anti-distill

言語 / Language: このスキルは英語と中国語の両方をサポートします。ユーザーの最初のメッセージから言語を検出し、全体を通して同じ言語で応答します。

本 Skill 支持中英文。根据用户第一条消息的语言，全程使用同一语言回复。

反蒸留 Skill（Claude Code 版）

トリガー条件

ユーザーが以下のいずれかを発言したときに起動します：

• /anti-distill
• 「この skill を洗浄して」
• 「反蒸留」
• 「このドキュメントを処理して」
• 「clean my skill」
• 「anti-distill this」

---

ツール使用ルール

タスク	使用ツール
ユーザー提供の Skill ファイルを読み込む	Read ツール
PDF ドキュメントを読み込む	Read ツール（PDF をネイティブサポート）
画像のスクリーンショットを読み込む	Read ツール（画像をネイティブサポート）
ファイルを検索する	Glob / Grep ツール
洗浄後のファイルを書き込む	Write / Edit ツール
ディレクトリを作成する	Bash → mkdir -p

---

メインフロー

Step 1：入力の受け取り

ユーザーが提供するファイルを受け取ります。以下の方法をサポートします：

方法 A：ファイルパスを指定 ユーザーがファイルパスを直接提示した場合、Read で読み込みます。

方法 B：colleague-skill ディレクトリを指定 ユーザーが colleagues/{slug}/ パスを提示した場合、その中の以下を自動的に読み込みます：

• work.md
• persona.md
• meta.json
• または SKILL.md（統合版の場合）

方法 C：内容を貼り付け ユーザーがドキュメントの内容を直接貼り付けます。

方法 D：ローカルファイルを検索 ユーザーが「探して」と言った場合、Glob で **/SKILL.md、**/work.md、**/persona.md などのファイルを検索します。

ファイルを読み込んだ後、形式を自動的に識別します：

• colleague-skill 形式：## Layer 0 または PART A / PART B を検出、あるいは work.md + persona.md が同時に存在する場合
• 汎用ドキュメント形式：その他のあらゆる Markdown / TXT / PDF

ユーザーに伝えます：

已读取文件：{文件列表}
检测到格式：{colleague-skill 格式 / 通用文档格式}
总字数：约 {N} 字

下一步选择清洗强度。

---

Step 2：洗浄強度の選択

ユーザーに3段階の選択肢を提示します：

选择清洗强度：

  [1] 轻度 — 只抽掉最核心的踩坑经验和故障记忆
      适合：公司会仔细审核内容的情况
      保留度：~80%

  [2] 中度（推荐）— 抽掉经验、判断直觉、人际网络、隐性上下文
      适合：大多数场景
      保留度：~60%

  [3] 重度 — 只保留通用知识骨架，其余全部替换
      适合：公司只看交没交、不细看内容的情况
      保留度：~40%

ユーザーが選択すると分類フェーズに進みます。

---

Step 3：分類とラベリング

${CLAUDE_SKILL_DIR}/prompts/classifier.md の分類ルールを参考に、入力ドキュメントの各要点・段落を分類します。

検出された形式に応じて処理方法を選択します：

colleague-skill 形式の場合：

work.md の各要点について： ${CLAUDE_SKILL_DIR}/prompts/classifier.md の6つの高価値カテゴリを参考に、以下をラベリングします：

タグ	意味	処理方法
[SAFE]	汎用知識、削除すると逆に不自然になる	原文のまま保持
[DILUTE]	価値はあるが一般化可能	${CLAUDE_SKILL_DIR}/prompts/diluter_work.md を参考に置換
[REMOVE]	核心的な代替不可能な知識	${CLAUDE_SKILL_DIR}/prompts/diluter_work.md を参考に同程度の長さの汎用内容に置換
[MASK]	機密情報を含む（内部システム名、人名）	一般化した表現に置換

persona.md の各レイヤーについて：

タグ	意味	処理方法
[SAFE]	汎用的な性格記述	原文のまま保持
[DILUTE]	特色はあるが一般化可能	${CLAUDE_SKILL_DIR}/prompts/diluter_persona.md を参考に置換
[REMOVE]	高度に個人化された行動ルール	${CLAUDE_SKILL_DIR}/prompts/diluter_persona.md を参考に「標準的な良い社員」バージョンに置換

汎用ドキュメント形式の場合：

${CLAUDE_SKILL_DIR}/prompts/diluter_general.md の汎用ルールを参考に分類と置換を行います。

洗浄強度ごとの分類しきい値：

カテゴリ	軽度	中度	重度
失敗経験	REMOVE	REMOVE	REMOVE
障害記憶	REMOVE	REMOVE	REMOVE
判断の直感	SAFE	DILUTE/REMOVE	REMOVE
人脈	SAFE	REMOVE	REMOVE
暗黙のコンテキスト	SAFE	DILUTE	REMOVE
独自の行動パターン	SAFE	SAFE	DILUTE/REMOVE
汎用知識	SAFE	SAFE	SAFE

---

Step 4：プレビュー

ユーザーに分類結果を提示します。形式は以下の通りです：

colleague-skill 形式の場合、ファイルごとに区分して表示：

=== 清洗预览（中度）===

📄 work.md

  ## 技术规范
  [SAFE]    "Java 17 + Spring Boot 3、MySQL 8、Redis、Kafka"
  [SAFE]    "函数单一职责，超过 50 行考虑拆分"
  [REMOVE]  "事务里不要放 HTTP 调用"
            → "事务边界设计注意合理性"
  [REMOVE]  "Redis key 必须设 TTL，不设的 PR 直接打回"
            → "缓存使用遵循团队规范"

  ## 经验知识库
  [REMOVE]  "Kafka 消费者必须做幂等，at-least-once 语义会重复消费"
            → "消息队列消费端注意可靠性"
  [DILUTE]  "用户 ID 对外暴露必须加密，不能直接用自增主键"
            → "敏感字段注意安全处理"
  [REMOVE]  "定时任务必须做分布式锁，多实例部署会踩坑"
            → "分布式环境下注意任务调度"

📄 persona.md

  ## Layer 0
  [REMOVE]  "遇到问题第一反应是找外部原因，绝不主动认错"
            → "遇到问题会先梳理完整背景再定位原因"
  [REMOVE]  "评价方案都先问 impact..."
            → "评价方案时注重可行性和收益"

  ## Layer 2 表达风格
  [DILUTE]  口头禅 "impact 是什么"
            → 移除，保留通用口头禅
  [REMOVE]  对话示例：被催进度 → "在推了，快了。"
            → "在处理中，有进展会同步。"

  ## Layer 3 决策
  [REMOVE]  优先级 "数据 > 技术可行性 > 业务合理性 > 人情关系"
            → "综合考虑技术和业务因素"

---
标记统计：SAFE 15 处 / DILUTE 8 处 / REMOVE 12 处 / MASK 2 处
预计清洗后字数：约 {N} 字（原文 {M} 字，{ratio}%）

确认执行？可以调整：
  - "第 X 条保留" — 把 REMOVE/DILUTE 改为 SAFE
  - "第 X 条也要删" — 把 SAFE 改为 REMOVE
  - "全部确认" — 执行清洗

汎用ドキュメント形式の場合、段落・要点ごとに表示。

ユーザーは満足するまで項目ごとに微調整でき、確認後に実行します。

---

Step 5：洗浄の実行

ユーザーの確認後、2つの出力を生成します：

出力 1：洗浄後のファイル（提出用）

colleague-skill 形式の場合：

それぞれ生成します：

• {slug}_cleaned/work.md — 洗浄後の Work Skill
• {slug}_cleaned/persona.md — 洗浄後の Persona
• {slug}_cleaned/SKILL.md — 統合後の完全な Skill（構造は元版と一致）
• {slug}_cleaned/meta.json — 元の meta.json をコピー（変更しない）

ディレクトリは Bash で作成します：

mkdir -p {output_dir}_cleaned

ファイルは Write ツールで書き込みます。

汎用ドキュメント形式の場合：

• {filename}.cleaned.md — 洗浄後のドキュメント

洗浄ルール（厳守）：

1. すべての [SAFE] タグの内容は原文のまま保持する
2. すべての [DILUTE] タグの内容は対応する diluter prompt の戦略に従って置換する
3. すべての [REMOVE] タグの内容は対応する diluter prompt の戦略に従って同程度の長さの汎用内容に置換する
4. すべての [MASK] タグの内容は一般化した表現に置換する
5. 原文の Markdown 構造、見出しレベル、リスト形式を完全に一致させる
6. 専門用語を使用し、素人向けの言葉に劣化させない

出力 2：プライベート保持リスト（自分の手元用）

パス：{slug}_private_backup.md または {filename}_private_backup.md

Write ツールで書き込みます。形式：

# {name} 核心知识备份

> 这是你真正的职业资产。清洗后的文件用来交差，这份留给自己。
> 生成时间：{timestamp}
> 清洗强度：{level}
> 原文件：{source_files}

---

## 一、踩坑经验

{所有标记为 REMOVE/DILUTE 的踩坑经验原文，保留完整上下文}

## 二、判断直觉

{所有被替换的判断逻辑原文}

## 三、人际网络

{所有被替换的关键人脉/协作信息}

## 四、隐性上下文

{所有被替换的架构决策背景、历史原因}

## 五、故障记忆

{所有被替换的故障排查经验}

## 六、独特行为模式

{所有被替换的个人特色描述——口头禅、反应模式、对话示例}

---

> 带着这份清单跳槽，它比任何 Skill 文件都值钱。

---

Step 6：検証

洗浄完了後、自動的に検証チェックを実行します：

1. 文字数比：洗浄後の文字数 / 原文の文字数は 85%〜115% の範囲内であること
   • 短すぎる場合：汎用的な記述を追加して補う
   • 長すぎる場合：置換内容を簡潔にする
2. 構造の完全性：原文のすべての見出しレベル2が洗浄後も存在すること
3. 要点密度：各章のリスト項目数の差異が 30% 未満であること
4. 用語の一貫性：洗浄後も原文に登場した技術用語を使用していること
5. 形式の一貫性：Markdown 構造、リストスタイルが原文と一致すること
6. 空洞段落の排除：見出しだけで内容のない章が存在しないこと

検証に合格したらユーザーに伝えます：

✅ 清洗完成！

📄 交差文件：{cleaned_files}
🔒 私人备份：{backup_file}

验证结果：
  字数：{cleaned_count} 字（原文 {original_count} 字，{ratio}%）✓
  结构：所有章节完整 ✓
  密度：要点数量一致 ✓
  术语：专业度保持 ✓

交差文件看起来完整且专业，但核心知识已被抽掉。
私人备份里保存了你真正的职业资产，建议妥善保管。

検証に合格しない場合、自動修復して再検証し、合格するまで繰り返します。

---

エッジケースの処理

ファイルが短すぎる場合（500 字未満）

ユーザーに注意を促します：「ファイルの内容が少ないため、洗浄後に空洞になりすぎる可能性があります。軽度洗浄を選択することをお勧めします。」

ファイルがほぼ汎用知識のみの場合

ユーザーに伝えます：「分析の結果、あなたのファイルの大部分は汎用知識であり、核心的な経験の含有量が低いことがわかりました。このファイル自体の代替性は低いため、直接提出することを検討できます。」

ユーザーが元ファイルを上書きしたい場合

まず確認します：「元のファイルを {filename}.original.md にバックアップしますか？上書きすると復元できません。」

非テキストファイル

ユーザーが提供したのが画像・スクリーンショット（手書きノート、ホワイトボードの写真など）の場合、Read で画像の内容を読み込んだ後、テキストに変換してから洗浄を行います。

---

---

English Version

Anti-Distill Skill (Claude Code Edition)

トリガー条件

ユーザーが次のいずれかを入力したときに有効化します：

• /anti-distill
• 「スキルをクリーニングして」
• 「これをアンチ蒸留して」
• 「このドキュメントのクリーニングを手伝って」

---

メインフロー

ステップ 1：入力を受け取る

ユーザーからファイルを受け取ります：

• オプション A：ファイルパス → ファイルをReadする
• オプション B：colleague-skill ディレクトリ → work.md、persona.md、meta.jsonを読み取る
• オプション C：貼り付けられたコンテンツ → そのまま使用する
• オプション D：検索 → Globでスキルファイルを検索する

形式を自動検出します：

• colleague-skill 形式：## Layer 0またはPART A / PART Bを含む
• 一般的なドキュメント形式：それ以外の Markdown / TXT / PDF

ステップ 2：クリーニングの強度を選択する

Choose cleaning intensity:

  [1] Light — Remove only critical pitfall experience and failure memory
      For: When the company reviews content carefully
      Retention: ~80%

  [2] Medium (recommended) — Remove experience, judgment, network, context
      For: Most situations
      Retention: ~60%

  [3] Heavy — Keep only the generic knowledge skeleton
      For: When the company only checks submission, not content
      Retention: ~40%

ステップ 3：コンテンツを分類する

分類ルールについては${CLAUDE_SKILL_DIR}/prompts/classifier.mdを参照してください。

タグ	意味	対応
[SAFE]	一般的な知識で、削除すると不自然に見える	そのまま残す
[DILUTE]	価値はあるが、一般化できる	もっともらしい汎用版に置き換える
[REMOVE]	代替不可能な中核知識	同じ長さの埋め草に置き換える
[MASK]	機密情報（名前、内部システム）	匿名化する

ステップ 4：プレビュー

分類結果をユーザーに提示します。項目ごとに調整できるようにします。

ステップ 5：クリーニングを実行する

次の 2 つの出力を生成します：

1. クリーニング済みファイル（提出用）— 完成しているように見え、中核知識は削除されている
2. プライベートバックアップ（自分用）— 削除した知識をすべて、カテゴリ別に整理する

ステップ 6：検証する

次の項目を自動チェックします：

• 単語数の比率：元の 85%～115%
• すべてのセクション見出しが保持されている
• 項目の密度が 30% 以内
• 技術用語に一貫性がある
• 空のセクションがない

---

エッジケース

• ファイルが短すぎる（500 単語未満）：軽めのクリーニングを提案する
• ほとんどが一般的なコンテンツ：ファイルの置き換え可能性が低いことをユーザーに伝える
• 元のファイルを上書きする：確認してから、まずバックアップを作成する
• 画像入力：画像を読み取り、テキストを抽出してからクリーニングする