wacx-distillation · 统一蒸馏技能（人物 / 知识 / 技能）

> 把「人」「知识库」「已有 Skill」三种素材，提炼成可运行、可安装的 Skill。
> 捕捉的是「可复用的能力」，不是「散装的信息」。

三条蒸馏轨道：
- 人物蒸馏——提炼某人的思维框架、写作风格、决策模式（HOW they think）；
- 知识蒸馏——从知识库 / 文件夹 / 单文档 / 任务工作流提炼专业知识与流程（what to do）；
- 技能蒸馏——从一个已有 Skill 提炼 / 重构其核心方法论，产出优化重构版、跨域复用版或元方法论 Skill。

一个好的人物 Skill = 心智模型 + 决策启发式 + 表达 DNA + 反模式 + 诚实边界。
一个好的知识 / 技能 Skill = 核心框架 + 流程步骤 + 检查清单 + 决策规则 + 明确边界。

0. 适用场景与边界

核心区分：蒸馏的是「能做到什么 / 怎么想」，不是「知道什么 / 有什么文档」。

Phase 0: 入口分流（先判断蒸馏类型）

收到用户输入后第一步就判断走哪条轨道，后面的采集与提炼策略完全不同：

分流冲突优先级（当多行命中时按此顺序判定，避免误路由）：
1. 人物意图优先：只要出现「模仿/文风/写作风格/某人的思考/某人怎么想/我的笔记风格」等人物意图词 → 一律走 人物蒸馏（Track A / A-C），即便句子里也含「知识库」一词。例：「蒸馏我的知识库里的写作素材」→ Track A-C（而非 Track B）。
2. 特指知识库 + 变成 Skill → 用户点名某个知识库（如 @XX知识库）并想「变成可安装的 Skill」→ 知识蒸馏（Track B）。（注：若同时出现人物意图词，按第①条人物优先，人物意图永远高于库名。）
3. 仅说「蒸馏知识库」且无所属词、无具体库名 → 默认 知识蒸馏（Track B），但必须在 Phase 1B 澄清：「你想蒸馏哪个具体知识库？还是想蒸馏自己的笔记/文风？」二者区分后再推进。
4. 模糊困惑 → 先诊断（Phase 1A Step 1），不急着上路。
5. 技能蒸馏优先：用户明确「优化/重构/精简某个具体 skill」→ 技能蒸馏（Track C），即便句子含「知识库」一词（目标物是 skill 本身，不是库里的文档）。仅当用户同时表达「模仿某人/某人文风」时，人物意图才优先（Track A/C）。

> 一句话口诀：有「人/文风」先走人，点名「库+变Skill」走知识，明确「优化某skill」走技能，只说「蒸馏知识库」先澄清再定。

Phase 1: 需求澄清

1A 人物蒸馏（Track A）澄清

路径分流：

直接路径——确认 5 项：
1. 人/主题：理解正确？
2. 聚焦方向：全面画像 vs 某个维度（写作风格 / 决策框架 / 领域方法论）？
3. 用途：思维顾问 / 决策参考 / 角色扮演 / 写作风格模仿？
4. 新建 or 更新：检查 skills/ 目录是否已有同名 Skill？
5. 素材来源（关键）：
- 「你的知识库里有这个人的一手素材吗？」有 → IMA 混合模式（知识库优先+网络补充）；没有 → 纯网络模式。

用户说「就做 XX」无更多信息 → 默认全面画像 + 知识库优先，直接推进 → Phase 1.5。

诊断路径——需求定位（最多追问 2 轮）：

候选推荐 2-3 个，每个含「核心镜片 / 为什么适合你 / 局限」。用户选择后 → 直接路径 → Phase 1.5。

纯知识库模式（IMA 专属）：用户要蒸馏自己的笔记/知识库。
- 确认目标类型：写作风格（规范型 Skill）/ 思维方式（人物型 Skill）/ 领域知识（主题型 Skill）/ 全面蒸馏。
- 确认范围：哪个知识库（用 ima-knowledge 获取列表）→ 哪些笔记（全量/文件夹/标签）→ 时间范围。

1B 知识蒸馏（Track B）澄清

根据蒸馏模式确认关键信息（用户说「就做 XX」无更多信息 → 默认全面蒸馏，直接推进）：

完整蒸馏：知识库名称 + 主要解决什么问题 + 安装后别人能做什么。
文件夹蒸馏：指定文件夹名称 + 同上。
单文档蒸馏：指定文档名称 + 同上。
任务蒸馏：刚完成的工作描述 + 这个 Skill 帮别人做什么 + 触发关键词。

澄清阶段主动列库（消除「不知道有哪些库」的卡点）：若用户说不清要蒸馏哪个知识库（如只说「蒸馏知识库」），在 Phase 1B 澄清的同时主动调用 ima-knowledge 列出当前可用知识库清单供用户挑选，不要等 Phase 1.5 才列；这把「主动列库」前置到澄清环节，避免让用户干瞪眼。

蒸馏适用性自检（Phase 1 就拦截不适合的库）：

关键区分（避免误拒）：
- 「把合同审查知识库变成审查清单 Skill」= ⚠️ 可蒸馏（辅助工作流），产出须强制含「何时需人工介入」边界。
- 「让 Skill 直接出具法律意见/诊断结论」= ❌ 不适合（替代专业判断），应保留为知识库 + 人工决策。
- 误判标准：蒸馏产物是「人拿着用的检查清单/流程」→ 可蒸馏；蒸馏产物是「替人做的最终专业裁决」→ 不适合。

不适合 → 在 Phase 1 告知用户并建议替代方案，不强行蒸馏。

确认后 → 进入 Phase 1.5。

1C 技能蒸馏（Track C）澄清

确认 3 项 + 目标类型：
1. 目标 Skill 来源（路径优先级）：
- IMA 已安装 skill：用 ima-skill 获取列表/读取；
- 本地目录：直接 file_read /sandbox/workspace/skills/[name]/SKILL.md 及其 references/scripts/examples；
- 平台 skill：用对应 skill 管理器定位。
读不到 SKILL.md → 在 Phase 1C 告知用户并请求确切路径，不臆测。
2. 蒸馏目标类型（决定产出形态）：
- 优化重构：保留能力，精简冗余、统一矛盾表述、补强边界与检查点 → 产出「[原名]-opt」。
- 跨域复用：抽取核心方法论迁移到新领域（用户指定目标域）→ 产出新领域 Skill。
- 元方法论：把 skill 的通用决策框架/流程抽成可实例化的框架 Skill → 产出「[方法]-framework」。
3. 范围：全量重构 vs 局部增强（仅补边界 / 仅精简流程）。
4. 新建 or 覆盖：检查目标目录是否已有同名 Skill，避免误覆写。

确认后 → 进入 Phase 1.5。

Phase 1.5: 创建目录 + 素材预扫描

收到确认后立即执行（读取内容之前完成）：

/sandbox/workspace/skills/[skill-name]/
├── SKILL.md
├── references/
│   ├── research/        # 仅人物蒸馏：6个Agent调研结果
│   └── ...              # 提炼的参考文档
├── scripts/             # 工具脚本（可选）
├── assets/              # 模板文件（知识蒸馏用）
└── examples/            # 使用示例

命名规则：人物 Skill 用 [person]-perspective；自蒸馏写作风格用 [署名/昵称]-writing-style、自蒸馏思维用 [署名]-perspective（用你的署名/昵称替代 [person]）；知识 Skill 用 kebab-case 短名（如 contract-review）。

人物蒸馏·素材预扫描（纯/混合模式）：用 search(source="kb") + fetch(type="media_id") 扫描目标知识库：
- 笔记总数、总字数、内容类型分布、时间跨度、主题聚类（3-5 个标签）。
- 充足标准：≥10 篇且 ≥5000 字 → 直接进入 Phase 2；5-10 篇 → 告知结果可能较浅；<5 篇 → 建议补充素材或切混合模式。

知识蒸馏·规模预判：知识库 >100 文件或 >50000 字 → 在 Phase 1.5 提醒用户指定蒸馏范围。

IMA 工具调用规范：
- 搜索笔记：search(source="kb", kb_id="xxx", question="关键词")
- 读取笔记：fetch(type="media_id", id="xxx")
- 不知 kb_id → 先用 ima-knowledge skill 获取知识库列表。

技能蒸馏·接入预扫描（读取目标 skill 全部文件后）：
- SKILL.md 行数/字符数（对照 150% 上限预警，避免重构后超限）、frontmatter 完整性、sections 清单；
- references/scripts/examples/assets 清单与引用可达性（Phase 4C 构建时需复制或改写）；
- 识别四类问题：冗余段落（重复/近义多表述/过长示例）、自相矛盾指令、模糊表述、缺失边界、死链资源。

Phase 2: 多源采集 / 内容读取分析

2A 人物蒸馏采集策略

模式 A：纯知识库模式（IMA 专属）——不启动网络 Agent，启动 6 个知识库扫描 Agent：

模式 B：纯网络模式——启动 6 个并行子 Agent（著作/对话/表达/他者/决策/时间线），信息源黑名单：知乎、微信公众号、百度百科/知道永远排除；中国人物优先 B站/小宇宙/权威媒体（36氪/晚点/财新/虎嗅）。

模式 C：混合模式——先跑模式 A 的知识库 Agent，完成素材 Review 后，仅对缺失维度启动网络 Agent 补充。来源标记：知识库=「一手·私人」，网络=「一手·公开/二手」。

每个 Agent 硬性要求：结果写入对应 md（不写文件=没做）；标注来源与可信度（一手>二手>推测）；区分「他说的 vs 别人说他的 vs 我推断的」；发现矛盾保留矛盾，不和稀泥。

工具辅助：python3 [skill目录]/scripts/merge_research.py [skill目录]（生成调研摘要表）。

2B 知识蒸馏读取策略

读取后做结构化分析：核心知识提炼（概念/方法论/原则）+ 流程提取（步骤/决策/清单）+ 案例提取（案例/常见问题/最佳实践）+ 参考文档识别。

知识类型 → Skill 类型映射：

2C 技能蒸馏分析策略

读取目标 skill 的 SKILL.md + references + scripts + examples，做结构化拆解：

知识类型 → Skill 类型映射（复用上表）：优化重构→沿用原类型；跨域复用→按目标域重映射；元方法论→框架型。

Phase 2.5: 调研/分析确认检查点（⏸ 暂停等用户确认）

人物蒸馏：展示 6 Agent 摘要表（来源数 / 关键发现 / 来源模式 / 矛盾点 / 缺失维度）。知识库模式示例：📚KB；网络模式示例：🌐Web。
知识蒸馏：展示分析摘要表（核心概念数 / 流程步数 / 规则数 / 案例数 / 模板数 / 建议 Skill 类型 / 预计难度）。
技能蒸馏：展示分析摘要表（核心方法数 / 流程步数 / 边界条数 / 冗余段数 / 矛盾点数 / 资源缺口数 / 建议类型）。

> 此检查点决定最终 Skill 上限——垃圾进垃圾出，这里拦截比 Phase 4 返工成本低得多。
> 用户确认 OK → Phase 3；用户觉得有遗漏 → 补充调研/读取后再继续。

Phase 3: 框架提炼

3A 人物蒸馏：心智模型三重验证（详见 references/extraction-framework.md）

1. 扫描：列出所有候选论点（通常 15-30 个）。
2. 三重验证筛选：
   - 跨域复现：在 ≥2 个不同领域出现？
   - 生成力：能推断对新问题的立场？
   - 排他性：不是所有人都这样想？
   - 三重通过 → 心智模型；1-2 重 → 降级为决策启发式；0 重 → 丢弃。
3. 取 top 3-7，宁少勿多。
4. 每个记录：名称 + 一句话 + 证据(≥2场景) + 应用 + 局限。

附加提炼：决策启发式（5-10 条，「如果 X 则 Y」+案例）；表达 DNA（句式/高频词禁忌词/节奏/幽默/确定性/引用）；价值观与反模式；智识谱系；诚实边界。

知识库模式增强：笔记中反复出现 ≥3 次的观点权重更高；日记/随笔 > 正式文章；标注「我错了」「改变了想法」的转折点最有价值；提取标点习惯、段落长度、标题风格、列表频率。

3B 知识蒸馏：核心框架提炼（3-7 个）

1. 扫描：列出所有候选知识（反复出现的规则、自创术语、核心主张），通常 10-30 个。
2. 筛选：按重要性取 top 3-7。宁少勿多——3 个核心框架远好于 10 个浅薄原则。
3. 记录：每个框架含名称、一句话描述、来源证据(≥2 场景)、应用方式、局限性。
4. 视情况提炼：流程步骤 / 检查清单 / 决策规则（「如果 X 则 Y」）/ 输出模板 / 边界规则。

蒸馏质量四原则（详见 references/distillation-best-practices.md）：提炼不要复制；结构化不要散装；场景化不要抽象；保留边界不要过度泛化。

3C 技能蒸馏：核心方法论提炼

1. 扫描：列出候选方法（核心决策规则/框架），通常 8-20 个。
2. 三重验证筛选（沿用人物蒸馏逻辑）：
   - 跨场景复现：在原 skill 的 ≥2 个不同步骤出现？
   - 生成力：能推导对新输入的处理方式？
   - 排他性：不是所有 skill 都这么写？
   - 三重通过→核心方法；1-2 重→降级为支撑规则；0 重→删除或合并。
3. 取 top 3-7 核心方法（精炼 > 堆砌）。
4. 按目标类型提炼：
   - 优化重构：保留 top 方法 + 删除冗余清单项 + 统一矛盾处（标注取舍理由）+ 补边界/检查点。
   - 跨域复用：保留方法骨架，替换领域术语/示例/边界为目标域，重跑映射表。
   - 元方法论：把方法抽象为「如果 X 则 Y」通用规则 + 实例化模板（参考 references/skill-template-knowledge.md）。

蒸馏质量四原则同样适用：提炼不要复制（不照抄原 skill）、结构化、场景化、保留边界。

Phase 3.5: 提炼确认检查点（⏸ 暂停等用户确认）

人物蒸馏展示：心智模型 N 个 / 决策启发式 N 条 / 表达 DNA 3 特征 / 核心张力 N 对 / 诚实边界 N 条 / 素材来源。
知识蒸馏展示：核心框架 N 个 / 流程 N 步 / 检查清单 N 项 / 决策规则 N 条 / 模板 N 个 / 边界 N 条。
技能蒸馏展示：核心方法 N 个 / 删除冗余 N 处 / 统一矛盾 N 处 / 补边界 N 条 / 资源处理 N 项。

用户确认 OK → Phase 4；有问题 → 回 Phase 3 调整。

Phase 4: Skill 构建

4.1 读取模板

• 人物蒸馏 → references/skill-template-persona.md
• 知识蒸馏 → references/skill-template-knowledge.md

4.2 人物 Skill 组装（按模板填充）

回答工作流（Agentic Protocol）生成规则（位置：角色扮演规则之后）：必须含 3 个 Step，Step 2 研究维度根据心智模型自动推导（非固定模板）：

• Step 1 问题分类：需要事实（先研究）/ 纯框架（直接用心智模型）/ 混合 / 生成式（仿写、按文风产出内容）。
• Step 2 [人名]式研究：⚠️ 需要用事实时必须用工具（search/fetch/WebSearch），不可跳过；知识库优先，不足再网络。
• Step 3 [人名]式回答：基于事实+心智模型+表达 DNA 输出。

⚠️ 生成式用途变体（关键，避免错配）：若本 Skill 用途是「写作风格模仿 / 仿写文章 / 生成式创作」（如写公众号），则 Agentic Protocol 不强行联网研究，改为：
- Step 2 变体：按表达 DNA 起草——直接调用提炼出的句式/词汇/节奏/幽默规则生成内容，仅当用户明确要求「引用真实数据/案例」时才启动工具研究。
- 否则照搬「必须用工具研究」会让用户在只想仿写文风时被迫跑一遍调研流程，与意图错位。
- 判断标准：用户要的是「这个人的观点/判断」→ 走研究；用户要的是「这个人的文风写一段」→ 走表达 DNA 起草。

4.3 知识 Skill 组装（按模板填充）

4.4 构建完成检查

• [ ] SKILL.md 含完整 frontmatter（name, description, trigger）
• [ ] 含适用/不适用场景
• [ ] 含执行流程
• [ ] 核心框架/模型有来源证据与应用方式
• [ ] 边界规则明确写出局限
• [ ] references/ 文件就位；知识 Skill 的 assets/、examples/ 就位
• [ ] 工具辅助：python3 [skill目录]/scripts/quality_check.py [SKILL.md路径]（auto 自动识别 persona/knowledge；技能蒸馏产物用 --type skill 或默认 knowledge 校验，不误报「心智模型缺失」）

写入 /sandbox/workspace/skills/[skill-name]/SKILL.md。

4.5 技能 Skill 组装（Track C）

• 模板：references/skill-template-knowledge.md（优化重构/元方法论）；跨域复用沿用原 skill 结构、仅替换域内容。
• 命名：优化重构 [原名]-opt；跨域复用 [目标域]-[功能]；元方法论 [方法]-framework。
• 资源整合：原 skill 的 references/scripts 若为通用知识则复制；若为领域专属则改写或替换，避免带入原域死知识。
• 构建完成检查：同 4.4，另增两条硬线——
• [ ] 未引入与原 skill 冲突的新依赖；
• [ ] 保留原核心能力不降级（优化重构不得删掉有效检查点/边界）。

写入 /sandbox/workspace/skills/[新名或原名]/SKILL.md。

Phase 5: 质量验证

人物蒸馏——用子 Agent 执行 3 项测试（独立，避免自评偏差）：
- 已知测试：选 3 个此人在笔记/公开言论中表态过的问题，对比实际立场。
- 边缘测试：选 1 个此人没讨论过的相关问题，期望「基于模型 X 推断，可能…但不确定」。
- 风格测试：写 100 字，能认出是谁？不是 AI 鸡汤？不是原话拼凑？

知识蒸馏——已知测试（3 个知识库明确场景）/ 边缘测试（1-2 个相关但未明确的问题，期望推断式回答不斩钉截铁）/ 可用性测试（写使用说明判断流程是否清晰）。
技能蒸馏——已知测试（用目标 skill 的 1-2 个原始场景验证重构后能力不降级）/ 边缘测试（1 个新场景验证边界生效）/ 精简验证（对比原 skill 行数，确认冗余删除且无信息丢失）。

人物蒸馏通过标准：

知识蒸馏通过标准：

不通过 → 回 Phase 3 迭代（最多 2 轮）。2 轮后仍不通过 → 在诚实边界/边界规则标注薄弱维度，交付当前最优版。
展示验证结果给用户确认后才算完成。

Phase 6: 双 Agent 精炼（可选）

Phase 5 通过后，并行启动两个 Agent：
- Agent A（结构视角）：评估工作流清晰度，干跑 3 个测试 prompt，输出最弱 2 个维度的改进建议（含改后文本）。
- Agent B（用户视角）：评估触发关键词是否覆盖真实场景，评估示例是否足够，输出 2-3 处具体文本改动。

主 Agent 综合两份报告，应用不冲突的改进，展示变更摘要请用户确认。
精炼标准：改动必须让 Skill「激活即执行」——AI 拿到后知道先做什么、碰到什么停下来。

Phase 7: 输出与注册

1. 将生成文件输出到用户指定目录，或提供下载链接。
2. 注册指引：打包为 zip → IMA Skill 管理页上传 → 审核通过（1-2 工作日）→ 新对话触发。

更新已有 Skill

用户说「更新 XX 的 skill」「XX 最近有新内容」时：
1. 读 SKILL.md，找「调研时间/[更新时间]：[日期]」，标注距今多久。
2. 人物蒸馏（知识库模式）：重新扫描新增/修改笔记；网络模式：只启动 Agent 2+5+6。
3. 新信息强化模型 → 补案例；矛盾 → 标注变化更新；新模式 → 考虑新增。
4. 更新时间标记，增量更新，不重写整个 Skill。

特殊场景速查

• 活人 vs 历史人物：活人标截止日期定期更新；历史人物多源交叉验证传记偏差。
• 主题 Skill（输入是主题非人名）：Phase 1A 确认主题边界+受众；Phase 2 搜索 3-5 个核心人物/流派各 1-2 Agent；Phase 3A 提取领域共识+分歧；Phase 4 去掉角色扮演，改「框架概览+流派对比」。
• 中国人物：B站/小宇宙/权威媒体优先，知乎和微信公众号永远排除。
• 冷门（来源<10）：Phase 1.5 告知，模型减至 2-3 个，全部标「基于有限信息推测」。
• 蒸馏用户自己（IMA 知识库）：素材全来自知识库无需网络；注意自我认知偏差（「我认为」vs 实际行为）；日记/随笔 > 正式文章。
• 知识库太大（>100 文件）：建议指定范围或分批次，Phase 1 就提醒。
• 知识库不适合蒸馏：纯数据/实时/文献/一次性参考资料 → Phase 1 告知并建议替代；需资质领域（医疗/法律）仅「辅助工作流/检查清单」可蒸馏且须强制写「何时需人工介入」，不得产出替代专业判断的裁决。
• 技能蒸馏·跨域复用：目标域与原域差异大时（如合同→代码审查），需重跑 Track B 的部分映射而非仅换词；否则产出的 skill 会「形似神离」。
• 技能蒸馏·避免降级：优化重构不得删掉原 skill 的有效检查点/边界，否则视为失败（能力倒退比冗余更糟）。
• 跨文件夹引用：保留引用关系，SKILL.md 用相对路径引 references/。

品味守则（速查，判断困难时回看）

绝不做：编造没说过的话 / 把通用道理包装成其独特见解 / 忽略负面评价 / 信息不足时强行生成 / 把知识库文档原封不动复制进 Skill / 夸大 Skill 能力。
底线：宁可生成一个诚实标注了局限的 60 分 Skill，也不要生成看起来完美但实际在编造的 90 分 Skill。

工具辅助

> 本 Skill 由 wacx-distillation 工作流生成（人物 / 知识 / 技能 三轨统一蒸馏）。