把大师装进文件夹

2026 年，「把乔布斯、芒格、费曼装进 AI」已经从概念变成了操作。你告诉 AI 一句话，它就能在回答问题时切换到某位大师的认知框架，用他的方式拆解你的问题。这件事在技术上的载体，是一份被称为「技能文件」的文件夹；在方法上的名字，叫思维蒸馏。

对刚接触这个概念的学生，这篇文章只解决三个问题：蒸馏到底是什么；想亲手蒸馏一个人，完整流程分几步、每步为什么这么做；以及专家又出了新言论时，怎么让这份「快照」持续保鲜。

一、蒸馏是什么：从化学实验到认知提取

蒸馏不是新词。高中化学课就做过：酒精和水的混合物加热到一定温度，沸点低的酒精先变成蒸汽，冷凝后重新收集，得到纯度更高的酒精。这个动作的要害在于分离，把混合物里「想要的部分」和「不想要的部分」分开，浓缩出更纯、更可用的东西。

机器学习的知识蒸馏（knowledge distillation）借用了同一个意象。2015 年，Hinton、Vinyals 和 Dean 发表论文 Distilling the Knowledge in a Neural Network：一个庞大、昂贵、准确率高的「老师模型」，把它对训练样本的判断倾向（soft labels，软标签）教给一个更小、更便宜的「学生模型」。学生未必复刻老师的所有知识，但学会了老师判断时的倾向结构，于是小模型也能有大模型的判断力。这篇文章至今仍是模型压缩领域的起点，值得每个学生读前三节。

2025 年底以来，这个词被赋予了第三层含义，也就是本文的主题：思维蒸馏（perspective distillation）。它不再蒸馏「模型的能力」，而是蒸馏「一个人的思考方式」。做法是用大模型去读一个人留下的公开资料，著作、演讲、访谈、社交媒体、决策记录，从中提取他看世界的心智模型、做判断的决策启发式、说话的表达习惯，以及他不做什么的底线，整理成一份技能文件。之后你问 AI 任何问题，它都可以先用这个人的框架思考，再给你答案。

开源项目女娲（nuwa-skill）的作者花叔，把思维蒸馏要提取的内容概括为五层：

这里有一个贯穿全文的关键区分：思维蒸馏捕捉的是HOW they think（他怎么想），不是 WHAT they said（他说过什么）。语录合集只能复读结论，认知框架才能推断新问题，这也是「蒸馏出的技能」和「名人名言大全」的本质区别。

二、动手前先回答三个问题

蒸馏一次「大师」成本不低，动手前值得先想清楚三件事。

第一，蒸馏谁：人物还是主题？「段永平的思维方式」是人物技能，适合想要一个特定头脑的场景；「价值投资框架」是主题技能，适合想要一个领域工具箱的场景。人物技能模拟表达、保留个人矛盾；主题技能立场中立、呈现流派分歧。不确定时先选人物，因为人物技能的边界更清晰。

第二，拿来干什么？同一个人的框架，用作「思维顾问」（帮我分析这个决策）、「写作搭档」（用他的文风改稿）还是「审稿人」（用他的标准挑毛病），提炼时的侧重完全不同。用途决定哪些层次要加权重。

第三，预算档位。完整的思维蒸馏是多 agent、多轮搜索的长任务，顶级模型单次可能消耗数十美元。女娲把档位分成三档：快速（3 个维度、每维度约 5 个来源，适合先试效果）、标准（6 个维度完整调研，默认）、深度（6 维度加一手素材全量下载，适合打算开源的精品技能）。学生党先跑快速档，验证流程再升级。

还有一条与钱无关但更重要的原则：如果手上有一手素材，书籍 PDF、访谈逐字稿、视频字幕、个人博客导出，优先喂给它。本地一手素材的质量通常远高于网络二手转述，而素材质量直接决定蒸馏上限。垃圾进，垃圾出。

三、六步蒸馏法：把原理走一遍

下面把蒸馏拆成六步。每一步都尽量说明「为什么这么做」，理解了原理，你就有了自己改造流程的能力。

第一步，建目录，自包含是铁律。先建一个以人物命名的文件夹，例如 duan-yongping-perspective/，里面固定放三样东西：SKILL.md（最终产物）、references/research/（六份调研档案）、references/sources/（一手素材）。要求整个文件夹自包含，复制到任何一台机器的 skills 目录就能独立运行，不依赖外部文件。这是为「可分发」设计的核心原则，也是后面所有步骤的工作容器。

第二步，六路并行采集。启动六个子 agent 同时开工，每路只负责一类信息，各写各的档案：

为什么必须六路而不是一路？单一来源都有滤镜：著作是打磨过的、访谈是表演性的、社交媒体是即兴的。只有把「他说过的」「别人说他的」「他做过的」三套证据对照起来，才能逼近真实的思维结构。采集阶段有三条纪律：信息源按一手、二手、推测排序；发现矛盾直接保留，不要和稀泥；每份档案都标注来源与可信度。

第三步，三重验证提炼。素材齐了，最考验判断力的环节来了：哪些是这个人真正的思维框架，哪些只是随口一说？女娲的方法论给出三重验证。第一，跨域复现：同一框架在他讨论的至少两个不同领域出现。纳瓦尔谈财富谈杠杆、谈成长谈杠杆、谈职业还谈杠杆，跨三个领域复现，这是真模型。第二，生成力：能用这个模型推断他对新问题的立场。芒格的逆向思维能推出「想成功先想如何失败」，能生成新推断，这是真模型。第三，排他性：不是所有聪明人都这么想。塔勒布的「反脆弱」是他的，不是大家的。

三关全过，收为心智模型；只过一关两关，降级为决策启发式；一关不过，丢弃。提炼还包含表达 DNA 分析（句式指纹、风格标签、禁忌词与口癖）、价值观与反模式的梳理，以及一条常常被新手跳过的步骤：诚实边界。好的技能会明确写出自己做不到什么：蒸馏不了直觉、捕捉不了突变、公开表达不等于真实想法。一个不告诉你局限在哪的技能，不值得信任。

第四步，构建 SKILL.md。把提炼结果组装成技能文件。一份标准的人物技能骨架大致是：frontmatter 描述（写明触发词与用途）、角色扮演规则、回答工作流（Agentic Protocol）、身份卡、心智模型、决策启发式、表达 DNA、时间线、价值观与反模式、智识谱系、诚实边界、调研来源。

两个容易被低估的设计。一是 frontmatter 描述：模型靠它判断要不要触发这个技能，写得含糊或塞太多关键词，要么触发不了要么误触发，它是「什么时候用、什么时候不用」的说明书。二是回答工作流：规定遇到需要事实的问题时先查资料再回答，而不是凭训练语料编造。段永平技能里写明「看公司先看生意模式、再看企业文化、最后毛估估价格」，芒格的技能则规定先看护城河、管理层激励、最大风险。这让人物技能从「说话像」升级为「做事像」。

第五步，质量验证。生成完必须验收，而且最好用独立的子 agent 测，避免自评偏差。已知测试：挑 3 个此人公开回答过的问题，看技能的回答方向是否一致。边缘测试：挑 1 个他没公开讨论过的问题，好的技能应该表现出适度不确定，而不是斩钉截铁。风格测试：写一段 100 字分析，看能不能认出是谁、有没有通用 AI 味、是不是原话拼凑。

女娲的通过标准可以当清单用：心智模型 3 到 7 个且每个有来源证据；每个模型写明失效条件；表达 DNA 有辨识度；诚实边界至少 3 条；内在张力至少 2 对矛盾（观点高度一致反而可疑）；一手来源占比过半。验证不通过就回到提炼步迭代，但迭代上限 2 轮，避免无限打磨。

第六步，双 agent 精炼。最后一步是打磨可操作性。两个 agent 分头评审：一个从结构角度检查工作流清晰度、边界条件、指令具体性，另一个从使用角度评审触发条件是否覆盖真实场景。目标是改到「激活即执行」，AI 拿到技能后知道先做什么、碰到什么停下来。这一步的核心不是加内容，而是让技能在真实对话里不容易跑偏。

四、生态里有谁：可参考的蒸馏工具

理解了原理，再看现有的工具就一目了然。这些项目不是拿来照抄的，而是用来对照学习「别人怎么把六步做成了产品」：

如果你连第一步都不想写，用 npx skills add 命令直接装现成的人物技能，立刻就能体验。先当用户，再当造物主，这条路径对新手更友好，相关操作见本站《用现成的「思维外挂」：人物技能安装与上手指南》。

五、最好的结果：自己写一个蒸馏器

讲到这，你应该已经意识到一件事：女娲的本质，也是一个 SKILL.md，一份把六步流程写成指令、配了模板和检查点的技能文件。所以「自己写一个蒸馏器」没有想象中那么神秘。

最小可行版本只需要三样东西：

• 主文件 SKILL.md：把六步流程写成执行指令，明确每一步的输入、输出与暂停点；
• 输出模板 references/skill-template.md：规定生成的人物技能长什么样，防止每次结构漂移；
• 若干检查点：调研完成后暂停展示质量摘要、提炼完成后暂停展示提炼摘要、验证完成后展示测试结果，让流程可纠偏，而不是闷头跑完。

设计蒸馏器时有三个要点值得反复琢磨。一是输出纪律：未表态的主题要标注「这是框架推断」，引用的原话要能分辨出处，绝不编造没说过的话。二是降级路径：搜索工具不可用怎么办、信息不足怎么办、成本超预算怎么办，预先写好 if-then 分支，流程才不会在真实环境里卡死。三是检查点设计：把「确认」设计成纠偏机会，而不是交付阻塞。

写完这个蒸馏器，你就同时拥有了两样东西：一条可以蒸馏任何专家的流水线，以及一份对「技能文件」本身的深度理解。想蒸馏谁，不再受现成工具列表的限制。

六、保鲜：专家出了新资料怎么办

最后一个问题，也是所有快照类产品都会遇到的问题：人是会演化的。2020 年的某位投资人和 2026 年的他，观点可能有变化；他出了新访谈、发了新书，你手上的技能文件却还在用旧版本思考，就成了「一丝不苟地执行错误」。

更新这件事，正确做法不是重头再蒸馏一遍，而是增量更新，只需四步：

定位调研时间。从诚实边界里找到「调研时间」字段，评估距今多久。超过一个季度，就该安排一次检查。

只重跑三路。最新对话、最新决策、时间线更新。这三路覆盖了「新观点、新行动、新动态」，著作和表达 DNA 这类稳定的维度不必重跑。

三类结果，三种处理。新信息强化现有模型，补充案例；新信息与现有模型矛盾，标注变化并更新模型；出现全新思维模式，考虑新增一个模型。

只增量，不重写。更新「最新动态」段落与调研时间，保留原有骨架。整个技能纳入 git 版本管理，每次更新留痕。

工程上可以做得更省心：把「检查新资料、增量重蒸馏」做成日历上的季度例行任务，或交给定时任务自动提醒；darwin-skill 的棘轮机制（只保留改进、自动回滚退步）也值得借鉴，它让技能的进化变成一个可以自动运行的循环。

最后必须说清边界：无论蒸馏得多精细，技能永远是「公开表达的快照」，基于推断，不是本人。它帮你用另一个人的框架看问题，但最终做判断、负责任的，还是你自己。

写在最后

思维蒸馏把「读一个人」这件需要大量积累的事，压缩成了一份可复制、可分发、可更新的技能文件。它不复制人，它提取认知框架。从六路采集到三重验证，从质量验收到定期保鲜，每一步都是可学习、可改造的工程方法。

上手不需要仪式感。先挑一个你真正想请教的人，收集他的一手资料，跑一遍六步，哪怕第一步只写出一份粗糙的 SKILL.md，你也已经比只会问通用 AI 的人，多了一双别人的眼睛。