dontbesilent 商业诊断工具箱。从 12,307 条推文中提炼方法论,做成 17 个 Agent skill。

可在 Claude Code、Codex、Cursor、Trae Solo 等任意支持 skill / system prompt 的 Agent 上使用。

最新更新:v2.8.0

v2.8.0 新增:目标清晰化(/dbs-goal)。帮你把「我想做个人 IP」「我想变得更好」「我想做真正有影响力的内容」这类愿望语法,用维特根斯坦的语言哲学审计成可检查的交付物——三个用法测试 + 空转词识别 + 重写为可指物目标。在 diagnosis 之后、action 之前的一道关。

v2.7.0 新增:诊断状态管理三件套(/dbs-save、/dbs-restore、/dbs-report)。诊断不再是单次问诊——这次诊断结束之前 /dbs-save 存一份,下次重开对话 /dbs-restore 接着走,攒够几次再用 /dbs-report 合并成一份可交付的报告。

作者:X · 小红书 · 抖音

所有内容开放,可以整套装,也可以只拿一部分。知识包、原子库、单个公理,都能单独用。

demo

claude plugin marketplace add dontbesilent2025/dbskill
claude plugin install dbs@dontbesilent-skills

npx skills add dontbesilent2025/dbskill

Trae Solo 一个 zip 装一个 skill。从 GitHub Releases 下载最新的 dbskill-版本号.zip,解压后里面是 17 个独立的 skill zip(每个 zip 解压后根级是 SKILL.md),逐个拖进 Trae Solo 的「上传技能」窗口即可。

如果想本地构建,运行 bash tools/build-skills.sh,产物在 dist/skills/。

claude plugin marketplace update dontbesilent-skills
claude plugin update dbs@dontbesilent-skills
/reload-plugins

重新运行一次同样的命令即可。安装和更新用的是同一条命令,不需要换成别的写法。

npx skills add dontbesilent2025/dbskill

几个关键词

• 存档:/dbs-save 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。
• 项目:用来分隔不同生意的诊断。默认按你当前的目录名隔离——给小红书做的诊断和给线下课做的诊断不会混在一起。
• 接着上次:你今天关掉 Claude Code,明天重开。只要还在同一个项目目录里 /dbs-restore,就会自动把上次的存档拉回来。

诊断的存档默认放在 ~/.dbs/sessions/{项目名}/,报告放在 ~/.dbs/reports/{项目名}/。

diagnosis(方向对不对)
 ↓
benchmark(找谁模仿)
 ↓
content(内容怎么做)

content 发现开头问题 → hook(开头怎么优化)
content 需要标题 → xhs-title(标题公式)
content 想检查 AI 味 → ai-check(AI 写作检测)

goal(目标本身是空转的,无法驱动行动)
slowisfast(任何关键决策阶段:当你在走捷径、贪快、绕开关键摩擦时)
action(知道该做什么,但就是做不动)
deconstruct(概念模糊,导致判断不成立)
chatroom(想先听多个视角,再决定下一步)

任何诊断 skill 走完有结论
 ↓
save(把结论、否决方向、下一步存档到本地)
 ↓
下次回来 → restore(把上次的存档拉回来,接着走)
 ↓
攒了多份存档 → report(合并出可分享的报告)

诊断走到「问题被消解」「报告输出」「行动方案确定」这类节点时,相关 skill 会主动建议你 /dbs-save。后面回来时一句「接着上次」或 /dbs-restore 就能继续,不用从头再讲一遍背景。

Skill 之间会自动推荐下一步。比如:

• diagnosis 发现方向成立但缺具体路径 → 推荐 benchmark
• diagnosis 发现核心卡点是心理或执行 → 推荐 action
• diagnosis 发现用户在关键决策上走捷径 → 推荐 slowisfast
• diagnosis 发现问题里的概念没定义清楚 → 推荐 deconstruct
• diagnosis 发现用户的"问题"其实是个空转目标,原话本身就不能驱动行动 → 推荐 goal
• benchmark 找到对标后,进入具体表达和内容执行 → 推荐 content
• benchmark 发现用户在模仿路径上贪快 → 推荐 slowisfast
• benchmark 发现逃避执行 → 推荐 action
• benchmark 发现用户的目标本身就是模糊的,找不到该模仿谁 → 推荐 goal
• content 发现开头问题 → 推荐 hook
• content 需要起标题 → 推荐 xhs-title
• content 检测出 AI 味 → 推荐 ai-check
• content 发现内容方法上在走捷径 → 推荐 slowisfast
• action 发现不是执行力问题,而是方法选错了 → 推荐 slowisfast
• action 发现用户做不动是因为目标本身就是空转的 → 推荐 goal
• deconstruct 拆完概念后发现整句话是空转目标 → 推荐 goal
• goal 审计通过但用户做不动 → 推荐 action
• goal 审计通过但缺路径 → 推荐 benchmark
• goal 审计通过但牵涉具体内容创作 → 推荐 content / hook / xhs-title
• goal 审计中发现某个词是伪概念 → 推荐 deconstruct
• 任何阶段如果用户想先听不同视角 → 推荐 chatroom
• 任何阶段如果用户用了模糊概念 → 推荐 deconstruct
• 用户明确提到 Claude Code、Codex、AGENTS.md、CLAUDE.md、skill bridge、工作台迁移、双端统一,或说"我的 Agent 工作台很乱""帮我统一 Claude 和 Codex" → 推荐 dbs-agent-migration
• diagnosis / benchmark / content / action / deconstruct / goal 走到有结论的节点 → 推荐 dbs-save
• 用户说「上次」「之前的」「接着」「续上」 → 推荐 dbs-restore
• save 累积 ≥3 份存档或用户说「打包」「整理一份」「给合伙人看的」 → 推荐 dbs-report

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/
├── 原子库/ # 结构化知识数据库
│ ├── atoms.jsonl # 4,176 个知识原子(全量)
│ ├── atoms_2024Q4.jsonl # 按季度拆分
│ ├── atoms_2025Q1.jsonl
│ ├── ...
│ └── README.md # 字段说明
│
├── Skill知识包/ # 提炼后的方法论文档
│ ├── diagnosis_公理与诊断框架.md
│ ├── diagnosis_问题消解案例库.md
│ ├── benchmark_对标方法论.md
│ ├── benchmark_平台运营知识.md
│ ├── content_内容创作方法论.md
│ ├── content_平台特性与案例.md
│ ├── action_心理诊断框架.md
│ ├── action_信号案例库.md
│ ├── deconstruct_语言与概念框架.md
│ └── deconstruct_解构案例库.md
│
└── 高频概念词典.md

每个知识原子是一条从推文中提炼的知识点,结构化为 JSON:

{
 "id": "2024Q4_042",
 "knowledge": "判断一个生意能不能做,必要条件之一是你能不能说出这个产品的颜色",
 "original": "判断一个生意能不能做,必要条件之一是你能不能说出这个产品的颜色...",
 "url": "https://x.com/dontbesilent/status/...",
 "date": "2024年10月01日",
 "topics": ["商业模式与定价", "语言与思维"],
 "skills": ["dbs-diagnosis", "dbs-deconstruct"],
 "type": "anti-pattern",
 "confidence": "high"
}

字段说明:

每个 Skill 有 2 个知识包——一个是框架方法论,一个是案例库。Skill 运行时会读取这些文件作为深度参考。

如果你不安装 Skill,也可以直接读这些 .md 文件。它们是独立的、可读的方法论文档。

场景 1:给你的 AI 加商业诊断能力

把 知识库/Skill知识包/diagnosis_公理与诊断框架.md 的内容粘贴到你的 system prompt 里。你的 AI 就有了 6 公理 + 消解漏斗。

场景 2:做 RAG 知识库

把 知识库/原子库/atoms.jsonl 导入你的向量数据库。4,176 条结构化知识点,自带主题标签,天然适合检索。

场景 3:只要案例

只看 type: "case" 或 type: "anti-pattern" 的原子。大约 700+ 条真实商业案例和反面案例。

场景 4:做 chatbot

用 Skill 知识包里的方法论作为 system prompt,用原子库做 RAG 增强。不需要安装 Claude Code。

场景 5:学习和研究

按 topics 过滤,只看你感兴趣的领域。比如 topics 包含 "心理与执行力" 的有 296 条。

本项目采用 CC BY-NC 4.0 许可证。

• 个人使用、学习、研究、非商业项目:不需要署名,不需要申请
• 公开发布衍生作品(文章、工具、课程等):请注明来源
• 商业用途:需要单独授权,请联系作者