1实现原理 · 为什么它能做到
以 Gentner(1983) 结构映射理论为底：映射优先保留对象间关系而非表面属性，并选择受高阶关系组织的关系系统。
skills/ljg-analogy/Theory.md
对象属性与对象间关系区别处理；映射优先保留关系，并选择关系系统
这里在做什么：把类比的正确性锚在关系层——外形差异不推翻类比，关系是否成系统才决定成败。
固定术语方向：用户想理解的场景是目标域，借来帮助理解的场景是基域，搜索与知识迁移方向相反。
skills/ljg-analogy/SKILL.md
术语方向固定：**用户想理解的场景是目标域；借来帮助理解的场景是基域。**
这里在做什么：先钉住解释对象与借用对象，避免把 B 与 T 讲反；用户用词相反时按实际意图工作。
按请求类型路由：单场景找类比、比较两对象、适配受众文风、比较多个候选，四种处理不同。
skills/ljg-analogy/SKILL.md
| 给一个场景，寻找类比或隐喻 | 按下文的成品标准交付一个主类比 |
这里在做什么：用 Workflow Routing 表把四种常见请求分派到不同交付形态，减少答非所问。
先判输入是否够用：只有一个词而无情境时，问一个能改变类比选择的问题。
skills/ljg-analogy/SKILL.md
只有一个词而无可辨认情境时，问一个能改变类比选择的问题
这里在做什么：信息不足不硬编，追问要指向能改变取景的关键变量而非泛泛确认。
排掉泛化共同点：『都很复杂』『都是网络』这类适用面过宽的说法不能单独支撑类比。
skills/ljg-analogy/SKILL.md
「都很复杂」「都是网络」「都需要平衡」适用面太宽，不能单独支撑类比。
这里在做什么：Gotchas 用反例挡住只堆相似点、不保留承重关系的伪类比。
成品标准第一条是任务吻合：映射要保留读者这次需要理解的那条关系。
skills/ljg-analogy/SKILL.md
**任务吻合。** 映射保留的是读者这次需要理解的关系。
这里在做什么：以读者的理解任务为取舍尺，能解释某特点但与眼前问题无关的比方仍不合格。
比较两个对象时做区分力检查：交换喻体后若不改承重关系仍能圆回来，说明只命中了共同属性。
skills/ljg-analogy/SKILL.md
交换喻体以后，如果不用改变承重关系仍能轻易圆回来，它们可能只命中了共同属性。
这里在做什么：用交换喻体这一可操作测试把『解释差异』和『分别贴标签』区分开。
默认在对话直接交付，三段式说透一个主类比，不自动创建笔记、图片或文件。
skills/ljg-analogy/SKILL.md
默认直接在对话交付，不自动创建笔记、图片或文件。
这里在做什么：约束交付形态——先给类比本身、让对应运行、落回新增理解，但不强加固定标题模板。
理论边界诚实：只借用 Gentner 的映射与系统性原则，理解任务、候选淘汰、边界等为新增创作标准。
skills/ljg-analogy/SKILL.md
本技能借用 Gentner（1983）的关系映射与系统性原则。理解任务、双对象对照、候选淘汰、受众熟悉度、认知增量与具体边界，是为创作任务增加的设计标准，不宣称出自论文或已被论文验证。
这里在做什么：把论文结论与工程设计分开，避免用学术名义给创作规则背书。
EvalCases.json 只是行为验收参考，定义输入与验收依据，不规定唯一正确的比方。
skills/ljg-analogy/SKILL.md
这些用例只定义输入和验收依据，不规定唯一的正确比方。
这里在做什么：用例集供人工审阅实际回答质量，避免把单一基域当标准答案。
2核心能力
01单场景类比生成
02双对象差异比较
03受众、领域、文风与篇幅适配
04多候选比较与推荐
05关系映射的结构校验（角色稳定、方向与时序一致）
06迁移边界说明
07目标域事实保护（不替目标域补动机、因果或结局）
08可复核的行为用例集
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： 纯指令型 skill：目录内无脚本、无网络请求、无凭证读取与写盘；风险扫描的执行外部程序、网络请求、凭证/环境变量、写盘四类均无命中。Theory.md 引用的 Gentner 论文链接仅为来源标注，不参与运行。
5第二遍独立确认
- [ok] 功能声明与实现一致 — frontmatter 声明『基于结构映射理论…寻找精妙类比与关系隐喻』，正文给出目标域/基域定义、成品标准与 Theory.md 理论依据，未发现夸大。
- [ok] 外部依赖核验：无运行时依赖 — 目录四个文件均为文本（md/json/yaml）；风险扫描四类（执行外部程序、网络请求、凭证、写盘）全部无命中。
- [ok] 安全结论反例检查 — 逐行重核无 curl/wget/fetch、child_process 或 fs 写入/读取凭据；无脚本文件，故 scripts_executed 为空。
- [ok] 引用可定位性 — 所有 quote 均可在 SKILL.md／Theory.md／EvalCases.json 原文逐字匹配，长度均大于 12 字符。
- [ok] 判级口径复核 — 按判级六档，纯指令无脚本无外发，落 green；Theory.md 的外链属来源标注，不改档位。
- [ok] 理论归属表述核对 — SKILL.md 明写新增标准『不宣称出自论文或已被论文验证』，分析据此未把创作规则写成论文结论。
- [ok] 用例集性质核对 — EvalCases.json purpose 声明不按固定措辞或唯一基域打分，分析未把单一基域当作正确解。
6结论
适合： 适合需要把抽象关系讲清楚的知识工作者、写作者与教师：给场景找承重类比、解释两对象或机制差异、为指定受众定制隐喻、要求带迁移边界的解释性类比时最稳；也适合研究类比推理与提示工程的人，借鉴其把创作标准写成可验收条件的方式。
不适合： 不适合只要修辞润色、只解释现成比喻或把类比当事实证明的请求（官方 NOT FOR 已点名）；不适合要求产物自动落盘的流程，默认只在对话交付；不适合需要确定性评分或回归测试的场景，其验收是语义判断而非可执行校验。
Install Agent-Ready
① Verified Mirror 2026-10-10
Option A · Direct DownloadDownload ljg-analogy.tar.gz
sha256:
Option B · Copy Guide for Agentf6af0a46838494b1…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 9e75497a95.