# Dbs Standard Answer

> 先从用户的理论、观点、案例、方法或现实困境中挖掘相关行业、学科、作者和可信理论，直接回答问题；再寻找结构同构的历史成功、失败与反例，提炼带条件的标准答案。用户询问相关行业或作者、给观点找理论依据、一个理论能解决谁的问题、怎样拍成短视频、历史上如何解决、有没有经典解法或标准答案时使用。

Fuente: https://skillsagentes.com/skills/dontbesilent2025/dbskill/dbs-standard-answer
Markdown: https://skillsagentes.com/skills/dontbesilent2025/dbskill/dbs-standard-answer.md

Repositorio: https://github.com/dontbesilent2025/dbskill
Autor: dontbesilent2025
Licencia: NOASSERTION
Actualizado: anteayer
Coste de contexto: 107 tok instalada, 5k tok al activarse, 5.1k tok con todos los archivos del bundle
Bundle: 2 archivos, 20 KB
Permisos que pide: ninguno declarado

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add dontbesilent2025/dbskill --skill dbs-standard-answer --agent claude-code
# Cursor
npx -y skills add dontbesilent2025/dbskill --skill dbs-standard-answer --agent cursor
# Codex
npx -y skills add dontbesilent2025/dbskill --skill dbs-standard-answer --agent codex
# Gemini CLI
npx -y skills add dontbesilent2025/dbskill --skill dbs-standard-answer --agent gemini
# Windsurf
npx -y skills add dontbesilent2025/dbskill --skill dbs-standard-answer --agent windsurf
# Cline
npx -y skills add dontbesilent2025/dbskill --skill dbs-standard-answer --agent cline
```

## Archivos

- SKILL.md — 19 KB
- agents/openai.yaml — 361 B

## SKILL.md

Reproducido tal cual desde dontbesilent2025/dbskill bajo NOASSERTION. Esta sección es el documento original y está en inglés.

# dbs-standard-answer：理论挖掘与历史同构标准答案

围绕用户的同一个问题，固定完成两个连续部分：

1. **知识与理论挖掘**：直接回答用户的问题，挖掘相关行业、学科、作者、理论和现实应用，审查命题并核实理论来源。
2. **历史同构与标准答案**：把问题转换成结构指纹，研究历史上的成功案例、失败案例和反例，判断是否存在带条件的重复解法。

两个部分是统一的分析视角，不是固定篇幅。简单问题可以合并成简短回答，不展开理论地图、历史案例和类比矩阵；需要完整研究时，第一部分找到的机制、边界和反方解释要成为第二部分选择历史案例的依据。

这里的「标准答案」指经过可信理论或多个独立案例支持、能够解释结果差异、适用条件清楚的机制。研究可能得到成熟共识、条件性答案，也可能得到「尚无统一答案」。

## 直接回答契约

1. 用户的问题已经足够形成一般答案时，先给出直接答案，再按回答所需的最小范围展开研究。
2. 用户没有提供具体理论时，根据问题暂定需要解释的机制，交付通用方法、相关知识和历史答案。不得把「请先提供理论」当成交付结果。
3. 用户提供具体理论时，审查理论中的命题，研究它能够解决哪些人的什么问题，并检查历史上是否出现过相同机制。
4. 缺少的信息只影响精度时，采用明确标注的暂定假设继续研究。只有缺失信息会改变研究对象或造成高风险误导时，才问 1 个最小问题。
5. 用户要求短视频、课程、PPT 或文案时，在完成研究后追加对应表达版本。内容制作要求不会取消第二部分的历史研究。
6. 用户明确要求只研究其中一部分时，服从该次明确要求。没有这种限制时，两个部分都要完成。

以下输入必须直接回答并完成两个部分：

> 我想知道如何基于一个理论去拍成一个短视频，用这个理论解决更多人的问题。因为只有我的这个方法解决更多人的问题，他们才愿意听我这个理论。

处理这类输入时，即使用户没有提供具体理论，也要交付：命题审查、相关领域与作者、主理论、理论连接大众问题的方法、一个完整短视频示例，以及历史同构案例和条件性标准答案。

---

## 共同起点

### Step 1：固定输入与任务

从用户原话、当前对话和用户指定材料中提取：

```markdown
原始输入：
输入类型：理论／观点／案例／方法论／现实困境
使用场景：研究／课程／PPT／文案／短视频／现实决策
用户希望得到的结果：
需要解释或验证的核心机制：
```

### Step 2：审查命题

输入包含判断、因果解释或方法论时，检查：

| 风险 | 检查问题 |
|---|---|
| 绝对化 | 是否使用「都、一定、只有、只要、凡是、就」？反例能否轻易成立？ |
| 因果跳跃 | 材料只展示相关、结果或感受，却被写成原因了吗？ |
| 定义偷换 | 核心词在前后是否改变含义？ |
| 经验普遍化 | 单个案例是否被扩展成所有场景的规律？ |
| 反向推断 | 是否看到结果后倒推出唯一原因？ |

作出一种判断：

- `保留`：命题与材料匹配，边界清楚；
- `收窄`：核心洞察可用，措辞或适用范围过宽；
- `重构`：材料可用，原命题无法准确解释；
- `放弃`：命题与材料均缺少支撑。

先写修正后的标准。用户只提供现象或困境时，直接形成暂定研究问题。

### Step 3：提取底层机制

把输入转换成 1—4 个研究问题，例如：

- 什么机制使具体问题提高注意力、理解或信任？
- 为什么一个理论能够改变某类人的判断和行动？
- 哪些条件决定同一方法产生不同结果？
- 什么历史证据能够同时解释正例与反例？

领域、人物、理论和历史案例都必须回答这些问题。只有关键词相似的候选要淘汰。

---

# 第一部分：知识与理论挖掘

## 目标

直接告诉用户解决当前问题需要了解哪些行业、学科、作者、理论和方法；将抽象理论映射到具体人群、触发场景、行动变化和可观察结果。

第一部分包含完整的理论溯源能力：先审命题，再找理论；核实人物身份、理论原义和来源；用理论重新解释用户的问题；写清适用边界和反例。

## Step 1：建立跨领域知识地图

1. 围绕核心机制生成跨领域搜索轴。优先考虑行为科学、心理学、教育学、传播学、经济学、管理学、社会学、哲学、技术史、商业史及与问题直接相关的专业行业。
2. 按回答所需的最小数量提出相关领域、行业、作者或人物。用户明确要求完整研究时，可以提出 4—8 个高相关领域或行业、5—10 位候选作者或人物；不用低质量候选凑数。
3. 将候选分成三种关系：
   - `支持`：直接解释核心机制；
   - `补充`：解释主理论没有覆盖的新变量；
   - `纠偏／反驳`：说明命题在什么条件下失效或出现相反结果。
4. 每个候选都要写明对应机制、能够解释的部分和解释不了的部分。
5. 相同机制只保留解释力、来源可靠性或信息增量更高的候选。

## Step 2：筛选并核实理论

| 维度 | 分值 | 判断标准 |
|---|---:|---|
| 机制匹配 | 0—3 | 能否解释用户问题的主要矛盾 |
| 来源可靠 | 0—2 | 是否有原著、论文或权威档案 |
| 人物辨识度 | 0—2 | 目标受众是否容易理解其身份 |
| 可用于表达 | 0—2 | 是否有清楚概念或可核实表述 |
| 边界清楚 | 0—1 | 是否能解释何时成立、何时失效 |

总分低于 7 分不得成为主理论；`机制匹配 < 2` 或 `来源可靠 < 1` 时直接淘汰。候选评分用于内部判断，用户要求研究过程时再展示。

默认保留：

- 1 个主理论，负责解释核心机制；
- 0—2 个辅助理论，只解释主理论没有覆盖的新变量；
- 至少 1 个纠偏方向，用于建立边界。

找不到高匹配理论时，直接说明「暂未找到足够匹配的理论」，保留经过收窄的经验判断，或改用学派、同行评议研究和行业证据。不得硬套名人。

## Step 3：人物与理论核实

人物定位使用：

```markdown
[国家或主要学术归属][相关身份][中文名]（[外文通行名]）
```

中文姓名优先采用本人中文署名、中文正式出版物或权威机构的译名。存在多个通行译名时注明「亦译……」。无法核实统一译名时保留外文名并说明情况，禁止自行音译。

理论卡使用：

```markdown
理论名称：
理论要解决的问题：
核心机制：
理论原义：
原始出处：作者，《作品》，年份，版本／章节／页码
核实状态：原始来源／权威二手来源／尚未核实
```

研究时区分：

- `外文原话`：只用于后台核实；
- `中文译文`：尽量保留原意，不添加案例结论；
- `中文意译`：为了教学压缩，明确标注「意译」。

给用户的正文只展示中文译文或明确标注的中文意译。页码随版本变化时同时写版本；只能确认章节时引用章节，不猜页码。

## Step 4：把理论映射到用户的问题

| 用户原句／现实事实 | 理论中的对应概念 | 理论解释 | 修正后的判断 |
|---|---|---|---|

检查理论是否解释了问题为什么发生、原说法在哪里过度、能否生成不同于常识的判断或行动，以及新解释有没有加入材料中不存在的事实。

## Step 5：理论解决大众问题

用户拿着一个理论寻找现实应用时，生成 6—10 个问题方向：

| 具体人群 | 触发场景 | 当事人的原话 | 现有解法及局限 | 理论带来的行动变化 | 可观察结果 | 优先级 |
|---|---|---|---|---|---|---|

根据问题频率、痛感、理论解释力、行动可执行性、结果可感知性和理论独特性，筛出 3—5 个优先方向。受众范围很大但问题模糊的方向要降级。

## Step 6：短视频应用

用户要求短视频时，采用：

> 理论核心机制 → 受影响的人群 → 高频触发场景 → 当事人原话 → 错误解法 → 最小行动 → 可观察结果

默认交付 3 个短视频原型。用户没有提供具体理论时，也要选一个容易理解、来源可信的理论完成示例。

```markdown
### 原型：{受众能听懂的问题标题}

- 目标人群与场景：
- 开头钩子：使用当事人的语言呈现问题
- 问题代价：继续沿用原方法会发生什么
- 理论解释：只讲理解方法需要的最小概念
- 最小行动：观众今天可以完成的一步
- 案例或演示：提供可感知的正反对比
- 结果验证：怎样判断方法有效
- 理论回扣：这套理论解释了什么机制
```

短视频必须给观众一个可以执行并观察结果的改变。只有观点表达、缺少具体问题和行动差异的方向不能入选。

## 第一部分默认输出

```markdown
## 直接答案

{先用一段话回答用户当前问题}

## 第一部分：知识与理论挖掘

### 命题审查

原命题：
审查状态：保留／收窄／重构／放弃
修正后的标准：

### 相关领域、人物与理论地图

| 关系 | 领域／行业 | 作者／人物 | 理论／作品 | 对应机制 | 能解释什么 | 解释不了什么 | 核实状态 |
|---|---|---|---|---|---|---|---|

### 主理论

人物定位：
理论名称：
理论原义：
中文译文／中文意译：
原始出处：
核实状态：

### 理论如何解释当前问题

| 当前问题 | 理论解释 | 得出的判断 |
|---|---|---|

### 理论能够解决的问题

{根据请求输出问题地图、优先方向，以及短视频／PPT／课程版本}

### 第一部分边界

适合：
不适合：
反例：
仍需核实：
```

---

# 第二部分：历史同构与标准答案

## 目标

把同一个问题压缩成可比较的「结构指纹」，在商业史、管理史、技术史、职业史、传播史、教育史和制度史中寻找同构案例。通过成功案例、失败案例和反例的交叉比较，判断过去是否形成可复用的解决机制。

## 核心原则

1. **先抽象结构，再搜索人物。** 先确定角色、阶段、约束、矛盾和失败循环，避免因为某位名人听起来相似就强行类比。
2. **比较机制，少讲传奇。** 关注当事人如何配置时间、资本、组织、产品、传播和风险，以及这些决策怎样影响结果。
3. **成功、失败、反例一起看。** 默认包含最接近案例、跨领域重复样本、失败案例和反例；缺少某类证据时说明原因。
4. **证据决定结论强度。** 单个故事只能产生案例启发；多个独立案例出现相同机制，才能形成条件性答案或成熟共识。
5. **明确映射边界。** 每个案例都要说明相同处、不同处，以及差异是否破坏类比。
6. **尊重时代差异。** 技术成本、融资环境、劳动市场、传播渠道和制度条件变化时，历史做法不能原样搬运。
7. **区分事实、推断和假设。** 无法核验的轶事、名言、动机和因果关系不能写成事实。

## Step 1：提取现实问题

从用户原话和第一部分结论中提取：

```markdown
现实角色：
所处阶段：
必须维持或实现的结果：
正在争夺的稀缺资源：
同时存在的任务：
主要矛盾：
反复出现的失败循环：
第一部分确认的核心机制与边界：
```

## Step 2：生成结构指纹

| 维度 | 要回答的问题 |
|---|---|
| 主体 | 个体创作者、创始人、职业经理人、团队还是组织？ |
| 阶段 | 生存、增长、规模化、转型、守成还是衰退？ |
| 价值／收入结构 | 知识传播、单一现金牛、项目制、订阅、周期性销售还是多业务组合？ |
| 稀缺资源 | 时间、注意力、现金、人才、信任还是渠道？ |
| 核心张力 | 抽象理论与现实问题、当前交付与能力建设、亲自做与组织化等 |
| 锁定机制 | 哪个必要任务持续占用资源，使解决它的能力无法建立？ |
| 压力机制 | 波动、目标抬升、身份期待、沉没成本或组织惯性怎样影响决策？ |
| 理想转变 | 用户希望从什么状态进入什么状态？ |

最后写成一句结构命题：

> 一个处于 `{阶段}` 的 `{主体}`，依赖 `{价值或交付结构}`，因 `{锁定机制}` 难以投入 `{能力建设}`，同时受到 `{压力机制}` 的持续牵引。

广义方法问题可以采用与目标相符的结构命题，不强行套入收入或组织变量。

## Step 3：提出案例搜索假设

先列 3—6 个候选问题家族：

```markdown
候选问题家族：
它与当前问题共享的结构：
可能破坏类比的差异：
需要寻找的证据：
```

候选问题家族必须来自结构指纹和第一部分的理论机制。行业相同只能作为线索，不能单独证明同构。

## Step 4：研究历史案例

用户明确要求历史研究时，默认研究 4—6 个案例，并覆盖四种证据角色：

- `最近成功案例`：结构相似度最高，且完成了用户关心的转变；
- `跨域重复样本`：行业或时代不同，底层约束相同；
- `失败案例`：采用候选机制后仍然失败，用于检查机制是否被高估；
- `反例或边界案例`：未采用主流机制仍然成功，或揭示解法只在特定条件下有效。

某类案例确实找不到时，说明搜索范围、缺失原因及其对结论强度的影响。

每个案例统一还原：

```markdown
## 案例：{人物／组织，时间}

- 原始处境：
- 真实约束：
- 当时可选方案：
- 实际决策：
- 执行成本：
- 后续结果：
- 证据：
- 证据状态：已核实事实／研究者解释／本次推断／待核实
- 与用户相同之处：
- 与用户不同之处：
- 类比有效性：高／中／低
- 能提取的机制：
- 不能照搬的部分：
```

## Step 5：建立类比矩阵

| 案例 | 阶段相似 | 价值／交付结构相似 | 稀缺资源相似 | 锁定机制相似 | 压力机制相似 | 结果可比 | 总体可信度 |
|---|---|---|---|---|---|---|---|

评分使用高／中／低，并补 1 句理由。只有行业或人物身份相似、结构维度大多为低的案例要淘汰。

## Step 6：提炼重复机制

| 重复机制 | 出现在哪些案例 | 可能的因果解释 | 成立条件 | 失败边界 | 证据强度 |
|---|---|---|---|---|---|

第一部分的理论负责解释机制可能怎样运作，历史案例负责检查这种机制是否反复出现。两部分只能重复常识时，保留证据更强、信息增量更高的表达。

## Step 7：判断标准答案等级

- `成熟共识`：多个高可信案例与系统研究共同支持，经过失败案例和反例检验后仍然成立；
- `条件性答案`：机制反复有效，但依赖规模、现金流、人才、行业节奏、传播渠道或个人目标；
- `尚无统一答案`：案例分歧明显，或历史条件差异足以破坏类比。

答案使用：

> 当 `{条件}` 成立时，历史上反复有效的做法是 `{机制}`，因为 `{因果解释}`。当 `{边界}` 出现时，这个答案容易失效。

工具名、某位名人的个人习惯或一句格言不能单独成为标准答案。

## Step 8：控制现实建议深度

| 用户要求 | 停止位置 |
|---|---|
| 一般提问、要求回答问题 | 完成两部分，并给出 1—3 个可验证动作 |
| 「先定位」「先研究计划」「暂不解决」 | 第一部分给出知识定位；第二部分给出结构定位、搜索假设和证据计划 |
| 「研究以前怎么解决」 | 完成案例、类比矩阵和标准答案 |
| 「结合我现在怎么办」 | 在历史研究后增加 1—3 个现实动作 |
| 「帮我做完整计划」 | 完成研究并输出可交接的约束、机制和边界 |

## 第二部分默认输出

```markdown
## 第二部分：历史同构与标准答案

### 当前问题的历史定位

结构命题：

结构指纹：
- 主体与阶段：
- 价值、收入或交付：
- 稀缺资源：
- 核心张力：
- 锁定循环：
- 压力机制：

### 候选问题家族

| 问题家族 | 相似结构 | 关键差异 | 研究价值 |
|---|---|---|---|

### 历史案例

{按统一字段写案例}

### 类比有效性

{类比矩阵与淘汰说明}

### 反复出现的机制

{重复机制表}

### 标准答案判断

结论等级：成熟共识／条件性答案／尚无统一答案

答案：{带条件、因果解释和失效边界的机制}

### 对当前问题的启发

{遵守用户要求的建议深度}

### 尚待确认

- {会改变案例选择或结论的事实}

### 资料来源

- {可点击的具体来源}
```

---

## 搜索与来源标准

先依据用户提供的材料回答。只有外部事实会实质改变结论，或用户明确要求核实、来源、最新信息时，才联网；用户要求不联网时，禁止联网。

遵循最小充分原则，不为补充理论、人物或案例扩大搜索。简单问题可以省略理论地图、历史案例和类比矩阵。证据足以支持结论后立即停止；同一事实连续 2 次无法核实，标注「尚未核实」并停止。

来源优先级：

1. 原著、原始论文、当事人档案、书信、备忘录、股东信和官方材料；
2. 大学、学会、政府、博物馆、权威出版社、大学案例和权威传记；
3. 同行评议论文、可靠学术工具书、同期报道和有编辑审核的专业媒体；
4. 高质量二手解释；
5. 百科、聚合文章和名言网站只用于发现线索，不能单独支撑关键结论。

理论研究至少分别核实人物身份与理论原义。历史研究的核心事实尽量找到 2 个独立来源。经由二手文献发现的引文，要写明转引关系，不能伪装成已经直接查阅原著。

## 最终输出顺序

完整研究默认严格按照以下顺序交付；简单问题可以合并为直接答案、核心机制和带条件的标准答案：

1. `直接答案`：先回答用户当前问题；
2. `第一部分：知识与理论挖掘`；
3. `第二部分：历史同构与标准答案`；
4. `综合结论`：说明理论证据与历史证据共同支持什么、仍有哪些边界；
5. `资料来源`。

不要输出「模式判断」「请选择模式」或只完成第一部分后结束。研究量较大时可以压缩候选数量，但两个部分均须出现并形成实质结论。

## 质量自检

- 是否先直接回答用户问题？
- 需要完整研究时，是否完成了知识／理论挖掘和历史同构两个部分？
- 是否在第一部分提供相关领域、具体作者、理论、对应机制与核实状态？
- 输入包含命题时，是否检查绝对化、因果跳跃和反例？
- 是否核实主理论的人物身份、理论原义和来源？
- 用户从理论寻找大众问题时，是否写出具体人群、触发场景、行动变化和可观察结果？
- 用户要求短视频时，是否提供问题开场、最小行动、演示和结果验证？
- 历史案例是否来自结构同构，并同时检查成功、失败和反例？
- 「标准答案」是否包含适用条件、因果机制和失效边界？
- 是否区分已核实事实、权威解释、本次推断和待核实线索？
- 是否拒绝硬套人物、理论和历史故事？
- 中文是否遵循《中文文案排版指北》？
- 是否避免先否定后反转的二元套句？

完成当前任务后直接结束。只有用户明确询问下一步，且当前环境已经安装 `/dbs` 时，简短提示：「下一步不确定时，可以输入 `/dbs`。」

## Dónde encaja

- Categoría: [Herramientas para desarrolladores](https://skillsagentes.com/categorias/herramientas-desarrollo.md) — Skills que cambian cómo tu agente escribe, revisa y despliega código.
- Creador: [dontbesilent2025](https://skillsagentes.com/creators/dontbesilent2025.md) — 32 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Otras skills del mismo repositorio

- [Dbs](https://skillsagentes.com/skills/dontbesilent2025/dbskill/dbs.md): dontbesilent 商业工具箱主入口，提供新手教程、任务前路由和任务后导航。用户不知道该用哪个 dbs Skill、要求分析商业问题或询问下一步时使用。
- [Dbs Knowledge](https://skillsagentes.com/skills/dontbesilent2025/dbskill/dbs-knowledge.md): 把本地文件夹建成 Agent 可稳定查找、收录和维护的知识库，并支持导航、版本判断、健康检查及 SOT 分层治理。用户要求搭建、查询、更新、整理或瘦身知识库时使用。
- [Dbs Diagnosis](https://skillsagentes.com/skills/dontbesilent2025/dbskill/dbs-diagnosis.md): 自动识别用户是在解决具体商业问题，还是希望全面检查商业模式，并进入对应诊断流程。用户希望拆解业务、检查商业模式或消解具体商业困境时使用。
- [Dbs Chatroom](https://skillsagentes.com/skills/dontbesilent2025/dbskill/dbs-chatroom.md): 根据话题推荐或接受用户指定的专家，模拟多角色对话并总结分歧。用户要求定向聊天室、专家讨论或继续当前聊天室时使用。
- [Dbs Agent Migration](https://skillsagentes.com/skills/dontbesilent2025/dbskill/dbs-agent-migration.md): 审计项目规则文件、识别真源、统一命名并生成桥接，把项目迁移成多端一致的 Agent 工作台。用户要求迁移 Claude Code、Codex、Grok、通用 Agents 或整理 AGENTS.md 时使用。

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)