慢下来做决策

触发场景： 你正在为某个重要决定"贪快"——比如要不要接一个客户、要不要换赛道

Bash

/dbs-slowisfast # 描述你想做的决策 → 让它强制你慢下来

关键问题组：

• 这个决定的可逆性是什么？
• 我在绕开哪个关键摩擦？
• 如果慢 3 天，会发现什么？

课节 5-2：从"知道"到"做到"

场景： 你知道该做某件事，但一直拖

Bash

/dbs-action # 描述那件一直没做的事 /dbs-goal # 把这件事纳入你的长期跟踪系统

3 dbs-goal 是个人决策系统，把任何长期跟踪的领域做成本地知识工程，四层结构 + 来源标签 + 隐私模式。

🔴 模块 6：Obsidian 知识库自动化（3节）

课节 6-1：让 Agent 理解你的 Vault

11 Obsidian-Skills 是专为 Obsidian 和兼容 Agent Skills 规范的 AI 助手设计的技能仓库，这些 markdown 驱动的规范教 Claude Code 如何在 Obsidian 独特环境中执行上下文感知任务，例如解析不同文件类型、自动化笔记工作流，或用结构化知识增强 Agent 响应。

实践内容：

Bash

# 测试 Agent 能做什么 obsidian search query="商业模式" # 语义搜索 obsidian tags # 列出所有标签 obsidian backlinks file="概念卡-战略核心" # 查看反向链接

课节 6-2：Bases 数据库视图 + Canvas 知识图谱

案例 A：用 Bases 管理读书清单

12 通过 Base skills 管理阅读列表，通过 Canvas skills 可视化知识网络，是两个验证 Obsidian Skills 价值的实际案例。

Bash

# 创建读书数据库视图 obsidian bases create name="读书追踪" \ filters="status != done" \ views="table" \ properties="书名,作者,进度,提炼原子数"

案例 B：用 Canvas 可视化知识图谱

12 JSON Canvas 是 Obsidian 的开放格式规范，AI 可以生成思维导图、知识图谱、工作流程图等可视化内容。

Bash

# 把本月所有原子笔记可视化 obsidian canvas create name="本月知识图谱" \ nodes="02-Skills/atoms/*.md" \ layout="cluster-by-topic"

课节 6-3：obsidian-wiki 自动维护数字大脑

16 与其每次都让 LLM 回答同样的问题（或反复做 RAG），不如把知识一次性编译成相互连接的 markdown 文件并保持更新——Obsidian 是查看器，LLM 是维护者。

Bash

pip install obsidian-wiki obsidian-wiki setup --vault /path/to/your/vault # 自动化任务示例 obsidian-wiki ingest --source "00-Inbox/*.md" # 消化 Inbox obsidian-wiki lint # 检查规范 obsidian-wiki rebuild-index # 重建索引

🔴 模块 7：知识原子挖矿（2节）

课节 7-1：读懂 atoms.jsonl 的结构

7 dbskill 的知识库是完全开放的，你不需要安装整套 Skill 才能用——可以只拿走你需要的部分。知识库包含 4,176 个知识原子（全量）以及按季度拆分的文件。

实战练习：

Bash

# 按主题筛选原子 cat atoms.jsonl | jq 'select(.topics[] | contains("定价"))' | head -20 # 按类型筛选反模式 cat atoms.jsonl | jq 'select(.type == "anti-pattern")' | head -10 # 按 skill 分组 cat atoms.jsonl | jq 'select(.skills[] | contains("dbs-diagnosis"))'

课节 7-2：用原子库做 RAG 知识问答

案例：构建你自己的"商业判断小助手"

Bash

# 把 atoms.jsonl 导入向量数据库 python3 ingest_atoms.py \ --input ~/.agents/skills/dbskill/知识库/原子库/atoms.jsonl \ --output ./my-rag-db # 查询 python3 query_atoms.py "定价策略中最常见的陷阱是什么？"

进阶： 把你自己从书中提炼的原子，和 dbskill 的原子合并成一个统一的 RAG 知识库。

🟣 模块 8：多视角思辨工作流（1节）

核心 Skill：dbs-chatroom + dbs-chatroom-austrian

课节 8-1：模拟专家围桌讨论

案例： 围绕"我的生意该不该做会员制？"召开一场专家讨论

Bash

/dbs-chatroom # 问题：我正在考虑给我的知识付费课程加会员制，请帮我模拟讨论 /dbs-chatroom-austrian # 同一个问题，用奥地利经济学视角重新审视

对比练习： 把两个 chatroom 的结论放在一起，找到分歧最大的点——那里往往是你最需要深入思考的地方。

🟣 模块 9：存档与跨会话续写（1节）

课节 9-1：完整的会话生命周期管理

Bash

# 场景：今天诊断做了一半，明天想接着做 /dbs-save project="my-course-business" # → 存档到 ~/.dbs/sessions/my-course-business/ # 第二天重开 cd ~/projects/my-course-business /dbs-restore # → 自动拉回上次进度，无需重新描述背景

Agent 迁移场景：

Bash

/dbs-agent-migration # 场景：你同时用 Claude Code 和 Codex # → 统一 CLAUDE.md 和 AGENTS.md，避免重复配置

⭐ 模块 10：综合实战 · 从读书到决策到输出（3节）

这是整个课程的 BOSS 关卡

课节 10-1：输入层 — 选书 + 建 Skill

text

选一本与你当前项目直接相关的书 ↓ /book-to-skill 吃透这本书 ↓ 提炼 10 个对你最有用的原子 ↓ 写入 Obsidian vault

课节 10-2：思考层 — 诊断 + 拆解 + 讨论

text

用书中方法论重新审视你的项目 ↓ /dbs-deconstruct 拆解核心概念 ↓ /dbs-diagnosis 诊断商业模式 ↓ /dbs-chatroom 多视角讨论 ↓ /dbs-slowisfast 检验是否在贪快

课节 10-3：输出层 — 内容 + 决策 + 归档

text

/dbs-content 把诊断结论写成一篇内容 ↓ /dbs-hook 优化开头 ↓ /dbs-ai-check 去除 AI 味 ↓ /dbs-report 生成最终诊断报告 ↓ /dbs-save 存档 ↓ obsidian create 写入知识库 ↓ git commit 版本控制

最终输出物清单：

⭐ 模块 11：自定义 Skill 开发（2节）

目标：从"使用者"升级为"创作者"

课节 11-1：读懂 Skill 规范，写第一个 SKILL.md

13 Obsidian Skills 是一组符合 Agent Skills 规范的结构化 SKILL.md 文件，每个 skill 教 AI Agent 如何使用特定的 Obsidian 文件格式或工具。

实战练习： 写一个 reading-to-atom skill——自动把书摘转化成知识原子并写入 vault。

Markdown

# reading-to-atom/SKILL.md ## 触发方式 /reading-to-atom、「提炼原子」、「把这段话变成原子」 ## 核心行为 1. 解析用户输入的书摘或观点 2. 按 atoms.jsonl 格式提炼知识原子 3. 调用 obsidian-cli 写入 02-Skills/atoms/ 4. 更新 Skill-Stack-Index ## 输出格式 { "id": "YYYYMM_XXX", "knowledge": "...", "source": "书名/作者", "topics": [...], "type": "insight|anti-pattern|framework", "confidence": "high|medium|low" }

课节 11-2：组合多个 Skill 的元 Skill

案例： 写一个 weekly-review skill，每周自动：

1. 扫描本周 Inbox 新增内容
2. 用 dbs-deconstruct 拆解新增概念
3. 用 dbs-diagnosis 更新项目诊断
4. 生成本周知识图谱
5. dbs-save 存档 + git commit

📊 课程学习路径图

text

模块0(环境) ↓ 模块1(读书) ──→ 模块7(原子挖矿) ↓ 模块2(拆解) ──→ 模块8(多视角) ↓ 模块3(诊断) ──→ 模块9(存档续写) ↓ 模块4(内容) 模块5(执行力) ↓ ↓ └──────┬────────┘ ↓ 模块6(Obsidian自动化) ↓ 模块10(综合实战) ← BOSS关卡 ↓ 模块11(自定义Skill) ← 毕业作品

💡 每节课的标准作业格式

每完成一个模块，提交以下内容到你的 Obsidian vault：

Markdown

--- module: "模块X-课节Y" date: {{今天日期}} skills_used: [dbs-deconstruct, obsidian-cli, ...] status: done --- ## 输入 （这节课的原始素材是什么） ## 操作 （我执行了哪些命令，发生了什么） ## 输出物 （生成了哪些文件，在哪里） ## 意外发现 （学到了什么计划外的东西） ## 下节课要解决的问题 （留一个悬念给自己）

核心提醒： 14通过选择纯文本、构建结构化笔记类型、将工作流编码进 Agent Skills，可以将知识管理的时间开销从 30-40% 降低到不足 10%。 这套系统的价值不在于工具本身，而在于你用它处理的真实问题的质量。从你最迫切的一个真实项目开始，比从头刷完所有课节更有效。