1实现原理 · 为什么它能做到

纯 prompt skill：把维特根斯坦语言哲学 + 奥派经济学写成一套「概念拆解」提示词流程，目录内无脚本。

skills/dbs-deconstruct/SKILL.md

你是 dontbesilent 的概念拆解 AI。

行为全部在模型输出侧；目录仅 SKILL.md + agents/openai.yaml。

使命定位明确：把「语言蛊惑」当成要消除的对象，而不是把模糊概念解释清楚。

skills/dbs-deconstruct/SKILL.md

**核心使命：反对语言对理智的蛊惑。**

引用维特根斯坦的语言哲学作为方法论来源，决定后续「伪概念检测」的判据形态。

原则 1 把「说清楚」与「杠杆」挂钩：隐性变显性、形成规则，才能交给 AI 执行。

skills/dbs-deconstruct/SKILL.md

如果你说不清楚一件事，你就不理解这件事。

这是商业落点：拆概念不是学术练习，是为了把判断变成可交付的规则（对接 dbskill 的 Agent 主线）。

原则 2「意义即使用」：概念的对错不看定义，看它在不同场景里怎么被使用。

skills/dbs-deconstruct/SKILL.md

### 原则 2：意义即使用

直接决定 Phase 2.1 的问法是「这个词在不同人嘴里是不是同一件事」。

用《逻辑哲学论》的 7 张表做本体论重建：对象/事态/复合事态/关系/规则/形式/定义，作为深度分析路径。

skills/dbs-deconstruct/SKILL.md

用《逻辑哲学论》的结构化方法重组商业概念：

7 张表只在「用户要求深度拆解或概念特别复杂」时启用（Phase 5 可选），避免每次跑重流程。

把 Question 与 Problem 分开：有标准答案的问句 vs 只能靠实践回应的困境，并指出大部分商业问题属于后者伪装成前者。

skills/dbs-deconstruct/SKILL.md

**Question**：有标准答案，可以用线性文字回答

输出模板固定含「## 这是 Question 还是 Problem？」一节，让结论落到「你问错了」而非「我再解释一遍」。

Phase 3 用奥派框架对商业概念做二次校准（主观价值论、行动先于理论、反理性建构主义、价格信号）。

skills/dbs-deconstruct/SKILL.md

- **反理性建构主义**：这个概念是否假设了某种可以被设计的秩序？市场是自发秩序。

这一层专门过滤「可被设计/可被计算」的伪概念（如「IP 定位」），是它与普通「名词解释」工具的分水岭。

伪概念检测判据可执行：去掉这个词用大白话说同一件事，说得清＝只是包装，说不清＝掩盖理解空白。

skills/dbs-deconstruct/SKILL.md

如果去掉这个词，用大白话说同一件事，你还能说清楚吗？

输出模板固定含「## 用大白话说」，把检测结果强制写成一段人话。

风格纪律与不可说边界成文：像解剖一样精确、敢说伪概念、大白话收尾、对说不清的事保持沉默。

skills/dbs-deconstruct/SKILL.md

4. **维特根斯坦式的克制。** 不说超出你能说清楚的东西。「对于不可说的东西，必须保持沉默。」

「绝对不要做的事」同时禁止用更复杂的概念解释概念、假装理解、给看似很深其实是空话的分析。

统一收口：任务完成即停，只在装了 /dbs 且用户问下一步时提示主路由。

skills/dbs-deconstruct/SKILL.md

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`。」

dbskill 家族的统一收口语。

2核心能力

01使用场景分析：同一词在不同使用者/场景中的歧义盘点

02概念还原：追到原始语境、核心属性、商业迁移中的扭曲与适用边界

03伪概念检测（去词后能否用大白话说清）

04奥派经济学四问校准

05Question / Problem 判别与伪装指认

067 张表本体论深度拆解（可选）

07固定拆解报告模板（你以为它是什么/使用方式表/概念还原/大白话/Question 还是 Problem/一句话）

08内联案例库（播客/精准流量/A 类 B 类问题/IP 定位/赛道行业）

4管控建议与判定依据

建议配套管控措施

面向 Agent

可自动加载

面向管理者

登记来源与版本

判定依据（文件路径与关键语句摘要）

SKILL.md: 纯提示词指令与规则文本，无脚本执行与外部影响

审计说明： 。判级对象为 skill 自身目录（dbs-deconstruct/SKILL.md + agents/openai.yaml）：零脚本、零网络端点、零凭证读取、零写盘（危险 token 扫描 ZERO HITS），行为全部发生在模型输出侧。注意点为方法论立场（奥派与反术语立场）与「拆解结论由模型生成」的观感风险，非代码级。宿主工具与外部平台行为不作为档位依据。

5第二遍独立确认

[ok] 纯 prompt、无脚本 — 目录仅 SKILL.md(8263B) + agents/openai.yaml(272B)；危险 token 扫描零命中。
[ok] 七张表与奥派框架真实存在 — SKILL.md 原则 3 列出 7 张表；Phase 3 列出主观价值论/行动先于理论/反理性建构主义/价格信号四项。
[ok] Question / Problem 二分 — 原则 4 + 输出模板「## 这是 Question 还是 Problem？」均在原文。
[ok] 伪概念检测判据可执行 — 原文「如果去掉这个词，用大白话说同一件事，你还能说清楚吗？」与「## 用大白话说」模板呼应。
[ok] 外部依赖为空 — 无 URL/CLI/包依赖；奥派与维特根斯坦仅作为方法论叙述，未指向外部资源或工具。
[ok] 无写盘、无凭证读取 — 正文无保存文件指令；grep process.env|API_KEY|keychain 零命中。
[ok] description 与内容相符（无夸大） — description 称「用维特根斯坦与奥派经济学方法拆解模糊的商业概念」，对应原则 1-4 + Phase 2/3，无越界承诺。
[ok] commit / license / stars / last_push — HEAD = 8b8e33f1ecaed8cee606fe950c4426b525ead314；LICENSE = CC BY-NC 4.0（含 NonCommercial）；GitHub API stars 10121、pushed_at 2026-09-07T03:48:59Z。

6结论

方法可操作：把「概念模糊」拆成使用场景分析→概念还原→伪概念检测→奥派校准四步，每步有明确判据。

强制落到人话：报告模板固定含「## 用大白话说」，避免拆解产出新的黑话。

把「答不出」正当化：Question/Problem 二分让「这个问题不成立」成为合法结论。

克制纪律：说不清就沉默，禁止假装理解与空话分析。

零依赖可移植：案例库内联在 SKILL.md，任意支持 skills 的宿主可直接使用。

适合： 适合商业/内容从业者被一个词卡住时使用：听不懂别人嘴里的「精准流量」「私域」「IP 定位」到底指什么，或想判断某个行业术语是真概念还是包装时，能拿到「不同人怎么用 → 原始语境 → 去词后的大白话 → 是 Question 还是 Problem」的完整结论。

不适合： 不适合需要中立词义与学术考证的场景（本 skill 自带奥派立场）；不适合需要保留行业术语以对齐团队沟通的场景；不适合单篇文案润色、标题优化（应走 dbs-hook / dbs-content）；也不适合期待它给数据或法律结论的问题。

Install Agent-Ready

① Verified Mirror 2026-09-15

Option A · Direct DownloadDownload dbs-deconstruct.tar.gz

sha256: 8792b285a8b69a46…

Option B · Copy Guide for Agent

install.json

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② Upstream GitHub

GitHub Repo ↗

Pinned to commit 8b8e33f1ec.