From ljg-skills
Analyzes yesterday's AI conversations to identify cognitive blind spots (structural thinking habits, not knowledge gaps), then selects a targeted chapter from WeRead to fill them. Invoke via '扫盲区', 'blind spot', or '/ljg-blind'.
How this skill is triggered — by the user, by Claude, or both
Slash command
/ljg-skills:ljg-blindThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
读你昨天跟 AI 的全部对话,照出那个你自己看不见的思维盲区,从微信读书点亮补它的一章。
读你昨天跟 AI 的全部对话,照出那个你自己看不见的思维盲区,从微信读书点亮补它的一章。
盲区不是知识缺口。不是"没读过某本书""不知道某个事实"——那种缺口,查一下就补上了。
盲区是一种结构性的思维习惯,它让某一类真相对你系统性地不可见。你不是想不到,是这个习惯让你压根没往那个方向看。它藏在你怎么想事情的方式里,不藏在你想的内容里。
所以证据不在"他说错了什么"。在——他没往哪看,他在哪绕了,他默认了什么却从没检。
从昨天的对话里找这五种。每一种都要落到具体的话上,不能凭感觉。
从信号里挑 1 个作为今天的盲区。宁可一个说透,不要五个都点一遍——盲区的密度低于精度。判据三条:
~/.claude/PAI/USER/TELOS/MISSION.md 确认主线。# 默认昨天;用户传了 YYYY-MM-DD 就用那天(macOS BSD date)
target=${1:-$(date -v-1d +%Y-%m-%d)}
会话文件在 ~/.claude/projects/-Users-lijigang*/*.jsonl,每行一条消息(type=user / assistant / system)。只要继刚的真人发言,滤掉工具回显和子 agent 噪声:
target=<上一步的日期>
out=/tmp/ljg-blind-${target}.txt
: > "$out"
# 只取顶层会话文件(排除 subagents/workflows),只留真人纯文本
for f in $(rg -l "\"timestamp\":\"${target}" ~/.claude/projects/-Users-lijigang*/ 2>/dev/null | grep -vE 'subagents/|workflows/'); do
jq -r 'select(.type=="user" and ((.timestamp // "") | startswith("'"${target}"'"))) |
(.message.content) as $c |
(if ($c|type)=="string" then $c
elif ($c|type)=="array" then ([$c[] | select(.type=="text") | .text] | join(" "))
else "" end) as $t |
select($t|length>0) |
"[" + (.timestamp|.[11:16]) + "] " + $t' "$f" 2>/dev/null >> "$out"
done
# 滤掉工具回显 / 系统噪声 / 本次调用请求自身
grep -vE 'tool_use_id|system-reminder|caveat|Caveat|local-command|command-name|command-message|<task-notification>|ljg-blind|扫盲区' "$out" > "${out}.f" && mv "${out}.f" "$out"
wc -c "$out"
材料若 >50KB,按对话分段读,先识别每段在讨论什么主题,再往下看。可辅助看几条相邻的 assistant 回复定上下文。
数据稀薄兜底:当天真人输入 <200 字或没有对话——直接在输出里写明「当天对话稀薄 / 无」,不强造盲区。宁可交白卷,不许编。
按上面「五种盲区信号」过一遍,每命中一处都记下证据(哪几句话、什么转折让你看出来的)。然后按「选哪一个」的三条判据,选出 1 个最要紧的盲区。
调 weread skill(WEREAD_API_KEY 在环境变量里,格式 wrk-xxxx;若没有,提示 export WEREAD_API_KEY=<key>)。三步:
curl -s -X POST https://i.weread.qq.com/api/agent/gateway \
-H "Authorization: Bearer $WEREAD_API_KEY" -H "Content-Type: application/json" \
-d '{"api_name":"/store/search","keyword":"<核心词>","count":8,"skill_version":"1.0.3"}' \
| jq -r '.results[].books[]?.bookInfo | "\(.bookId)\t\(.title)\t\(.author)\t评分\(.newRating)"'
从返回里挑评分尽量 ≥750(新版评分是 ×100,即 7.5)、且最贴盲区的 1 本,记 bookId。评分不是唯一标准——对症 > 高分,一本 7.4 但正打在盲区上,胜过一本 8.5 但擦边的。
curl -s -X POST https://i.weread.qq.com/api/agent/gateway \
-H "Authorization: Bearer $WEREAD_API_KEY" -H "Content-Type: application/json" \
-d '{"api_name":"/book/chapterinfo","bookId":"<bookId>","skill_version":"1.0.3"}' \
| jq -r '.chapters[] | select(.level<=2) | "\(.chapterUid)\t[\(.level)] \(.title)\t\(.wordCount)字"'
记 chapterUid、章节标题、wordCount。
估时长——wordCount / 280(中文阅读速度)向上圆到 5 的倍数。无 wordCount 就按目录感觉在 15-45 分钟之间估一个;标题带「上篇/下篇」「卷一」这类宏观词,时长再 ×1.5。
构造链接:weread://reading?bId={bookId}&chapterUid={chapterUid}
兜底:搜索全空 / 没对症章节 → 选整本相关书,链接退到 weread://reading?bId={bookId},文里说明为什么没能精准到章。
获取时间戳:date +%Y%m%dT%H%M%S 和 date "+%Y-%m-%d %a %H:%M"(时间用当前,不是 target)。
写入 ~/Documents/notes/{时间戳}--盲区-{主题}__blind.org。org-mode 格式,禁止 markdown 语法。
正文模板:
#+title: 盲区扫描 · {一句话点出这个盲区}
#+date: [YYYY-MM-DD Weekday HH:MM]
#+filetags: :blind:weread:topology:
* 昨天你在想什么
<1-2 段。当天对话的思维地形——哪几件事、绕着哪个核心在转。给证据:哪几句话看出来的。不流水账,抓主线。>
* 照出来的盲区
<挑出的那 1 个盲区。先一句话点破它是哪种(绕开点 / 空转框架 / 单一取景框 / 未检前提 / 相邻空缺)。再 2-3 段说清:它具体长什么样、昨天哪几处暴露了它、为什么你自己看不见。要点到杠杆——补上之后会打开什么。>
* 这一章给你
- 书:《书名》 — 作者
- 章节:<章节标题>
- 时长:约 N 分钟
- 链接:[[weread://reading?bId=XXX&chapterUid=YYY][在微信读书打开]]
- 为什么是它:<3-4 句。把盲区和这一章对上——这章具体讲什么、怎么补这个盲区。不要泛泛说"开阔视野",要说清这一章的哪个东西正对这个盲区的哪个缺口。>
报告文件路径给用户。
这篇笔记是写给一个跟你长期一起思考的人的,不是报告,不是陌生读者。
* / ** / ***,不要 #*字*,斜体 /字/,等宽 ~code~-,不要 *(* 在 org 是标题)[[url][text]],不要 [text](url)-----,不要 ---;不要 markdown 的 > 引用Pulse 每天早上有个自动早信(陈平安思维拓扑.org),是陈平安的口气、每天一封、挑一个洞。ljg-blind 是随手调的分析版——同一套「读昨天 → 看盲区 → weread 选章」的底子,但更系统、专照盲区、分析写得更足,而且能扫任意一天(传日期参数)。想要一封信,等早信;想主动查某天的盲区、要一篇能存档的分析,用 ljg-blind。
npx claudepluginhub lijigang/ljg-skills --plugin ljg-skills2plugins reuse this skill
First indexed Jul 4, 2026
Reviews daily work through Charlie Munger's mental models (inversion, second-order thinking, bias detection) to surface blind spots and cognitive traps.
Enters deep thinking mode for open-ended reflection, idea exploration, pattern finding, and vault content analysis. Supports sub-commands for digesting agent output, challenging beliefs, surfacing implied ideas, tracing idea evolution, and connecting domains.
Challenges vault knowledge by surfacing tensions, questioning absences, and flagging weak beliefs. Supports focused analysis, auto-pick of densest unchallenged cluster, or sweep across all domains.