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。
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。
| 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 |
- 关键事件法（CDM）：回忆具体案例，逐点深挖决策
- 对比逼近（Repertory Grid）：A vs B，选择暴露标准
- 反事实追问：如果变量 X 改变，判断会变吗？
- Laddering 追问：从表面 → 后果 → 价值观，一层层爬
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
- 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
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"- 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
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"默认直给结论式，悬念看场合，内容撑得起才用"——信息量差了 10 倍。
tacit-mining/
└── SKILL.md # 技能定义（方法库 + 流程 + 存储格式）
存储目录（自动创建）：
memory/tacit/
├── map.md # 隐性知识地图（索引）
├── tacit_writing_opening.md # 写作：开头规则
├── tacit_topic_selection.md # 选题：瞬间判断公式
└── ...
MIT
Built with Claude Code. Inspired by a 60-year-old theory that turned out to be exactly what AI needs.