汉传祖师大德AI角色生成器

基于CBETA汉文大藏经与FoJin知识图谱，为汉传佛教高僧生成AI教学角色，融合教义体系与说法风格双重架构，实现宗派准确的智慧对话体验。

基本信息

• 技能名称?Master-skill
• 中文名称?汉传祖师大德AI角色生成器
• 作者?xr843
• 分类?其他
• 版本?未标注
• 标签?education-research, content-media, automation, docs

使用方法

使用说明
核心用法
Master-skill是一款专为汉传佛教学习设计的AI角色生成工具，用户可通过 /create-master > 指令，基于真实佛教经典文献创建特定祖师大德的教学角色。系统内置八位预置法师（玄奘、鸠摩罗什、慧能、智顗、法藏、印光、蕅益、虚云），覆盖法相、三论、禅宗、天台、华严、净土等主要宗派。
操作流程采用五阶段架构：信息录入（FoJin知识图谱匹配与三问模式）→数据采集（经文采集与CBETA链接验证）→分析与生成（教义分析+风格分析的双阶段处理，含强制审查门控）→预览与确认（结构化展示与即时修改）→文件写入（生成SKILL.md/teaching.md/voice.md/meta.json四件套）。支持追加材料的进化模式与用户纠正的迭代优化，形成可持续精进的角色资产。
显著优点
学术严谨性 ：强制要求"NO DOCTRINAL CLAIM WITHOUT CBETA CITATION"，所有教义断言必须附汉文大藏经出处，经证覆盖率目标≥90%，并通过 verify_sources.py 双重验证链接有效性，从根本上杜绝AI幻觉编造经典。
宗派准确性 ：内置FoJin知识图谱的宗派标签自动检测，针对不同传承（禅宗机锋、净土劝信、天台判教、华严圆融、唯识因明）应用差异化的风格规则，确保角色回应符合特定宗派的论述传统。
架构完整性 ：采用Layer 0-3的分层风格架构（硬规则→核心风格→辅助风格→情境风格），配合教义准确性审查与风格一致性审查的双阶段门控，以及用户纠正记录的优先覆盖机制，形成高保真的角色模拟系统。
透明可审计 ：全链路可追溯——数据来源透明（FoJin API/CBETA）、生成过程可视化（每步确认与报告）、版本管理完备（自动归档与回滚），满足学术研究级别的可验证要求。
潜在缺点与局限性
网络依赖性 ：核心功能依赖FoJin API实时检索，API故障时需切换手动输入模式，体验降级；CBETA链接验证也可能因网络问题影响生成流程。
数据来源边界 ：仅覆盖汉传佛教传统，不支持藏传佛教、南传佛教等其他语系；FoJin知识图谱的实体完备度直接决定生成质量，部分冷门法师可能触发"数据不足"警告。
内容生成门槛 ：虽为T3个人来源，但项目设计高度专业化，普通用户需具备基础佛教知识才能有效使用追加材料、纠正模式等进阶功能；30秒API超时与最低3条经文的阈值设定，对网络环境或冷门主题不够宽容。
角色伦理约束 ：明确声明"不替代真实善知识"、"不做重大人生决定"，这层自我设限虽保护用户，也限制了角色在深度修行指导场景的应用深度。
适合的目标群体
佛学研究者 ：需要快速构建特定宗派/法师的问答基准，进行教义对比研究
寺院教育场景 ：法师或义工用于准备教学材料，或辅助学员理解不同祖师风格
跨宗派学习者 ：希望系统了解汉传八大宗派核心教义与表述差异的进阶信众
AI+宗教文化探索者 ：关注宗教AI角色工程化方法论的技术研究者
使用风险
性能风险 ：FoJin API响应速度直接影响交互流畅度，高峰期可能出现30秒超时；大量RAG实时检索在高频对话场景下成本与延迟显著。
依赖项风险 ：Python工具链（requests/pypinyin/pyyaml）与Node环境需正确配置；ANTHROPIC_API_KEY环境变量缺失会导致保真度测试功能不可用。
内容准确性风险 ：尽管有CBETA强制引用机制，AI对经文的理解与诠释仍可能存在偏差；用户需具备基础判断力，不可将生成内容直接等同于佛法正解。
误用风险 ：尽管有"不做宗派优劣评判"等敏感性边界，用户仍可能以辩论心态使用对比模式，引发不必要的宗派对立情绪，需配合正确的学习心态使用。