ljg-qa: 问答提取

ljg-qa

信息提问机。给一篇文章/论文/书，把核心观点抽成 Q-A 对——Question 切要害，不教科书；Answer 简洁清晰，有形式化收口，逻辑链完整。读者顺 Q 链走过，每个 A 砸下一枚钉子，复现作者整套推理。Use when user says '问答', 'Q&A', 'QA', '提问', '抽取问题', '/ljg-qa', or shares an article/paper/book and asks for Q-A extraction. Triggers when the user wants ideas extracted not as a summary but as a sequence of incisive questions with answered. NOT FOR FAQ generation, glossary creation, or comprehension quizzes — this is intellectual scaffolding, not study aids.

lijigang/ljg-skills·4.7Kinstalls7.4KstarsTesting & QA

SKILL.md

Full skill instructions

ljg-qa: 问答提取

读一份东西，把它的思想拆成「为什么—怎么—边界」的问答链。

读者顺着 Q 走过去，每个 A 砸下来一枚钉子。

你不是

不是 FAQ 生成器（"什么是 X"——读者一看就跳过）
不是摘要换皮（把段落拆成"问/答"两半还是摘要）
不是知识点列表（孤立的事实碰撞不出洞察）
不是阅读理解题（提问不是为了考读者，是为了切中作者）

你是

把作者的论证骨架翻出来，每根骨头长成一个尖锐的问题。读者沿着 Q 链读，能复现作者的整套思路——而不是被告知结论。

三条铁律

Q 切要害 —— 问的是「为什么这个解法成立」「它跟另一种做法差在哪」「它的代价是什么」「它在哪里失效」，不是「它定义是什么」。一个 Q 必须能让答案承重，不能被一句话敷衍过去。
A 有形式化收口 —— 每个 A 严格四段：结论（一句话）+ 形式化（用文字 + 简单符号把思想压成一行可视关系，如 A = B + C、旧: X → 新: Y）+ 论证步（怎么想到的）+ 边界（不成立的条件）。形式化是"思想的几何"，让读者一眼看出关系。
Q 链有方向 —— Q 之间不是并列罗列，是「Q1 答完→Q2 自然冒出来」。读者读完整串 Q，相当于走了一遍作者的推理路径。

工作流

按 Workflows/Extract.md 的步骤执行。

设计参考

Q 怎么提、A 怎么收口的具体模式见 References/QuestionDesign.md。

Voice Notification

执行 workflow 时：

curl -s -X POST http://localhost:31337/notify \
  -H "Content-Type: application/json" \
  -d '{"message": "Running Extract in ljg-qa"}' \
  > /dev/null 2>&1 &

输出文本：

Running **Extract** in **ljg-qa**...

输出

格式：org-mode（*bold*，禁 markdown 语法）
路径：~/Documents/notes/
denote 文件名：{YYYYMMDDTHHMMSS}--qa-{核心主题 5-10 字}__qa.org

Examples

Example 1: URL

User: /ljg-qa https://example.com/article
→ WebFetch 获取
→ 找观点骨架 → 设计 Q 链 → 写 A 三段
→ org-mode 输出到 ~/Downloads/

Example 2: 论文 PDF

User: /ljg-qa ~/Downloads/paper.pdf
→ Read PDF（注意 pages 参数）
→ Q 抽出方法的「为什么」「代价」「边界」
→ 输出 org-mode

Example 3: 直接文本

User: 把这段抽成 Q-A: [text]
→ 跳过获取，直接抽
→ 输出

Gotchas

AI 默认会写「什么是 X」型问题 —— 教科书腔。生成后扫一遍，凡是 Q 能用一句定义打发的，重写
AI 默认会让 A 散掉 —— 没有结论句、没有边界、写成一段散文。每个 A 必须严格四段（结论 / 形式化 / 步骤 / 边界）
AI 默认会把「形式化」写成数学公式 —— 不是。形式化是用文字 + → = ≠ + × 这类符号压一行可视的关系，比如 通才 = 协调，专才 = 干活。是"思想的几何"，不是"数学的形式"
AI 默认按章节顺序提问 —— 这是抄目录，不是抽思想。Q 链应该按论证依赖关系排，不按出现顺序
AI 默认会把 Q-A 理解成「问答游戏」 —— 不是。这里 Q 是凿子，A 是钉子。装饰性的轻问题禁止
AI 默认会在 A 里堆术语保平安 —— 用术语不算回答。把术语翻译成具体动作和具体物件，否则 A 没承重

Install skill

Copy and run in your terminal

npx -y skills add https://github.com/lijigang/ljg-skills --skill ljg-qa

View on GitHub

ljg-qa

More Testing & QA skills

View all

Testing & QA

test-driven-development

Write tests first, watch them fail, then implement minimal code to pass.

295.4K 244.7K

View

Testing & QA

verification-before-completion

Enforce verification commands before claiming work completion, fixes, or test passes—no success assertions without fresh evidence.

295.4K 230.2K

View

Testing & QA

subagent-driven-development

Dispatch fresh subagents per task with two-stage review (spec compliance, then code quality) in the current session.

295.4K 221.7K

View

Testing & QA

receiving-code-review

Evaluate code review feedback with technical rigor before implementing, avoiding performative agreement and blind implementation.

295.4K 208.8K

View

Testing & QA

writing-skills

Test-driven documentation for creating reusable agent techniques, patterns, and reference guides.

295.4K 205.7K

View

Testing & QA

finishing-a-development-branch

Structured workflow for completing development branches with test verification and merge/PR options.

295.4K 202.3K

View

Testing & QA

playwright-cli

Browser automation with 40+ commands for navigation, interaction, form filling, and web testing.

13.8K 175.3K

View

Testing & QA

webapp-testing

Toolkit for interacting with and testing local web applications using Playwright. Supports verifying frontend functionality, debugging UI behavior, capturing browser screenshots, and viewing browser logs.

179.7K 170.6K

View