Tacit Mining — AI skill for Claude Code

tacit-mining


**Let AI truly understand you.** A Claude Code skill that extracts your tacit knowledge through structured dialogue.

"We know more than we can tell." — Michael Polanyi, 1966

你给 AI 写了几千字的提示词，但它还是不懂你。问题不在 AI，在于你最重要的判断标准——你自己也说不清楚。

`tacit-mining` 基于 Polanyi 隐性知识理论和认知科学方法（CDM、Laddering、Repertory Grid），用结构化对话从你的**行为**中反推出你说不出来的判断标准。

它能做什么

不问"你的标准是什么"，而是问"上次你做了什么"。

你：改了三遍开头，每次都"不对"，但说不清哪不对
AI：你改 Glasswing 那篇时，看到原始开头的第一反应是什么？
你：铺垫太长了，开头应该直接吸引人
AI：给你两个标题，A 悬念式，B 直给结论式，你选哪个？
你：B。大众看够了悬念，有营销味道
AI：所以你的规则是"吸引力靠内容本身，不靠信息差套路"？
你：对，但内容确实炸裂时可以酌情用悬念

**提取结果**：从"不要标题党"4 个字 → 变成 3 句话带边界条件的精确规则。

五个挖掘域

域	挖什么
writing	写作品味：什么开头好、什么是"AI味"、怎么算写透
topic	选题直觉：为什么一看就知道要写、优先级怎么排
product	产品判断：什么产品值得关注、机会怎么判断
aesthetic	视觉审美：封面、排版、配图的偏好
audience	读者感知：读者是谁、怎么和读者沟通

四种提取方法

1. 关键事件法（CDM）：回忆具体案例，逐点深挖决策
2. 对比逼近（Repertory Grid）：A vs B，选择暴露标准
3. 反事实追问：如果变量 X 改变，判断会变吗？
4. Laddering 追问：从表面 → 后果 → 价值观，一层层爬

安装

把 `tacit-mining` 文件夹复制到你的 Claude Code skills 目录：

# macOS / Linux
cp -r tacit-mining ~/.claude/skills/

# 或者直接 clone
git clone https://github.com/xiaohuailabs/tacit-mining.git ~/.claude/skills/tacit-mining

使用

在 Claude Code 对话中：

挖隐性知识

或者更具体：

聊聊我的写作品味
深度访谈
了解我

对话节奏

• 每轮只问一个问题，等你回答
• 可能追问 1-2 次
• 用一句话复述提炼的规则
• 你确认或纠正
• 5-8 轮一组，不拖太长

存储格式

每条提炼的隐性知识自动存为碎片文件：

---
name: tacit_writing_opening
description: 开头直给+吸引力靠内容本身
type: user
domain: writing
confidence: confirmed
---

## 表现（Behavior）
改稿时把铺垫式开头删掉，A/B对比中选了直接给结论。

## 规则（Rule）
吸引力必须来自内容本身的分量，不能靠信息差套路。

## 边界（Boundary）
内容本身确实很炸裂时，可以酌情使用情绪化表达。

## 原话（Verbatim）
> "大众已经看够了会厌烦，而且很有营销味道"

理论基础

• Michael Polanyi《The Tacit Dimension》(1966) — 隐性知识理论
• Gary Klein CDM 关键决策法 — NASA/军方验证的专家知识提取
• George Kelly Repertory Grid — 对比法提取隐含维度
• Dreyfus 五阶段模型 — 专家越专业越说不清

实战效果

首次 8 轮对话，提取了 8 条 confirmed 规则，覆盖写作、选题、产品判断三个域。从"不要标题党"到"默认直给结论