说实话，市面上关于商业诊断的方法论确实不少，但真正能落地应用的实用工具却并不多见。今天介绍的这款开源项目颇为独特——它将一套完整的商业诊断方法论，转化为可以被AI直接调用的技能模块。简单来说，就是给你的AI装上了一份“生意经”，让它具备商业分析能力。

推文里的商业智慧

dontbesilent 是Twitter（现更名为X）上一位活跃的商业博主，多年来累计发布了超过12,000条推文。这些推文并非随意发布，而是逐渐沉淀为一套系统化的商业诊断方法论——涵盖如何判断一个生意是否可行、怎样找到合适的对标对象、如何突破执行层面的瓶颈、以及内容策略的优化思路。整体来看，体系相当完善。

但问题是：推文散落在时间线上，检索起来非常不便，更不用说系统化地应用了。

dbskill 项目正是为了解决这一痛点而诞生。它从12,307条推文中，提炼出21个可以直接让AI调用的技能（Skill）。截至当前，该项目在GitHub上已获得6163个Star，成绩颇为亮眼。

21 个技能，一条诊断主线

这21个技能并非孤立存在，而是彼此联动，形成了一套完整的诊断系统。

核心诊断工具

代码语言：ja vascript

商业模式诊断——消解问题，不回答问题

这些技能是高频使用的“主力军”。当你对某个商业模式存疑时，调用 /dbs-diagnosis，它会运用一套方法论帮你“消解”问题。这很有意思——很多时候，问题本身的方向就错了，而不是找不到答案。

心理与执行工具

代码语言：ja vascript

执行力诊断——阿德勒心理学框架

明明知道该做什么却迟迟无法行动？调用 /dbs-action，它能帮你快速定位“知与行”之间的心理卡点。如果目标看似清晰但总在原地打转，/dbs-goal 会像一位经验丰富的审计员，帮你核查目标是否真的具备可执行性。这类工具解决的不是“怎么做”，而是“为什么不做”。

决策与学习系统

代码语言：ja vascript

个人决策系统——长期跟踪、四层结构、来源标签

值得单独一提的是 /dbs-decision。它的核心逻辑是将每一次决策过程沉淀下来，转化为可复用的知识资产。每次决策都有记录、有回填、有规律总结——长此以往，你不再凭直觉拍脑袋，而是拥有了一套完整的决策档案供复盘。这，才是诊断的真正价值所在。

状态管理三件套

代码语言：ja vascript

存档诊断状态到本地

商业诊断往往不是一次对话就能完成的。今天聊到一半，明天继续时，无需从头解释背景。一句 /dbs-restore 即可无缝衔接。这个设计非常务实——诊断流程通常需要持续追踪，状态管理的意义正在于此。

技能联动：系统引导你走完全程

dbskill 的技能之间会互相推荐，形成一条自然的路径：

• diagnosis（方向对不对）
• ↓
• benchmark（找谁模仿）
• ↓
• content（内容怎么做）

更多联动逻辑：

• diagnosis 发现方向成立但缺路径 → 推荐 benchmark
• diagnosis 发现核心卡点在心理层面 → 推荐 action
• diagnosis 发现概念模糊 → 推荐 deconstruct
• benchmark 找到对标后 → 推荐 content
• content 发现开头有问题 → 推荐 hook
• content 需要起标题 → 推荐 xhs-title
• 走到有结论的节点 → 推荐 /dbs-sa ve
• 用户说“上次”“接着” → 推荐 /dbs-restore

你不必费力去记忆所有技能，系统会在合适的节点提示下一步该做什么。这对新手尤其友好。

知识库：4176 个知识原子，完全开放

这个项目最“慷慨”的地方，在于它的知识库完全开放。即使不安装任何技能，你也可以直接使用这些材料。

原子库

知识库/原子库/ 里包含了4,176个知识原子，每一条都是从推文中提炼出的结构化知识点：

{
    "id": "2024Q4_042",
    "knowledge": "判断一个生意能不能做，必要条件之一是你能不能说出这个产品的颜色",
    "topics": ["商业模式与定价", "语言与思维"],
    "skills": ["dbs-diagnosis", "dbs-deconstruct"],
    "type": "anti-pattern",
    "confidence": "high"
}

每个原子都带有主题标签、关联的技能、类型（原理/方法/案例/反面案例/洞察/工具）以及置信度。天然适合作为RAG知识库——拿来就能用，无需再费心整理。

Skill 知识包

知识库/Skill知识包/ 里包含了15份方法论文档：

• diagnosis_公理与诊断框架.md
• diagnosis_问题消解案例库.md
• benchmark_对标方法论.md
• content_内容创作方法论.md
• action_心理诊断框架.md
• action_信号案例库.md
• ……

这些都是独立可读的文档。你可以直接阅读理解方法论，也可以将它们作为system prompt，为任何AI增添相应的诊断能力。

如何安装

Claude Code

claude plugin marketplace add dontbesilent2025/dbskill

claude plugin install dbs@dontbesilent-skills

通用方式（Codex / Claude Code）

npx -y skills add dontbesilent2025/dbskill -g --all

Trae Solo

从 GitHub Releases 下载最新的 dbskill-版本号.zip，解压后逐个拖入 Trae Solo 的技能上传窗口。

几种典型用法

给你的AI加商业诊断能力

把 知识库/Skill知识包/diagnosis_公理与诊断框架.md 的内容粘贴到system prompt，你的AI便拥有了6公理+消解漏斗的诊断框架。

做RAG知识库

把 知识库/原子库/atoms.jsonl 导入向量数据库。4,176条结构化知识点，自带主题标签，检索增强可直接落地。

只看案例

过滤 type: "case" 或 type: "anti-pattern" 的原子，大约700条真实商业案例和反面案例，拿来就能当案例库使用。

系统学习一个主题

用 /dbs-learning 把课题拆成连续文章，读完一篇写反馈，AI根据反馈生成下一篇——形成自适应的学习梯度，效果很不错。

项目展示的路径

dbskill 是一套经过验证的商业思维框架，被做成了可执行的形式。这件事本身就值得关注：从一条条推文到一套完整的技能库，它展示了一条值得参考的路径——个人经验可以转化为可复用的AI能力。

项目采用 CC BY-NC 4.0 许可证，个人使用自由，商业用途需获得授权。