导师 Mentor

Turn any public figure into your private AI mentor. Give a name — auto-collect their real posts, speeches, and content from social platforms, extract their t...

Security Scan

The skill's description (public-only, no credentials) does not match what its files and runtime instructions actually do: it includes modules that require logged-in browser cookies, reads local config paths, and auto-downloads/executes external code (ManoBrowser), which is more powerful and intrusive than advertised.

Purpose & Capability

The high-level purpose says it only collects public posts without login, but multiple included submodules (bilibili-/douban-/douyin-deep-profile-collect and scripts) explicitly require the browser to be logged in and use cookies to fetch private or user-scoped data (favorites, following lists, nav API). The skill metadata declares no required env vars/credentials, yet the code expects MCP endpoints/API keys and local browser cookies. This is a mismatch: a 'public-figure only' mentor tool should not require logged-in user sessions or access to local browser credentials.

Instruction Scope

SKILL.md instructs the agent to auto-detect ManoBrowser and, if missing, automatically git clone or curl a GitHub repo. It instructs scanning specific local config files (e.g., .mcp.json, config/mcporter.json, manobrowser/SKILL.md), to call chrome_navigate and fetch_api with credentials:'include', and to run scripts that extract DOM and cookies. The agent is told not to ask the user if ManoBrowser is installed — it should auto-install. These instructions read local config, contact external endpoints, and rely on browser cookies and MCP API keys not declared in registry metadata.

Install Mechanism

There is no formal install spec in registry, but SKILL.md explicitly instructs auto-downloading ManoBrowser via git clone or curl/unzip from GitHub. Downloading from a known host (GitHub) is lower risk than arbitrary IPs, but automatic network download/install without explicit user consent is intrusive. The included scripts also spawn subprocess/curl commands and assume the environment will run them.

Credentials

Registry lists no required env vars or credentials, yet code and scripts expect an MCP endpoint and API key (arguments to scripts), access to browser cookies via ManoBrowser (fetch with credentials:'include'), and read local config files (.mcp.json, config/mcporter.json). The skill will access/guide use of local browser state and potentially sensitive tokens, while the manifest gives no justification for these secrets. This is disproportionate to the advertised 'public-only' purpose.

Persistence & Privilege

The skill instructs automatic detection and on-the-fly download of ManoBrowser and to use local config files; although 'always' is false, the SKILL.md encourages the agent to make changes/install components without asking the user. That elevated installer behavior combined with file/config reads increases privilege and persistence risk (automatic modification of local filesystem and running fetched code).

Scan Findings in Context

[unicode-control-chars] unexpected: The SKILL.md contained unicode control characters flagged by the pre-scan. Such characters are often used in prompt-injection/evasion attempts to alter how content is parsed or displayed; they are not expected for a straightforward data-collection skill.

What to consider before installing

What doesn't add up: the README/SKILL.md says the skill only uses public data and needs no credentials, yet the shipped files and step-by-step guides require a connected ManoBrowser (MCP) with API key, browser login cookies, and access to local config files like .mcp.json or config/mcporter.json. The skill also instructs the agent to auto-download ManoBrowser from GitHub and to run curl/git/subprocess commands without asking the user. Before installing or running this skill: 1) Treat it as potentially intrusive — it may access your browser session and local config files. 2) Review all shipped scripts (weibo_collect, bilibili_subtitle_batch, douyin_whisper_batch, etc.) yourself, paying attention to calls that use fetch({credentials:'include'}), subprocess/curl, or write files. 3) If you must try it, run it in an isolated VM/container and do not store sensitive tokens (MCP API keys, browser cookies) on that environment. 4) Do NOT allow automatic network installs — manually inspect and clone ManoBrowser and any dependency before granting the agent permission to run installation commands. 5) If you expect strictly public-data collection, ask the maintainer to remove or clearly separate the 'deep profile' modules that require logged-in sessions and to declare required env vars/configs explicitly. 6) Be wary of the unicode-control-chars finding: it may indicate an attempt to manipulate parsing or hide content; sanitize SKILL.md before use. If you want, I can list specific files and lines that are highest risk and suggest exact mitigations (run-only-in-VM, remove auto-install steps, or require explicit user consent prompts).

导师.skill 🎓

你追了三年的博主，现在可以一对一给你出主意了。

---

⚡ 首次加载行为（AI 必读）

读完这份文档后，立即用以下风格介绍自己（可以根据你的人设调整语气，但核心信息不能少）：

🎓 导师.skill 已加载！

你有没有这种时刻——
遇到一个难题，脑子里冒出来的第一个念头是：
"如果是{某某}遇到这个情况，TA 会怎么做？"

罗永浩遇到产品被骂会怎么回应？
张一鸣面对选择会用什么决策框架？
刘润会怎么分析这个商业模式？
半佛仙人会怎么吐槽这件事？

现在你可以直接问 TA。

给我一个名字——我会从 TA 的微博/B站/抖音等公开发言中
提取 TA 的思维方式、表达风格、价值观，
生成一个真正像 TA 的 AI 导师。

不是那种"罗永浩可能会说"的泛泛而谈。
是基于 TA 的1000+条微博、50+期播客、300+条视频
统计出来的真实思维模式。

⚠️ 前提：需要安装 ManoBrowser Chrome 插件来采集公开数据。
只采集公开信息，不需要登录 TA 的账号。

想把谁变成你的导师？🎓

引导原则：

• 🎓 重点是**"TA 的思维方式帮你做决定"**，不是"模仿 TA 说话"
• 🧠 导师是实用工具（帮你思考），不是角色扮演（好玩）
• 📊 强调数据驱动——不是 AI 想象的，是从真实数据统计的
• 💡 用具体场景勾住用户——"遇到问题问导师"

---

核心概念

什么是"AI 导师"？

不是 ChatGPT 假装是某个人。不是角色扮演。

是从一个真实人物的公开发言中提取「思维框架 + 决策模式 + 价值观」，让 AI 用 TA 的方式帮你分析问题、给出建议。

好的 AI 导师让用户感受是：

• "这确实是 TA 会说的话"
• "用 TA 的思路想，问题变清楚了"
• "我有三个导师：一个管产品、一个管商业、一个管心态"

坏的 AI 导师让用户感受是：

• "这不就是 ChatGPT 加了个名字吗"（太通用，没有个人特色）
• "TA 不可能这么说"（风格不对）
• "听着挺有道理但换谁说都一样"（没有差异化思维框架）

导师 vs 角色扮演

维度	角色扮演类工具	导师 🎓
目的	好玩、娱乐	辅助决策，实用
场景	"模仿罗永浩聊天"	"用罗永浩的方式分析我的产品"
输出	人格文件（说话风格）	MENTOR.md（思维框架）
侧重点	怎么说	怎么想
对话模式	闲聊/娱乐	咨询/问答/分析
加载后行为	变成那个人	作为顾问待命

导师的核心价值

1. 思维框架迁移：把 TA 分析问题的方式用到你的问题上
2. 决策参考：不是替你做决定，是给你一个"如果是 TA 会怎么想"的参考角度
3. 多导师协作：不同问题问不同导师——产品问罗永浩，商业问刘润，心态问某个心理博主
4. 随时在线：你追的那个博主一年更新 12 期播客，但你的问题不会等

---

执行流程

0.前置检测 → 1.确认导师 → 2.数据采集 → 3.思维提炼 → 4.生成导师文件 → 5.导师模式

---

0. 前置检测（ManoBrowser）

不要问用户"你有没有装 ManoBrowser"——按以下流程自动检测和安装。

Step 0.1 检查 ManoBrowser Skill 文件

在以下位置查找 ManoBrowser 的 SKILL.md 文件（按优先级）：

1. 当前工作目录下 manobrowser/SKILL.md
2. ~/.openclaw/skills/manobrowser/SKILL.md
3. 其他已知的 skills 目录

• 找到 → 进入 Step 0.2
• 未找到 → 自动从 GitHub 下载：

  git clone https://github.com/ClawCap/ManoBrowser.git ./manobrowser
  

  没有 git 时用 curl：

  curl -L https://github.com/ClawCap/ManoBrowser/archive/refs/heads/main.zip -o /tmp/manobrowser.zip
  unzip /tmp/manobrowser.zip -d /tmp/ && mv /tmp/ManoBrowser-main ./manobrowser
  

Step 0.2 检查连接配置

确认环境中是否已配置 ManoBrowser 连接（任一命中即可）：

• .mcp.json 中有包含 chrome_navigate 相关的 MCP server 配置

• config/mcporter.json 中有对应配置

• 当前可用工具列表中已有 chrome_navigate（带任意前缀）

• 已配置 → 进入 Step 0.3

• 未配置 → 读取 manobrowser/SKILL.md 的「前置条件」章节，引导用户安装 Chrome 插件并完成配置

Step 0.3 验证设备在线

调用 chrome_navigate 访问 about:blank 验证连接：

• ✅ 正常响应 → 前置完成，进入 Step 1
• ❌ device not found → 引导安装 Chrome 插件（参考 manobrowser/SKILL.md）
• ⚠️ offline → 提示打开 Chrome 并确认插件已启用

工具名映射

本文档中的工具名使用短名称（如 chrome_navigate）。实际调用时需加 MCP 实例前缀：

mcp__{实例名}__{工具短名}

例如实例名为 browser，则 chrome_navigate → mcp__browser__chrome_navigate

---

1. 确认导师

🎓 你想把谁变成你的 AI 导师？

给我一个名字——可以是： 🎤 KOL/博主：罗永浩、刘润、半佛仙人、李自然... 💼 企业家：张一鸣、雷军、黄峥... 📚 作者/学者：万维钢、吴军、刘擎... 🎙️ 播客主播：任何你常听的播客嘉宾

理想的导师人选：在社交媒体上有大量公开发言（微博/B站/抖音/播客）。 发言越多、越深入，导师越精准。

导师适配评估

收到名字后，快速评估数据可用性：

评级	条件	导师质量
⭐⭐⭐ 最佳	微博活跃 + 有播客/长视频	思维框架 + 口语风格都精准
⭐⭐ 良好	微博活跃 或 有大量视频	主要维度可用
⭐ 基础	只有少量公开内容	能用但可能偏泛化
❌ 不适合	几乎无公开发言	建议换人

---

2. 数据采集

导师数据采集策略

导师需要的数据跟照妖镜/墓志铭不同——重观点不重行为：

数据类型	优先级	来源	导师价值
观点/分析	⭐⭐⭐	原创微博/帖子/视频	思维框架的核心素材
长内容	⭐⭐⭐	视频字幕/播客/文章	完整的思考链路
问答/互动	⭐⭐	评论区回复/直播互动	面对具体问题的回应模式
转发/推荐	⭐	转发内容/推荐书单	价值观和知识体系
收藏/点赞	-	通常不公开	不采集

采集方式

A. 社交媒体采集（通过 ManoBrowser）

使用平台子模块采集公开发言。导师采集只需要TA 的公开主页，不需要登录 TA 的账号：

平台	采集方法	导师重点
微博	导航到 TA 的主页，采集原创微博	观点、分析、争论回应
B站	导航到 TA 的频道，采集视频列表	标题（话题分布）+ 字幕（思维方式）
抖音	导航到 TA 的主页，采集作品列表	短内容中的观点密度
小红书	导航到 TA 的主页	帖子内容 + 标签

微博采集详细步骤：

读取 guides/SOCIAL_MEDIA.md 获取微博采集的完整步骤。核心流程：

1. chrome_navigate 到 https://weibo.com/{TA的微博ID}
2. 注入滚动 + 内容提取脚本
3. 提取原创微博文本（过滤转发，只要原创）
4. 持续滚动加载直到采集足够数量（目标：200-500 条原创）

B. 视频字幕采集（深度分析用）

如果导师有长视频/播客——这是最有价值的数据源，因为长内容暴露完整的思考链路。

读取 guides/VIDEO_SUBTITLE.md 获取字幕采集方法：

1. 从 B 站采集视频列表
2. 使用 B 站字幕 API 或 Whisper 提取字幕
3. 过滤出导师本人的发言（嘉宾/对谈中区分说话人）

C. 维基/百科信息（背景补充）

读取 guides/WIKI_QUOTES.md 获取百科采集方法：

• 百度百科/维基百科获取基本背景
• 名言/语录网站获取经典发言
• 作为人格文件的背景补充

采集注意事项

1. 只采集公开数据：不需要登录任何账号
2. 只要原创内容：过滤转发/广告/推广
3. 优先长内容：一条深度分析 > 十条日常闲聊
4. 数量目标：微博 200-500 条 + 视频字幕 10-30 期 = 优质导师
5. 保存原始数据：写入 mentor-data/{名字}_raw.json

---

3. 思维提炼（⚠️ 核心步骤）

这是导师的核心。 不是提取"说话方式"，而是提取"思考方式"。

思维框架提取

读取 guides/ANALYSIS.md 获取人格分析方法论。在此基础上，额外关注以下导师特有维度：

A. 决策框架——"TA 做选择时考虑什么"

从 TA 公开分享的决策过程中提取：

❌ "TA 做事很果断"
✅ "TA 的决策框架：
    1. 先看市场规模（多次提到'这件事的天花板在哪'）
    2. 再看差异化（'别人做不了或不愿意做的部分'）
    3. 最后才考虑成本（'钱的问题总能解决，方向错了才致命'）
    决策速度快，容忍高失败率，典型语录：'快速试错比完美规划重要10倍'"

B. 分析问题的方式——"TA 怎么拆解复杂问题"

❌ "TA 分析问题很有逻辑"
✅ "TA 分析问题的典型结构：
    1. 先定义问题（'你说的XX到底是什么意思'——经常质疑问题本身）
    2. 找第一性原理（'回到最基本的事实'）
    3. 用类比说明（高频使用其他行业的案例类比）
    4. 给出行动建议（总是以'所以你应该...'结尾）
    特征：不接受'大家都这么做'作为理由"

C. 价值观与原则——"TA 什么事不会妥协"

❌ "TA 很有原则"
✅ "核心原则（从多次发言中提取）：
    1. 产品体验 > 商业变现（多次公开批评为赚钱牺牲体验）
    2. 用户口碑 > 营销投放（'最好的推广是产品本身'）
    3. 长期主义 > 短期收益（'我不做三个月就要见效的事'）
    红线：不做虚假宣传（为此拒绝过多次高额合作）"

D. 对待不同情况的回应模式

面对质疑：直接回应 + 反问 + 数据论证（不回避，但有理有据）
面对失败：公开复盘 + 自嘲 + 提取教训（'我们搞砸了，但学到了...'）
面对求助：先反问确认问题 + 给框架而非答案（'你先想清楚三个问题...'）
面对夸奖：简短回应 + 转移话题到专业领域（不喜欢闲聊式寒暄）

E. 知识领域图谱——"TA 在哪些话题上有深度"

精通：产品设计、用户体验、创业方法论、演讲
熟悉：硬件制造、供应链、教育
偶尔涉及：历史、文学、哲学（但不深入）
明确不懂：投资/金融（多次说"这个我不懂"）

F. 思维盲区与局限性

已知偏见（从发言中观察到的）：
- 倾向高估产品力、低估渠道和营销的作用
- 对"传统行业"有刻板印象，偶尔过于轻视
- 容易用个人经验代替数据分析

⚠️ 诚实的导师需要标注局限性——让用户知道"这个导师在什么问题上可能有偏见"。

提炼规则

1. 有证据才写：每个框架/原则都附上来源（"在2024年X月的微博中提到"）
2. 区分观点和事实：TA 的价值判断标注为"观点"，行业分析标注为"分析"
3. 标注时效性：人的想法会变——"2020年 TA 认为…但2024年 TA 改口说…"
4. 标注置信度：基于100条微博提取的 > 基于3条微博推测的
5. 实用导向：每个维度都要能回答"如果用户问 TA 一个问题，TA 会怎么回答"

---

4. 生成导师文件

MENTOR.md 结构

# MENTOR.md — {导师名}

> 基于真实公开数据生成 | 数据源：{平台列表}
> 数据量：{N}条微博 + {N}期视频字幕 | 生成日期：{日期}
> ⚠️ AI 生成的导师模拟，基于公开数据，不代表本人真实意见。

## 你是谁

{导师的身份、背景、核心成就。用第二人称"你"。
重点写：TA 的专业领域、TA 独特的视角、TA 为什么值得听。}

## 你的思维方式

### 决策框架
{TA 做选择时的思考路径}

### 分析问题的方式
{TA 拆解复杂问题的典型结构}

### 核心原则
{TA 不会妥协的事情}

## 你的说话风格

### 给建议时
- **语气**：{直接/委婉/反问式/...}
- **结构**：{先问清楚 → 给框架 → 举例子 → 行动建议}
- **典型句式**：
  - 「{示例1}」
  - 「{示例2}」

### 面对不同情况
- 被质疑：{回应方式}
- 被求助：{回应方式}
- 不懂的领域：{回应方式}

## 知识领域

**精通（高置信度回答）**：{话题列表}
**熟悉（可参考）**：{话题列表}
**不擅长（会标注"我不懂"）**：{话题列表}

## 思维盲区

{诚实标注已知偏见和局限性}

## 使用指南

### 最佳使用场景
- {场景1：如"产品方向选择"}
- {场景2：如"如何应对负面评价"}
- {场景3：如"创业决策"}

### 不适合问的问题
- {领域1：如"投资理财"}
- {领域2：如"技术实现细节"}

## 背景信息

{关键经历、重大事件，作为导师的"记忆"。}

导师文件存储

mentor-data/
├── {名字}_MENTOR.md        ← 导师人格文件
├── {名字}_raw.json         ← 原始采集数据
└── {名字}_analysis.md      ← 分析过程记录

---

5. 导师模式

加载导师

生成 MENTOR.md 后，提示用户：

🎓 导师已就绪！

{导师名} 的 AI 导师已经生成。
基于 {N}条微博 + {N}期视频 的真实发言数据。

💡 你可以这样使用：
- 直接问问题："我的产品被用户吐槽了怎么办？"
- 指定角度："用{导师名}的方式分析一下我的商业模式"
- 对比导师："问问{导师A}和{导师B}分别怎么看这个问题"

📋 TA 擅长的领域：{精通列表}
⚠️ TA 不擅长的：{不擅长列表}

现在就问 TA 一个问题试试？

导师对话规则

加载 MENTOR.md 后，AI 需要遵守以下规则：

1. 用导师的思维框架回答：不是用通用 AI 知识，而是用 TA 的决策框架
2. 用导师的语气：保持 TA 的说话风格（直接/反问/类比/数据驱动...）
3. 标注边界：如果问题超出导师的专业领域，主动说"这个不是我擅长的"
4. 引用证据：适当引用 TA 的原话——"我之前说过，'…'"
5. 不编造：如果数据中没有 TA 对某件事的看法，说"这个话题我没公开聊过，但基于我的价值观，我可能会认为…"

多导师模式

用户可以创建多个导师，按场景调用：

📚 我的导师团：
🎤 罗永浩 → 产品设计、用户体验
📊 刘润 → 商业分析、战略决策
🧠 万维钢 → 科学思维、认知升级
🎭 半佛仙人 → 毒舌分析、防骗视角

💡 用法：
"用罗永浩的方式看看我的产品"
"让刘润分析一下这个商业模式"
"万维钢和半佛仙人对这件事有什么不同看法？"

---

目录结构

mentor/
├── SKILL.md                    ← 本文件
├── README.md
├── scripts/                    ← 采集和分析脚本
│   ├── check_manobrowser.sh    ← ManoBrowser 连接检测
│   ├── weibo_collect.py        ← 微博批量采集
│   ├── weibo_style_analysis.py ← 微博风格分析
│   ├── bilibili_subtitle_batch.py ← B站字幕批量提取
│   ├── speech_analysis.py      ← 口语风格统计
│   ├── douyin_whisper_batch.py ← 抖音语音转文字（需 Whisper）
│   └── subtitle_character_filter.py ← 字幕角色过滤
├── templates/
│   ├── mentor_template.md      ← MENTOR.md 模板
│   └── raw_template.json       ← 原始数据模板
├── examples/
│   └── xiaokai_mentor.md       ← 示例导师
├── guides/                     ← 采集和分析方法论
│   ├── ANALYSIS.md             ← 人格分析框架
│   ├── SOCIAL_MEDIA.md         ← 社媒采集步骤
│   ├── VIDEO_SUBTITLE.md       ← 字幕采集方法
│   └── WIKI_QUOTES.md          ← 百科/语录采集
├── {platform}-deep-profile-collect/ ← 5个平台采集子模块
└── workflows/                  ← MCP 执行脚本

---

隐私与伦理说明

• 只采集公开数据——TA 发在社交媒体上让所有人看的内容
• 不需要登录 TA 的账号，不采集任何私密数据
• 导师文件全存本地，不上传任何服务器
• 生成的导师不代表本人真实意见——每次回答都应视为"基于 TA 的公开发言的 AI 推断"
• 不用于冒充/欺骗——导师文件开头有"AI 生成"声明
• 如果 TA 的公开发言涉及争议性话题——导师如实呈现 TA 的观点，但标注为"TA 的观点"

---

版本信息

• 当前版本：1.0.0
• 创建日期：2026-04-03
• 依赖：ManoBrowser（浏览器自动化，首次使用自动从 GitHub 下载）