仓颉文档证据引用技能

适用人群

适合：要整理报告、方案、说明书或演示材料的人、要把零散文档改成更适合交付、汇报或归档版本的人、要先完成第一轮文档整理再交给同事审阅的人。

技能介绍

仓颉文档证据引用技能。用于定义算法题中的最小证据集、三段引用格式与校验策略，并按 lite 或 strict 模式决定引用强度；不负责整体答案结构。

本 Skill 只处理“哪些结论必须引用、引用格式是什么、如何校验”。答案结构由 cj-ice-contest-protocol 负责。

业务背景和落地案例

语法规则 — 引用 cj-language-core 下 user_manual/ 对应章节。

能做什么

• 至少 2 条引用，默认要求 1 条语法 + 1 条 API。
• 正式题解、教学、复盘、评测场景必须执行。
• 只有在做出非显然语法、API、复杂度或异常行为结论时才强制引用。
• 如果答案只是直接给标准模板代码且没有额外库结论，可不单列引用段。
• 语法规则 — 引用 cj-language-core 下 usermanual/ 对应章节。
• API 行为 — 引用 cj-std-algo-toolkit 下 std/ 对应模块文档。
• 复杂度声明 — 引用文档中复杂度描述 (如有)。
• 类型约束 — 引用泛型/接口要求。

安装方法

方式 1：对 OpenClaw 说（不用写代码）

适合：OpenClaw、Codex、Kimiclaw、Windsurf、Trae、华为 CodeArts。

直接对 OpenClaw 说：

帮我安装一个叫 仓颉文档证据引用技能 的 Skill。
如果安装时需要精确名字，就用 algorithm-skills-cj-doc-evidence-citation。
装好以后，先用它帮我处理一遍当前任务。

如果需要手动安装，可以用这条命令：

clawhub install algorithm-skills-cj-doc-evidence-citation

方式 2：导入 MD 安装

适合：腾讯Workbuddy、百度Duclaw、字节Arkclaw、智谱Autoclaw、科大讯飞Astronclaw。

1. 找到这条 Skill 自带的 Markdown 文件，通常就是它的 SKILL.md 或同名 .md 文件。
2. 把这个 Markdown 文件导入到你的产品里。
3. 导入完成后，直接对 AI 说：

用刚刚导入的仓颉文档证据引用技能，先帮我处理当前任务。

备注：这一种本质上是导入一个 Markdown 文件，给知道安装包里有 .md 文件的人即可。

方式 3：代码安装

适合：Claude Code、Cursor、通义灵码、文心快码。

最短可用命令：

python3 scripts/validate_evidence.py \

使用步骤

1. 先选上面 3 种方式里，自己最容易完成的一种。
2. 安装完成后，直接对 OpenClaw 说：“用仓颉文档证据引用技能帮我处理当前任务。” 先让它自己跑一遍就可以。
3. 如果你已经有明确文件、网址、目录或数据，再把它补给 OpenClaw，让它只处理这一部分。
4. 先看第一轮结果，再决定要不要追加条件、缩小范围或继续执行下一步。
5. 如果这条 Skill 确实好用，就把它保留在常用列表，后面重复任务直接复用。

你需要准备什么

• 与你当前任务相关的文件、网址、目录或数据。
• 要处理的文档、报告或资料文件。
• 希望得到的整理方向或输出格式。
• 需要重点保留或重点修改的部分。

你会看到什么结果

• 整理后的文档或报告结果。
• 提炼好的重点内容。
• 可继续编辑或交付的材料。

风险提示

• 涉及 API Key、Token 或其他凭证时，先确认保存方式和权限边界。
• 依赖外部服务时，网络波动、配额限制或接口变化都会影响结果。

来源信息

• 公开页面地址: https://agentskillsrepo.com/skill/Xuuuuu04/algorithm-skills-cj-doc-evidence-citation
• SKILL.md 下载地址: https://agentskillsrepo.com/skill/Xuuuuu04/algorithm-skills-cj-doc-evidence-citation/download