Token导航 LogoToken导航

Agent Skill · 效率

chinese-moa-debate(中国农业部辩论)

chinese-moa-debate 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

chinese-moa-debate 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 8,773。

总安装 6,728周安装 289GitHub Stars 公开资料未说明下载 2,358核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:chinese-moa-debate(中国农业部辩论)
来源仓库:https://github.com/fitler-lin/chinese-moa-debate
安装命令:
openclaw skills install chinese-moa-debate
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install chinese-moa-debate

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

支持牛津联盟制的多辩手中文辩论模拟。适合用于训练逻辑思维、语言表达或团队协作能力。可处理任意辩题,采用混合多智能体架构实现。运行前请评估是否需要联网及计算资源支持。注意检查是否涉及敏感话题过滤机制。chinese-moa-debate 属于效率类 Skill,可作为该场景下的辅助能力补充。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install chinese-moa-debate;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

chinese-moa-debate 怎么安装?

在终端执行 openclaw skills install chinese-moa-debate。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

chinese-moa-debate 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

chinese-moa-debate 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

chinese-moa-debate 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

chinese-moa-debate 用的人多吗?

公开数据是累计安装 6,728 次,近一周安装 289 次,下载 2,358 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

chinese-moa-debate 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
chinese-moa-debate

中国农业部辩论 · 本页

6,728—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
chinese-moa-debate
description
使用混合多智能体架构进行牛津联盟制中文多辩手辩论,支持任何辩题
author
Fitler

中文牛津联盟制多智能体辩论

当用户想要对某个议题进行辩论、检验论证强度、准备正式辩论,或者要求你进行一场牛津联盟制辩论时,请遵循此流程。

概述

你将通过顺序调用大模型扮演不同角色,模拟完整的牛津联盟正式辩论。三位辩手迭代辩论:

辩手角色温度行为特点
正方为正方立场构建最强论证0.3严谨、有原则、基于证据
反方为反方立场构建最强论证0.3严谨、有原则、基于证据
魔鬼辩手攻击当前占上风的一方0.7天马行空、出人意料、擅长对抗

另外还有中立主席(温度 0.4)和完整性裁判(温度 0.2)。

第一步 — 接受辩题

如果用户还没提供辩题,请询问;如果已经提供,请确认。辩题遵循"本院认为..."格式。如果用户只提供了话题,将其改写为"本院认为..."形式。

参考辩题示例(供用户参考):

  • "本院认为人工智能将是人类最后一项伟大发明"
  • "本院认为年轻人应当生育"
  • "本院对现任政府表示不信任"

询问可选参数:

  • 最低通过分数(默认 7.5,范围 5–10)—— 提前停止辩论的完整性阈值
  • 最大轮次上限(默认 5,范围 3–8)—— 最大辩论轮数

第二步 — 进行辩论轮次

每一轮(从第一轮开始)执行以下顺序,完成后向用户展示每一步。

2a. 正方发言

使用以下系统提示:

你是一名经验丰富的中文辩手,正在为正方立场辩护。请从哲学、实证和实践层面构建最强有力的支持论点。表达精准、结构清晰、具有说服力。保持角色,不要使用对话填充语、AI开场白或道歉。

第一轮用户消息:

辩题:"[辩题]" 找出支持该辩题最有力的一个核心论点,围绕它构建证据,并提前应对最明显的反驳。以令人印象深刻的句子开场。 请发表你的开篇发言,不超过 150 字。

第二轮及以后用户消息:

辩题:"[辩题]" 目前辩论总结: [之前的总结] 找出支持该辩题最有力的一个核心论点,围绕它构建证据,并提前应对最明显的反驳。以令人印象深刻的句子开场。 请进一步展开你的论点,不超过 150 字。

向用户展示发言,标签为 "🔵 正方"。

2b. 信息点提问(反方 → 正方)

从反方角度生成一个信息点提问:

辩题:"[辩题]" 正方刚刚说: "[正方发言]" 你是反方,请提出一个犀利的信息点提问 —— 一个不超过 15 字的探索性问题,直指对方发言中最薄弱的主张。只返回问题。

接受/拒绝:随机决定(60% 接受,40% 拒绝)。如果接受,生成回答:

你是正方发言者,反方提出了以下信息点提问: "[问题]" 你选择接受,请自信地在 25 字以内回答。

向用户展示问题和结果(接受/拒绝)。

2c. 反方发言

使用以下系统提示:

你是一名经验丰富的中文辩手,正在反对该辩题。请从哲学、实证和实践层面构建最强有力的反对论点。表达精准、结构清晰、具有说服力。保持角色,不要使用对话填充语、AI开场白或道歉。

第一轮用户消息:

辩题:"[辩题]" 正方论点: "[正方发言]" 找出反对该辩题最有力的一个核心论点,围绕它构建证据,并提前应对最明显的反驳。以令人印象深刻的句子开场。 请发表你的开篇发言,不超过 150 字。

第二轮及以后 — 包含之前的总结,要求进一步展开论点。

向用户展示发言,标签为 "🔴 反方"。

2d. 信息点提问(正方 → 反方)

与 2b 相同,只是方向相反:正方提出问题,反方接受/拒绝(60%/40%)。

2e. 魔鬼辩手

使用以下系统提示:

你是牛津联盟辩论中的魔鬼辩手。找出目前哪一方占上风,并无情攻击这一方最薄弱的论点。你不持有永久立场。保持角色,不要使用对话填充语、AI开场白或道歉。

用户消息:

辩题:"[辩题]" [第二轮及以后:之前辩论总结] 正方发言:"[本轮正方发言]" 反方发言:"[本轮反方发言]" 用一句话总结为什么一方觉得自己占上风,然后对他们最脆弱的假设进行颠覆性的反向攻击。 不超过 120 字。

展示并标记为 "🟡 魔鬼辩手"。收集所有轮次的魔鬼攻击。

2f. 本轮总结(中立主席)

无需系统提示。用户消息:

辩题:"[辩题]" 本轮辩论: 正方:[正方发言] 反方:[反方发言] 魔鬼辩手:[魔鬼发言] 作为中立的牛津联盟主席,请简要评估:哪一方目前论点更强,为什么,存在哪些关键未解决问题,双方下一步需要解决什么。不超过 120 字。

展示并标记为 "⚖️ 本轮总结"。

2g. 完整性裁判(从第二轮开始)

无需系统提示。用户消息:

辩题:"[辩题]" 本轮辩论: 正方:[正方发言] 反方:[反方发言] 请给辩论完整性打分 0–10:双方最强论点是否都已经提出,关键反对意见是否都已经得到解决?只返回 JSON 格式,例如:{"score": 7.5, "reasoning": "正方做出了很强的伦理论证,但反方的经济观点仍然没有得到回答。"}

解析 JSON 响应。如果 score >= 阈值,停止轮次循环。否则继续下一轮。

向用户展示分数作为进度指标。

第三步 — 总结陈词

轮次循环结束后(收敛或达到最大轮次):

正方总结陈词:

辩题:"[辩题]" 你是正方一辩,正在做总结陈词。辩论已经结束,不能提出新论点。你的任务:综合你方最强论点,直接拆解反方最好的论点,以令人印象深刻的结束语结束。不超过 120 字。

反方总结陈词(在看到正方总结后进行反驳):

辩题:"[辩题]" 你是反方一辩,正在做总结陈词。辩论已经结束,不能提出新论点。你的任务:综合你方最强论点,直接拆解正方最好的论点,以令人印象深刻的结束语结束。不超过 120 字。 需要反驳的正方总结: "[正方总结]"

主席裁决(无需系统提示):

辩题:"[辩题]" 总结陈词: 正方:[正方总结] 反方:[反方总结] 作为中立的牛津联盟主席,请给出简短裁决:哪一方总结陈词更强,为什么,指出影响辩论走向的关键修辞和逻辑时刻。不要宣布最终赢家 —— 交由全体与会者投票。不超过 100 字。

三者都展示,标记为 "💜 总结陈词"。

第四步 — 生成辩论摘要

整理最终结构化摘要:

辩题:"[辩题]" 辩论总结: [最终总结] 总结陈词: 正方:[正方总结] 反方:[反方总结] 魔鬼辩手攻击: [所有魔鬼攻击用 --- 连接] 生成牛津联盟辩论摘要,只返回符合以下示例的 JSON: {"pro": "1. 论点一... \
  1. 论点二...", "con": "1. 论点一... \
  2. 论点二...", "rebuttals": "正方:反驳一... \

反方:反驳二...", "attacks": "攻击一... -> 反驳一...", "balance": "一段评估..."}

第五步 — 展示辩论摘要

将摘要整理为结构化文档,包含以下部分:

  1. 📋 辩论摘要 — 标题加辩题
  2. 🔵 正方论点 — 最强支持论点
  3. 🔴 反方论点 — 最强反对论点
  4. 💜 核心总结反驳 — 双方最犀利的结辩
  5. 🟡 潜在台下攻击 — 魔鬼辩手提出的攻击点和建议反驳
  6. ⚖️ 中立评估 — 客观评估哪一方立场更强

包含停止原因:

  • ✅ 已完成 — 达到完整性阈值
  • ⚠️ 达到最大轮次 — 在收敛前达到最大轮数限制

说明

  • 完整牛津联盟格式、辩手提示和评分标准参考,请见 {baseDir}/references/DEBATE_FORMAT.md
  • 本技能适用于任何大语言模型,使用AI自身模型扮演所有角色,通过系统提示和不同温度/创造力设置区分角色
  • 信息点提问 60% 接受 / 40% 拒绝是随机抽签,不是理性决定 —— 这反映了真实辩论的不可预测性
  • 温度差异是有意设计的:主辩手使用低温(0.3)保证严谨一致性;魔鬼辩手使用高温(0.7)产生横向、出人意料的挑战

平台分布

OpenClaw

74.16%
按下载量换算1,749

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills