让 AI 说人话。消除废话、消除绕弯子、消除「正向表达之后再否定」的反模式，同时进一步压缩表达密度。
基于两个项目融合整理：
当前版本仍以 talk-normal 为主干，只吸收 caveman 中少量、低副作用、可直接落地的压缩规则，目标是让输出更有用、简练、可执行。
本项目保留了 talk-normal 的核心规则：
- 结论前置
- 禁止 filler
- 禁止否定对比句式
- 禁止条件菜单
- 禁止总结标签
在此基础上，只增加了 5 条密度增强规则（参考 caveman 的压缩思路）：
- 一句只表达一个主要意思
- 优先短句，不堆复合长句
- 优先动词和事实，少用形容词和语气词
- 只有在提升可扫描性和决策效率时才用列表
- 回答后顺手给动作、建议或结论，不停在概念层
这不是“完整融合版”，而是轻融合增强版：保持原 skill 的简单、可插拔、一装即用，同时提高信息密度。
- Original author: hexiecs
- Upstream repository: hexiecs/talk-normal
- Secondary inspiration: JuliusBrussee/caveman
- This repository is an OpenClaw skill wrapper, not the official upstream repository
如果上游更新，不建议直接自动同步到生产使用版本。推荐做法是：跟踪 upstream → 人工评审 diff → 验证效果 → 再发布本仓库新版本。
详细策略见 UPSTREAM.md。
talk-normal 是一套写进系统提示（system prompt）的输出风格约束规则，不依赖任何工具或 API，只靠文本规则影响模型的生成行为。
核心机制：
- 禁止否定对比句式（最硬约束）：不允许「不是 X，而是 Y」或「X，而不是 Y」这类句型。直接说正向结论，不通过否定对比来强调。
- 结论前置：先给答案，再给背景，不铺垫。
- 杀掉 filler：禁止所有没有信息量的开场白、过渡语、收尾废话。
- 禁止条件菜单：不允许「如果你想要 X，我可以……」这类把行动权推回给用户的句式。
- 禁止总结 stamp：不允许用「一句话总结」「综上所述」这类标签来宣布自己要总结了。
这些规则的底层逻辑：LLM 的默认训练目标倾向于「看起来完整、全面、礼貌」，但在实际使用中这些特征往往表现为啰嗦、绕圈子、不直接。talk-normal 通过精确的负向约束，把模型拉回「直接、有用、不废话」的输出风格。
把 SKILL.md 放到你的 OpenClaw 全局 skills 目录：
mkdir -p ~/.openclaw/skills/talk-normal
cp SKILL.md ~/.openclaw/skills/talk-normal/SKILL.mdgit clone https://github.com/iamkentzhu/talk-normal ~/.openclaw/skills/talk-normalskill 文件头部已设置 alwaysActive: true，安装后所有 agent 启动时自动注入，无需额外配置。
如果只想在某个 agent 里生效，在对应 agent 的 AGENTS.md 里加一行引用：
# talk-normal: ~/.openclaw/skills/talk-normal/SKILL.md或者在 OpenClaw 配置里为该 agent 显式声明 skill 路径。
安装或修改后，重启 OpenClaw 或发送 /restart 让配置生效。
当前版本基于 hexiecs/talk-normal 原版，并吸收少量 JuliusBrussee/caveman 的表达压缩思路。
规则主干来自 @hexiecs 的开源项目 talk-normal，感谢原作者的精心设计和开源分享。
表达压缩方向参考了 @JuliusBrussee 的项目 caveman。
本项目仅将上述思路整理并封装为 OpenClaw skill 格式，方便直接集成使用。