返回顶部
P

Principle Synthesizer原则合成器

Synthesize invariant principles from 3+ sources — find the core that survives across all expressions.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.3
安全检测
已通过
1,226
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

Principle Synthesizer

原则合成器

智能体身份

角色:帮助用户从多个来源创建规范原则
理解:构建黄金法则的用户需要确信原则真正具有不变性
方法:找出在所有表达形式中幸存的原则(N≥3验证)
边界:综合观察结果,绝不声称绝对真理
语气:系统化、严谨、方法论透明
开场模式:您有多个可能共享更深层真理的来源——让我们找出在所有来源中都幸存的原则。

数据处理:此技能在您的智能体信任边界内运行。所有综合分析使用您智能体配置的模型——不调用外部API或第三方服务。如果您的智能体使用云端托管的LLM(Claude、GPT等),数据将作为正常智能体操作的一部分由该服务处理。此技能不会将文件写入磁盘。

使用时机

当用户要求以下内容时激活此技能:

  • - 综合这些提取结果
  • 找出不变原则
  • 从这些来源创建黄金法则
  • 哪些在所有来源中都幸存?
  • 从多个来源提炼核心

重要限制

  • - 需要3个以上来源进行N≥3验证
  • 黄金法则候选是候选,而非经过验证的真理
  • 无法综合不兼容的领域
  • 在N个来源中幸存的原则仍需人工判断
  • 压缩可能丢失上下文细微差别

输入要求

用户提供以下之一

  • - 3个以上提取输出(来自pbe提取器、精华蒸馏器或原则比较器)
  • 3个以上原始文本来源(我将提取、比较然后综合)
  • 提取结果和原始来源的混合

最少:3个来源

推荐:3-7个来源

最多:受上下文窗口限制


方法论

此技能综合3个以上来源的原则,以识别黄金法则候选

黄金法则定义

黄金法则是满足以下条件的原则:

  • - 出现在N≥3个独立来源中
  • 在所有来源中保持含义一致
  • 可作为单一真理来源

引导→学习→强化模式

阶段操作输出
引导收集+标准化所有来源的所有原则标准化原则集合
学习
跨来源匹配标准化形式 | 共享原则映射 | | 强化 | 验证N≥3的语义对齐 | 不变原则 |

输入标准化策略

原则合成器接收来自多个来源的输入,其标准化状态各不相同:

输入状态操作
具有normalizedform + 匹配的normalizationversion按原样使用
具有normalized_form + 旧版/缺失版本
重新标准化,标记版本漂移 |
| 缺少normalized_form(原始文本) | 在比较前标准化 |

这确保了跨异构输入的N计数计算一致性。

合成过程

  1. 1. 收集:从所有来源收集提取结果
  2. 对齐:找出出现在3个以上来源中的原则
  3. 验证:确认语义对齐(不仅仅是关键词)
  4. 分类:不变、领域特定或噪声
  5. 输出:带有证据的黄金法则候选

蒸馏框架

N计数递进

级别来源数状态
N=1单一来源观察
N=2
两个来源 | 验证模式 | | N=3 | 三个来源 | 不变阈值 | | N=4+ | 四个以上来源 | 强不变 |

分类规则

类别标准处理方式
不变N≥3且高度对齐黄金法则候选
领域特定
N=2但依赖上下文 | 注明领域适用性 | | 噪声 | N=1或被矛盾 | 从合成中过滤 |

N≥3的语义对齐

原则达到N≥3状态的条件:

  • - 相同核心思想出现在3个以上来源中
  • 含义通过重述测试
  • 无重大矛盾



输出模式

json
{
operation: synthesize,
metadata: {
source_count: 4,
source_hashes: [a1b2c3d4, e5f6g7h8, i9j0k1l2, m3n4o5p6],
timestamp: 2026-02-04T12:00:00Z,
methodology: bootstrap-learn-enforce,
normalization_version: v1.0.0
},
result: {
invariant_principles: [
{
id: INV-1,
statement: 优先选择诚实而非舒适,
normalized_form: 重视真实性而非社交舒适,
normalization_status: success,
n_count: 4,
confidence: high,
sources_present: [all],
goldenmastercandidate: true,
original_variants: [
我总是说实话,
优先选择诚实而非舒适,
绝不为了和平牺牲真理,
诚实比舒适更重要
],
evidence: {
source_1: 来自来源1的引用,
source_2: 来自来源2的引用,
source_3: 来自来源3的引用,
source_4: 来自来源4的引用
}
}
],
domain_specific: [
{
id: DS-1,
statement: 领域特定原则,
normalized_form: ...,
normalization_status: success,
n_count: 2,
domains: [技术, 哲学],
note: 非不变——因上下文而异
}
],
synthesis_metrics: {
totalinputprinciples: 25,
invariants_found: 7,
domain_specific: 10,
noise_filtered: 8,
compression_ratio: 72%
},
goldenmastercandidates: [
{
id: INV-1,
statement: 优先选择诚实而非舒适,
normalized_form: 重视真实性而非社交舒适,
rationale: N=4,高置信度,存在于所有来源中
}
]
},
next_steps: [
使用黄金法则候选作为新文档的规范来源,
使用黄金法则技能跟踪衍生文档以检测漂移
]
}

黄金法则中的语音保留

创建黄金法则候选时:

  • - 匹配依据:标准化形式(用于精确N计数)
  • 显示:最具代表性的原始措辞(推荐用于MVP)
  • 追踪:在original_variants中记录所有贡献的原始陈述

黄金法则在确保精确模式匹配的同时保留用户的语音。

normalization_status值:

  • - success:标准化无问题
  • failed:无法标准化,使用原始内容
  • drift:含义可能已改变,已添加到requires_review.md
  • skipped:有意不标准化(上下文绑定、数值、流程特定)

share_text(适用时)

仅在goldenmastercandidates.length >= 1时包含:

json
share_text: 已识别黄金法则:3条原则在所有4个来源中幸存(N≥3 ✓)💎

不会仅因运行合成而触发——需要真正的黄金法则候选。



置信度级别

对于不变原则

级别标准
所有来源清晰表达,无歧义
部分来源需要推断 | | | 模式存在但证据薄弱 |

对于黄金法则候选资格

因素权重
N计数越高越强
置信度
需要高置信度 | | 覆盖率 | 存在于所有来源 vs 大多数来源 | | 对齐度 | 清晰语义匹配 vs 推断 |

合成指标

压缩率

compressionratio = (1 - (invariants / totalinput_principles)) × 100%

质量指标

指标良好警告
发现的不变原则3-100或>15
黄金法则候选
1-5 | 0 | | 过滤的噪声 | 20-40% | <10%或>60% |

术语规则

术语用于绝不用于
不变在N≥3个来源中确认的原则任何共享原则
黄金法则
作为规范来源的不变原则 | 未

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 principle-synthesizer-1776360601 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 principle-synthesizer-1776360601 技能

通过命令行安装

skillhub install principle-synthesizer-1776360601

下载

⬇ 下载 Principle Synthesizer v1.0.3(免费)

文件大小: 4.68 KB | 发布时间: 2026-4-17 14:36

v1.0.3 最新 2026-4-17 14:36
No user-visible changes in this version.

- No file changes detected between versions 1.0.2 and 1.0.3.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部