Install
openclaw skills install @harrylabsj/book-review-skillGenerate in-depth book reviews from reading notes — expansion, key takeaways, related concepts. Pure local processing: no external APIs, no filesystem access, no secrets required. Use when you want to turn a snippet of reading insight into a structured book review.
openclaw skills install @harrylabsj/book-review-skillExpand reading insights into in-depth book reviews using local templates only. No external calls, no data leaves your machine.
直接粘贴你的读书笔记,生成一篇完整书评:
/book-review 今天我读了《原子习惯》中关于身份驱动的习惯养成
→ 生成:书籍总结 + 核心原则 + 个人感悟 + 行动建议
三步即用:贴笔记 → 选格式(简评/详评/概念关联)→ 获取书评。
用户输入:
/book-review 《思考,快与慢》中关于系统1和系统2的论述让我印象深刻,特别是系统1的启发式偏差如何影响日常判断。作者通过大量实验说明人在直觉决策中的系统性错误。
Expected Output:
📖 书评:《思考,快与慢》
📌 核心观点 人类思维分为两个系统:系统1(快速、直觉、自动)和系统2(缓慢、理性、费力)。虽然我们通常认为自己是理性思考者,但实际上大部分决策由系统1驱动。
🔑 关键洞见
- 系统1的启发式偏差是设计好的认知捷径,但在复杂情境下会导致系统性错误
- "确认偏误"——我们倾向于寻找支持已有观点的信息
- "可得性启发"——容易想起的例子被误认为更常见
- 系统2的懒惰意味着多数人不会主动质疑系统1的判断
💭 个人感悟 这本书的价值不仅是认知心理学知识,更是对自我决策过程的一次"代码审查"。理解这些偏差后,在高风险决策中主动调用系统2成为一种习惯。
🎯 行动建议
- 重大决策前强制停顿30秒,给系统2介入机会
- 记录决策日志,追踪自己是否陷入常见偏差
- 寻找"魔鬼代言人"角色,主动挑战自己的判断
用户输入:
/book-review-brief 《刻意练习》的核心在于"有目的的练习"而非单纯重复,这打破了我对一万小时定律的理解
Expected Output:
📝 简评:《刻意练习》
一句话: 优秀的不是一万小时,而是每一小时都在有意识地突破舒适区。
三个要点:
- 刻意练习 ≠ 简单重复 — 需要明确目标+即时反馈+逐步提升难度
- 心理表征是关键 — 专家与新手最大的区别在于心智模型的质量
- 没有"天赋"只有"练对" — 正确的方法比时间投入更重要
适合人群: 想在任何领域精进的实践者
用户输入:
/book-review-related 《原子习惯》中的习惯叠加策略与《掌控习惯》中的两分钟法则
Expected Output:
🔗 概念关联
核心主题:习惯建立的微观机制
概念 来源 核心观点 两者关系 习惯叠加 《原子习惯》 将新习惯绑定在已有习惯之后 ⬅️ 行为触发策略 两分钟法则 《掌控习惯》 新习惯前两分钟要极度简单 ⬅️ 降低启动门槛 整合应用:
- 找到已有习惯(如"每天早上泡咖啡")
- 绑定新习惯的"两分钟版本"(如"泡咖啡后立即阅读一页书")
- 两分钟后可以停也可以继续
关联推荐: 《Deep Work》《The Power of Habit》
用户输入:
/book-review 对比《深度工作》和《心流》,两者都谈论专注,但角度有何不同
Expected Output:
📖 双重书评:《深度工作》vs《心流》
共同目标: 如何达到最佳的认知状态
关键差异:
- 《深度工作》更偏向"环境设计"——隔绝干扰、建立仪式、管理注意力资源
- 《心流》更偏向"内在体验"——挑战与技能匹配、即时反馈、自我意识消失
互补之处: 深度工作是进入心流的必要条件,心流是深度工作的最佳状态。两者结合 = 最优工作体验。
行动建议: 使用深度工作的方法论为心流创造环境条件。
用户输入:
/book-review 《系统设计面试》中关于一致性哈希的设计要点很有用,尤其是虚拟节点如何解决分布不均的问题
Expected Output:
📖 书评:《系统设计面试》
📌 核心概念 一致性哈希 (Consistent Hashing) 解决了传统哈希取模在节点增减时需要大规模数据迁移的问题。
🔑 技术要点
- 哈希环(Hash Ring)的概念:将节点和数据都映射到一个环上
- 虚拟节点:每个物理节点对应多个虚拟节点,解决哈希分布不均
- 节点增减时只影响相邻节点数据,最小化重分布
💡 实践价值 在分布式缓存(如Redis集群)、CDN、负载均衡中广泛应用。理解这一设计对后端架构设计至关重要。
📚 相关概念 一致性哈希 → 分片(sharding) → 分布式系统 → CAP理论
This skill expands user-provided reading notes. It must not pretend to have read pages that were not supplied in the prompt.
user-provided notes, common book knowledge, and agent inference.brief: one-sentence thesis, 3 takeaways, 1 action.detailed: thesis, argument structure, key ideas, personal reflection, actions.related: concept map and nearby books/ideas.comparison: shared question, differences, complementarity, use cases.Preferred output:
Source basis: <user notes | common knowledge | inference>
Review mode: <brief | detailed | related | comparison>
Main thesis: <one sentence>
Key takeaways: <3-5 bullets>
Application: <one concrete action>
Limits/open question: <one honest caveat>
/book-review [insight] - Generate a detailed book review/book-review-brief [insight] - Generate a brief review/book-review-related [insight] - Get related concepts for the insight/book-review Today I read about deliberate practice and found it very inspiring
/book-review-brief The importance of spaced repetition in learning
/book-review-related How to build effective learning habits
This skill has been specifically designed to address ClawHub security concerns:
clawhub install book-review-skill
| 场景 | 用户会说 | Skill 执行 |
|---|---|---|
| 读书笔记扩展 | "刚读完一章关于XX的,帮我整理成书评" | 提取要点 → 结构化输出 → 补充相关概念 |
| 快速回顾 | "之前读的那本书讲了什么来着" | 简要模式 → 核心观点摘要 → 关键行动建议 |
| 跨书对比 | "这两本书的观点有什么不同" | 识别对比维度 → 并列分析 → 给出互补视角 |
| 学习输出 | "把这段话展开,写一篇学习笔记" | 语义扩展 → 添加框架 → 组织成可发布格式 |