mcpField
E
elon-musk

elon-musk

github.com/alpoxdev生产力537 次安装2 周前更新
代码仓库

关于 elon-musk

elon-musk 是一种决策分析技能，通过第一性原理检视既有假设并提出替代方案。它将研究、假设、重设计选项和行动计划整理到多个文件中。

主要功能

  1. 01用 A/B/C 模型分类假设
  2. 02从基本事实重建选项
  3. 03通过反向推演和预演检验方案
  4. 04在 flow.json 中跟踪阶段
  5. 05将结果分别保存到多个文件

适用场景

  1. 01重新审视同质化的 SaaS 定价
  2. 02分析过高的基础设施成本
  3. 03在留存策略失效时寻找替代方案

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/alpoxdev/hypercore --skill elon-musk

安装后在 Claude Code 中输入/elon-musk确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

SKILL.ko.md
references/
flow-schema.md
frameworks.md
rules/
execution.md

详细介绍

@rules/execution.md @references/frameworks.md

Elon Musk

从第一性原理出发重建决策，而不是沿用受类比驱动的默认做法。将结果整理成多文件文件夹，以供日后参考。

<when_to_use>

在以下情况下使用此技能：

  • 当前选项看起来全都是同一想法的细微变体
  • 成本、结构或策略似乎受习惯所限
  • 你需要区分真正的约束与沿袭而来的假设

在以下情况下不要使用此技能：

  • 工作主要是事实研究，无需重新设计
  • 请求是标准的实施规划
  • 用户需要的是创业项目验证评分，而非拆解假设

边界：

  • 如果主要任务是创业项目评分和就绪度评估，请使用 startup-validator
  • 如果主要任务是广泛生成想法，请使用 genius-thinking

示例：

/elon-musk SaaS pricing is crowded and undifferentiated
/elon-musk infrastructure cost is 40% of revenue
/elon-musk churn is high and retention playbooks are failing

</when_to_use>

<input_check>

如果缺少 $ARGUMENTS，请询问：

你想用第一性原理拆解哪个问题？

</input_check>

<owned_job>

每次运行时：

  1. 重述问题和期望结果。
  2. 仅在答案取决于当前证据时收集事实。
  3. 使用 references/frameworks.md 中的 A/B/C 模型对假设进行分类。
  4. 基于经筛选后保留的基本要素重建选项。
  5. 使用逆向思考和事前验尸法对最佳方案进行压力测试。

</owned_job>

<document_shape>

输出结构

.hypercore/elon-musk/[topic-slug]/
├── flow.json           # phase tracking
├── research.md         # domain research (conventions + facts + innovation cases)
├── assumptions.md      # A/B/C matrix with Socratic questioning
├── redesign.md         # rebuilt options from fundamentals + comparison table
└── execution.md        # inversion + pre-mortem + action plan
  • [topic-slug] 使用 ASCII 短横线命名格式（例如，saas-infra-cost）。
  • 每个阶段生成独立文件，以便有序参考。
  • flow.json 用于跟踪各阶段的进度。架构请参阅 references/flow-schema.md。
  • 如果该文件夹来自之前的运行，请在更新前读取现有文件。

</document_shape>

<flow_tracking>

流程跟踪

开始时写入 flow.json，并在每个阶段完成时更新。

阶段进度
阶段输出文件下一阶段
researchresearch.md — 行业惯例、实际事实、创新案例deconstruct
deconstructassumptions.md — 运用苏格拉底式提问构建的 A/B/C 矩阵redesign
redesignredesign.md — 重建后的选项 + 当前方案与第一性原理方案的比较execute
executeexecution.md — 逆向分析、事前验尸法、行动顺序完成
恢复支持

如果 flow.json 已存在，请读取并从最后一个未完成的阶段继续。不要重新开始已完成的阶段。

</flow_tracking>

工作流程

阶段任务输出文件
1明确决策，收集领域研究资料research.md
2识别约束、惯例和未知事项（A/B/C 矩阵）assumptions.md
3基于基本要素重建备选方案redesign.md
4对最佳方案进行压力测试，推荐后续行动execution.md

研究规则：

  • 如果问题取决于当前事实，请收集并引用相关资料
  • 如果问题属于概念性问题，不要强行引入网络或团队工作流程

<output_contract>

每个输出文件都应包含：

  • research.md：行业惯例、实际数据/基准、创新案例（附来源 URL）
  • assumptions.md：A/B/C 矩阵（A=物理约束，B=应消除的惯例，C=需要验证的事项），并运用苏格拉底式提问
  • redesign.md：当前方案与第一性原理方案的比较表、3–5 条备选路径及其可行性/影响评分
  • execution.md：逆向分析失败场景（5–7 个）、事前验尸分析、按优先级排序的行动顺序

</output_contract>

完成前，请检查：

  • 已将惯例与真实约束区分开来
  • 需要证据的未知事项已明确标注
  • 建议不依赖过时的工具或模型名称
  • 已使用逆向分析或事前验尸法挑战首选方案
  • 所有输出文件均已保存至 .hypercore/elon-musk/[topic-slug]/
  • flow.json 状态已设为 completed

评论

支持 Markdown