
Observe Infer
- 18 installs
- 29 repo stars
- Updated April 18, 2026
- kangarooking/huangdi-neijing-skill
Deduce internal system conditions from external patterns and behaviors without internal access.
About
Reverse-engineers system state from observable effects. Enables effective action on systems where interior remains opaque.
- Read system state from external behavior
- Diagnose without direct internal visibility
Observe Infer by the numbers
- 18 all-time installs (skills.sh)
- +1 installs in the week ending Aug 2, 2026 (Skillselion tracking)
- Ranked #748 of 1,352 Code Review & Quality skills by installs in the Skillselion catalog
- Data as of Aug 5, 2026 (Skillselion catalog sync)
npx skills add https://github.com/kangarooking/huangdi-neijing-skill --skill observe-inferAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 18 |
|---|---|
| repo stars | ★ 29 |
| Last updated | April 18, 2026 |
| Repository | kangarooking/huangdi-neijing-skill ↗ |
What it does
Deduce internal system conditions from external patterns and behaviors without internal access.
Files
司外揣内诊断术
R — 原文 (Reading)
远者司外揣内, 近者司内揣外, 是谓阴阳之极, 天地之盖。
视其外应, 以知其内藏, 则知所病矣。
合而察之, 切而验之, 见而得之, 若清水明镜之不失其形也。
>
— 黄帝/岐伯, 外揣第四十五、本藏第四十七
---
I — 方法论骨架 (Interpretation)
司外揣内是一个从可观测外部信号推断不可直接观测的内部状态的结构化推理框架。
其核心操作分为四步:
1. 建立映射: 确定外部可观测信号与内部隐藏状态之间的对应关系。面色对应五脏, 脉象对应气血——每种外部信号都是某个内部状态的"代理指标"。
2. 多信号采集: 不能只看一个指标。灵枢强调"合而察之, 切而验之"——面色+脉象+体态+尺肤多信号交叉验证, 类似"多摄像头监控"。
3. 差异对比: 通过对比不同位置的信号差异(如左vs右、上vs下)来精确定位问题。"独热""独寒""独大""独小"——异常总是从差异中被发现。
4. 推断内部: 从外部信号的模式推断内部状态, 类似"清水明镜之不失其形"——信号越清晰, 推断越准确。
---
A1 — 书中的应用 (Past Application)
案例 1: 从面部色泽判断脏腑状态
- 问题: 如何不打开身体就知道内脏状态?
- 方法论的使用: "赤色小理者心小, 麤理者心大。白色小理者肺小……"面色+皮肤纹理=五脏大小。"视其外应以知其内藏则知所病矣。"
- 结论: 五脏的状态必然通过面色、皮肤、体态等外在特征表现出来, 存在可解读的映射关系。
- 结果: 建立了系统的"从外知内"诊断学, 无需侵入性检查即可评估内部状态。
案例 2: 从尺肤寒热判断疾病性质
- 问题: 如何快速判断疾病的寒热性质?
- 方法论的使用: "尺肤炬然热, 人迎大者, 当本血"——前臂皮肤灼热+颈脉盛大=血热。"掌中热者腹中热, 掌中寒者腹中寒"——手掌温度=腹部寒热。
- 结论: 远端(手臂)的体征可以反映核心(腹部)的状态, 存在远程映射。
- 结果: 通过简单的触诊即可判断内部寒热, 无需复杂仪器。
---
A2 — 触发场景 (Future Trigger) ★
1. 黑箱推断: 需要了解某个不透明的系统/人/组织的内部状态, 只能通过外部信号。 2. 间接评估: 无法直接测量目标变量, 需要找到代理指标。 3. 模式识别: 观察到一组外部表现, 需要推断背后的原因或机制。
语言信号
- "从外面怎么知道里面是什么情况"
- "看不到内部, 只能从外面判断"
- "这些表现说明了什么"
- "如何通过XX来判断YY"
与相邻 skill 的区分
- 与
four-seas-regulation的区别: 司外揣内是诊断方法(怎么看), 四海调节是调节策略(怎么调)。先用司外揣内诊断, 再用四海调节确定调哪个枢纽。
---
E — 可执行步骤 (Execution)
1. 列出可观测信号
- 列出所有可直接观测的外部信号, 评估每个信号的信息量和可靠性。
- 完成标准: 至少列出3个不同类型的可观测信号。
2. 建立信号-状态映射
- 为每个信号建立与目标内部状态的对应关系(正相关/负相关/条件相关)。
- 完成标准: 映射关系明确, 不是随意联想, 有逻辑或经验支撑。
3. 多信号交叉验证
- 对比不同信号的推断结果, 一致则增强信心, 矛盾则需要解释矛盾。
- 完成标准: 给出综合判断, 标注信号一致性和矛盾点。
4. 形成推断并验证
- 综合所有信号形成对内部状态的推断, 设定验证方法(如果能验证的话)。
- 完成标准: 推断有明确依据, 有验证路径。
---
B — 边界 (Boundary) ★
不要在以下情况使用
- 可以直接观测: 如果内部状态可以直接测量(如打开机箱看硬件), 不需要间接推断。
- 单一信号过度解读: 一个指标不能定乾坤, "参伍合参"多信号交叉才有意义。
失败模式
- 假阳性: 外部信号误导(如面部发红不一定都是热证), 需要多信号验证。
- 映射过时: 信号-状态的映射关系可能随环境变化而失效, 需要定期校准。
作者的盲点
- 灵枢的外内映射基于经验归纳, 现代场景需要验证映射关系是否成立。司外揣内的思维方法(从proxy推断真实值)是通用的, 但具体的映射规则需要在各自领域重新建立。
---
审计信息
- 验证通过: V1 ✓ / V2 ✓ / V3 ✓
- 测试通过率: {{%}} (详见 test-prompts.json)
- 蒸馏时间: {{DATE}}
{
"skill": "observe-infer",
"version": "0.1.0",
"test_cases": [
{
"id": "should-trigger-01",
"type": "should_trigger",
"prompt": "用户流失率突然上升,但从数据看不出明显原因,怎么分析",
"expected_behavior": "调用 observe-infer, 引导用户从外部可观测信号(行为数据、反馈)推断内部隐藏状态(用户真实感受)",
"notes": "正面场景: 从表象推断本质"
},
{
"id": "should-trigger-02",
"type": "should_trigger",
"prompt": "怎么在不问对方的情况下判断他是否对这个offer满意",
"expected_behavior": "调用 observe-infer, 引导从外部信号(肢体语言、回复速度、语气)推断内部态度",
"notes": "正面场景: 间接评估"
},
{
"id": "should-trigger-03",
"type": "should_trigger",
"prompt": "服务器CPU和内存都正常但用户体验很卡,问题可能在哪里",
"expected_behavior": "调用 observe-infer, 引导从外部表现(卡顿)推断内部隐藏瓶颈(可能是IO、网络、数据库)",
"notes": "正面场景: 黑箱推断"
},
{
"id": "should-not-trigger-01",
"type": "should_not_trigger",
"prompt": "帮我查一下这个公司的工商注册信息",
"expected_behavior": "信息查询, 不需要推断",
"notes": "诱饵: 直接可查的信息"
},
{
"id": "should-not-trigger-02",
"type": "should_not_trigger",
"prompt": "把这段代码的性能测试报告总结一下",
"expected_behavior": "信息总结, 不涉及间接推断",
"notes": "诱饵: 直接数据总结"
},
{
"id": "edge-01",
"type": "edge_case",
"prompt": "他今天发的朋友圈语气有点奇怪,不知道是不是出了什么事",
"expected_behavior": "可能触发, 从外部信号(朋友圈语气)推断内部状态(心情), 但场景较轻量",
"notes": "边界: 轻量级的信号解读"
}
]
}