企业官网建设流程全解析

蒸馏，就是AI时代的“合法抢劫”：通过蒸馏把一本书变成你的专属 Skill

过去，我们读完一本好书，通常会经历三个阶段：

看见一句好话 → 疯狂划线 → 三个月后全部忘掉

认真一点的人会写摘要、做思维导图、摘录金句。可等到真正遇上问题——换工作、做规划、写方案、分析数据——我们还是不知道下一步该干什么。

因为知道一本书讲了什么，和能够使用这本书的方法，是两件完全不同的事。

AI 时代出现了一种更“狠”的读书方式：把一本方法类书籍拆开，留下真正能工作的部分，再把它封装成一个可以被 AI 反复调用的 Skill。

书还在书架上，但它的方法已经变成了你的工具。

这听起来像不像一种“合法抢劫”？

**先说清楚：本文标题中的“合法抢劫”只是一种传播比喻，不是真正的法律概念。**真正合法的前提，是资料来源合法、遵守授权、尊重作者署名，不复制受保护的大段表达，也不把做出来的 Skill 变成原书的替代品。越过版权边界，就不再“合法”，更不是一句“AI蒸馏”能够免责。

本文将结合 GitHub 项目 kaixin-aa/life-designer-skill，以 Bill Burnett、Dave Evans 的《Designing Your Life》（中文常译《斯坦福大学人生设计课》或《人生设计课》）为方法背景，拆解一本书如何从“阅读材料”变成“可执行 Skill”。

这篇文章最核心的一句话是：

摘要帮助我们记住一本书，而 Skill 帮助我们使用一本书。

📚 专栏介绍：《GitHub小白开源成长课》

这是一个专门写给计算机初学者、大学生和刚开始接触 AI 的读者的实战专栏。

在这里，我们不只推荐“看起来很厉害”的 GitHub 项目，而是一起读 README、看目录、查许可证、理解工作原理，再判断项目能不能真正为自己所用。

专栏会持续分享 GitHub 基础、优秀开源项目、AI Agent、Skill、Python 实践和 Windows 踩坑记录。每篇文章只解决一个明确问题，尽量做到概念听得懂、流程能照做、风险提前讲清。

如果你也想从“只会收藏项目”走向“能读懂、能使用、能改造项目”，欢迎订阅《GitHub小白开源成长课》。

资料说明：本文对案例仓库、Agent Skills 规范、Stanford Life Design Lab 公开资料及版权规则的核对时间为2026年7月29日。本文提供的是一般性学习和风险提示，不构成法律意见。

一、这里说的“蒸馏”，不是训练一个小模型

“知识蒸馏”在人工智能领域有一个严格的技术含义。

2015 年，Geoffrey Hinton、Oriol Vinyals 和 Jeff Dean 在论文《Distilling the Knowledge in a Neural Network》中系统讨论了：让较小、较容易部署的“学生模型”，学习大型模型或模型集成的行为。

简单理解就是：

大模型会做题 → 让小模型学习大模型的答题方式 → 用更小成本保留尽量多的能力

但本文不是在训练神经网络，也不会修改模型参数。

我们使用“蒸馏”这个词，是一种更通俗的知识工程比喻：

一本方法类书籍 → 提取可迁移的方法 → 改写成操作步骤 → 增加判断规则、模板和标准 → 封装成AI能够调用的Skill

因此，本文更准确的技术描述应该是：把书中的方法性知识，工程化为可复用的 Agent 工作流。

为了方便阅读，后文仍简称为“把书蒸馏成 Skill”。

二、AI Skill到底是什么？

很多小白第一次看到 Skill，会把它理解成“一个很长的提示词”。

这种理解只对了一小部分。

根据 Agent Skills 规范，一个 Skill 至少是一个包含SKILL.md的文件夹，还可以附带：

skill-name/ ├── SKILL.md # 什么时候触发、具体怎样做 ├── references/ # 需要时再读取的方法和参考资料 ├── scripts/ # 可以稳定执行的程序 └── assets/ # 模板、表格、示例等资源

你可以把 Skill 理解成一份写给 AI 员工的“岗位说明书+操作手册+工具箱”。

它至少应该回答五个问题：

1. 什么时候使用我？
2. 接到任务后先做什么？
3. 遇到不同情况怎样判断？
4. 最终要交付什么格式？
5. 怎样检查结果是否合格？

如果只是把整篇读书笔记塞进SKILL.md，那不是 Skill，只是换了文件后缀的摘要。

三、普通摘要、提示词和Skill有什么区别？

举个简单例子。

一本书告诉你：

不要只在脑中猜测未来，要通过小规模行动验证方向。

摘要会把这句话记录下来。

提示词可能写成：

请帮我设计一个验证职业方向的小实验。

Skill 则会继续追问：

• 用户究竟想验证哪个未知问题？
• 这是能够通过行动改变的问题，还是无法改变的现实条件？
• 实验能否在一周内完成？
• 成本是否足够低？
• 失败能否安全撤回？
• 完成后能获得什么新信息？
• 用户状态不佳时，是否应该暂停某些刺激性步骤？

所以 Skill 的价值不在于它“知道一句金句”，而在于它知道什么时候把哪条方法用在什么地方。

四、为什么方法类书籍特别适合做成Skill？

并不是所有书都适合被做成 Skill。

小说、诗歌和散文的价值，往往在语言、情绪和阅读体验本身。把它们压成操作步骤，反而会失去最重要的部分。

方法类书籍则不同。它们通常包含：

• 一个反复适用的问题框架；
• 一套从现状走向结果的步骤；
• 多种情况的判断方式；
• 练习、表格或输出结构；
• 常见误区与修正方法；
• 判断行动是否有效的标准。

这些内容天然接近“程序”。

比如：

判断一本书是否适合做 Skill，可以问一句：

读完之后，我希望 AI 帮我反复完成哪一类动作？

如果回答不出来，先别做 Skill；你可能只是想写一篇读书笔记。

五、案例：life-designer-skill到底做了什么？

我们来看一个案例：kaixin-aa/life-designer-skill。

该项目把“人生设计”整理成适用于 Codex 等 AI Agent 的项目级 Skill。它不是让 AI 用几道选择题替你决定职业，而是通过多轮对话帮助用户：

• 检查当前生活状态；
• 区分无法改变的现实与可以实验的问题；
• 梳理工作观和人生观；
• 发现心流、恢复能量和消耗能量的活动；
• 生成三个地位平等的未来版本；
• 为方向设计低成本、可逆的原型行动。

仓库结构很小：

life-designer-skill/ ├── README.md ├── AGENTS.md ├── life-context.example.md └── .agents/skills/life-designer/ ├── SKILL.md ├── agents/openai.yaml └── references/method.md

文件不多，却分别解决了不同问题：

这正是“摘要”与“Skill”的区别：

摘要关注内容有没有漏 Skill关注任务能不能稳定做完

一个必须说明的来源细节

案例仓库的 README 明确说明，它的直接整理依据还包括“数字生命卡兹克”的文章和用户提供的 Prompt，方法背景才追溯到《Designing Your Life》、心流理论和积极心理学。

所以，更准确的说法不是“仓库作者把整本书直接复制成了 Skill”，而是：

项目在已有公开文章和 Prompt 的基础上，继续把人生设计方法工程化为项目规则、对话协议、参考方法和背景模板。

它也明确声明自己不是作者、斯坦福大学或相关机构的官方产品。

这个来源链非常值得学习：做 Skill 不仅要标注一本书，还要标注自己真正参考过的文章、Prompt、仓库和代码。

六、第一步：从书中提取“核心方法”，而不是金句

把书蒸馏成 Skill，第一步不是让 AI 总结每一章，而是寻找可迁移的方法骨架。

Stanford Life Design Lab 对 Designing Your Life 课程的公开说明强调：使用设计思维处理人生与职业问题，通过构思、原型和反馈逐步探索，而不是先找到唯一正确答案。课程还涉及工作观与世界观、能量和平衡、多个可能方向，以及面向未来3—5年的 Odyssey Plan。

结合案例仓库，可以把方法骨架整理成下面几组问题。

1. 我现在在哪里？

不要一开始就问“我的人生使命是什么”，先查看当前状态。

案例把现状拆成健康、工作、娱乐和爱四个仪表盘。Skill 的任务不是代替用户打分，而是引导用户用具体事实解释自己的感受。

2. 眼前的问题能不能设计？

案例区分三类情况：

• 重力问题：目前无法通过个人行动改变的事实；
• 可设计问题：可以通过行动或实验获得新结果；
• 混合问题：既有现实限制，也有能够行动的部分。

这个分类不是一句知识点，而是后续行动的路由器。

3. 什么事情让我投入，什么事情让我被掏空？

“我擅长”不等于“我适合长期做”。Skill 会要求用户回忆具体事件，识别活动、同伴、环境和完成后的能量变化。

4. 未来是否只有一个正确答案？

案例要求生成三个平等的五年版本，而不是“一个主方案+两个凑数备选”。这会迫使人从“必须一次选对”转向“我可以产生多个值得验证的可能”。

5. 下一步能不能先做原型？

人生方向不是靠坐在房间里想清楚的，而是通过访谈、体验和低成本行动收集信息。

提取完成后，我们得到的应该是一张方法地图，而不是十页金句摘抄。

七、第二步：把“道理”改写成操作步骤

书籍可以耐心铺垫，Skill 必须知道接下来做什么。

例如，“从现状出发设计人生”仍然太抽象。为了让 AI 执行，可以改写为：

1. 先询问用户希望完成完整流程，还是只解决一个局部困扰。 2. 如果是完整流程，说明需要多轮对话。 3. 每次只问一个主问题，等待回答后再继续。 4. 先收集当前状态，再分析问题类型。 5. 信息不足时继续追问，不自行补写经历。 6. 形成多个方向后，再设计低成本验证行动。 7. 素材充分后，按固定结构生成最终蓝图。

案例仓库有一个非常值得抄作业的设计：

一次只问一个主问题。

如果 AI 一上来抛出20个问题，用户很可能只回答其中3个，后续分析就建立在残缺信息上。

把“一次只问一个”写成协议后，AI 的行为会更像一个有节奏的引导者，而不是一张会说话的调查问卷。

这就是操作步骤的作用：它把作者的理念，转换成了 AI 的行为顺序。

八、第三步：补上书里最容易被忽略的“判断规则”

很多人做 Skill，只写正常流程，不写例外情况。

结果就是：用户只要稍微偏离标准场景，AI 就开始自由发挥。

判断规则可以写成：

如果A发生，就做B； 如果信息不足，就追问C； 如果出现风险，就暂停D； 如果用户只要局部帮助，就不要强行跑完整流程。

life-designer-skill中比较有价值的规则包括：

规则1：重力问题不能伪装成行动计划

如果现实事实无法改变，就不要继续输出“只要努力就能成功”的鸡汤。应该承认边界，再寻找仍可设计的部分。

规则2：素材不足时不能编故事

AI 很容易为了让报告完整，自动补齐用户没有说过的经历。Skill 明确要求：继续对话，不把推测写成事实。

规则3：三个未来方案必须地位平等

不能把第一个写得最现实、最详细，再把后两个写成幻想和陪衬。

规则4：局部问题不强制跑完整流程

用户只想分析一次职业选择，就不要逼他完成整套人生蓝图。

规则5：风险情境必须中断正常流程

案例对明显脆弱状态、反向推演和即时安全风险设置了边界：需要征得同意的步骤不能擅自进行；出现危机表达时，人生设计流程应停止并优先处理安全。

判断规则决定了 Skill 在“理想案例之外”是否仍然可靠。

九、第四步：加入模板和检查标准

步骤解决“怎么做”，模板解决“交付成什么样”，检查标准解决“什么叫做完”。

1. 输出模板

根据案例的思路，我们可以设计一个简化版人生方向报告：

# 我的人生设计草图 ## 1. 当前状态 - 健康： - 工作/学习： - 娱乐： - 关系与支持： ## 2. 真正要解决的问题 - 无法改变的边界： - 可以行动的部分： - 重新定义后的问题： ## 3. 能量线索 - 让我投入的活动： - 做完后恢复能量的活动： - 即使擅长也持续消耗我的活动： ## 4. 三个未来版本 - 版本A： - 版本B： - 版本C： ## 5. 本周原型 - 要验证的未知问题： - 最小行动： - 成本与时间： - 完成后记录什么：

这个模板是本文为讲解重新设计的简化示例，不是复制书中练习或项目原文。

2. 输入模板

案例还提供了life-context.example.md，让用户把相对稳定、愿意长期使用的信息按固定栏目保存。

这解决了两个问题：

• 下一次对话不用从零介绍自己；
• 临时情绪与长期事实可以分开管理。

3. 检查标准

一份输出至少应该通过以下检查：

• 是否区分了用户原话、AI解释和行动建议？
• 是否把无法改变的现实误写成努力目标？
• 是否凭空增加了用户没说过的经历？
• 三个方向是否真的不同且都值得探索？
• 下一步是否低成本、可逆并能获得新信息？
• 是否给用户保留了最终决定权？
• 是否泄露或自动保存了敏感信息？

没有检查标准，Skill 就只是在“努力输出”；有了标准，它才知道什么叫合格。

十、第五步：把方法封装成Skill，并用真实问题测试

一个最小 Skill 可以从SKILL.md开始。

下面是一个为了教学而重新编写的简化示意，不是案例仓库原文：

--- name: explore-life-options description: 帮助用户比较人生或职业方向，识别现实边界，生成多个方案并设计低成本验证。当用户谈长期迷茫、职业选择或未来规划时使用。 --- # 目标 帮助用户增加选项、获得真实反馈，不替用户作重大决定。 ## 流程 1. 先判断用户要完整探索还是解决局部问题。 2. 每轮只问一个主问题。 3. 区分无法改变的事实与可以实验的部分。 4. 从真实经历中寻找投入、恢复与消耗能量的线索。 5. 生成三个不同且都值得验证的方向。 6. 为每个方向设计一个低成本、可逆的原型。 ## 规则 - 信息不足时继续询问，不编造经历。 - 不替用户决定，不把建议写成命令。 - 遇到明显安全风险时停止正常流程。 ## 输出检查 - 方案是否真正不同？ - 行动是否在一周内可以开始？ - 行动能否回答一个明确的未知问题？

真实项目还可以把详细方法放进references/，把报告模板放进assets/，把能够稳定自动完成的动作放进scripts/。

为什么一定要测试？

Skill 不是写完就结束。至少要用四种案例测试：

1. 正常案例：用户有明确困扰并愿意完整探索；
2. 局部案例：用户只想分析一个小问题；
3. 信息不足案例：用户回答非常简短；
4. 边界案例：用户要求 AI 直接替自己作重大决定，或出现不适合继续流程的风险信号。

每次测试后记录：

• 是否正确触发；
• 是否按顺序执行；
• 有没有一次问太多问题；
• 有没有编造信息；
• 输出是否符合模板；
• 边界规则有没有真的生效。

当一个 Skill 经历了“使用—发现问题—修改规则—再次测试”，它才开始从提示词变成可靠工具。

十一、跑一遍真实案例：读研做科研，还是毕业去工作？

只讲文件结构还是有点抽象。下面用一个非常接近大学生真实处境的问题，看看摘要和 Skill 会给出什么不同结果。

说明：以下内容是根据案例仓库规则构造的原创演示，不是仓库中的现成对话，也不是书中原文。

假设一名应届本科生说：

我马上要读研，但担心自己不适合科研。 我以后应该继续读博走学术路线，还是毕业后直接找工作？

如果AI只有一本书的摘要

它可能回答：

人生没有唯一正确答案。你应该关注自己的价值观和能量， 设计多个未来方案，并通过实践找到真正适合的方向。

这段话没有错，甚至很有道理。

但用户看完仍然不知道明天做什么。

如果AI调用了人生设计Skill

它不会立刻替用户选择，而是按工作流逐步推进。

第1步：先看当前状态

Skill 不会一次抛出十几道题，而是先问一个主问题：

在健康、学习/工作、娱乐和关系支持四个方面， 你目前最不满意的是哪一项？最近发生了什么具体事情？

这一步收集的是现实，不是让模型猜性格。

第2步：重新定义问题

“现在就决定一辈子走学术还是就业”，可能包含一个错误前提：仿佛必须在没有足够数据时作出终身选择。

Skill 可以把问题重写为：

未来四周，我能通过哪些低成本实验， 获得学术路线和企业路线的真实信息？

问题一旦改变，用户就从“必须猜中未来”变成了“主动收集证据”。

第3步：寻找能量证据

Skill 会继续追问具体经历：

• 最近一次读论文、复现实验时，你在哪个环节最投入？
• 写代码、调参数、写报告和公开展示，哪些事情做完会“回血”？
• 哪些事情即使做得不错，也让你长期被掏空？
• 你喜欢独立钻研，还是更享受团队协作和快速交付？

注意，它寻找的是行为证据，不是给用户贴“科研型人格”或“工程型人格”的标签。

第4步：生成三个平等版本

结合这名学生的情况，可以先产生三个待验证版本：

1. 研究路线：读研期间深入一个方向，争取论文与博士机会；
2. 工程路线：研究生阶段积累真实项目，毕业进入 AI 或软件企业；
3. 技术创作路线：把编程、开源分享和 AI 漫剧结合，尝试个人产品或内容事业。

第三个版本不是用来凑数的幻想。三个版本都需要描述真实生活、代价和验证问题。

第5步：为方向设计小型原型

Skill 不要求用户立刻退学、签工作或决定读博，而是生成可逆实验：

第6步：按照标准检查

输出前还要检查：

• 这些行动是否低成本、可逆？
• 每个行动是否回答一个明确的未知问题？
• 是否把一次体验误写成终身结论？
• 是否由用户自己决定下一步？

这时我们才能真正看见摘要和 Skill 的差别：

摘要告诉用户“应该探索”，Skill 组织用户完成一轮可验证的探索。

十二、给AI小白的“两小时最小实践”

第一次不要挑战500页巨著，也不要追求一次做出万能 Skill。

选择一本你已经读过的方法类书籍，只做一个最小任务。

第0—20分钟：定义一个任务

不要写：

让AI掌握整本书。

改成：

当我面临两个职业方向时， 帮助我识别未知问题，并为每个方向设计一个一周内可执行的验证行动。

第20—45分钟：提取方法

只记录与你的任务相关的：

• 3—5个核心概念；
• 推荐执行顺序；
• 作者提醒的常见误区；
• 可以衡量结果的标准。

全部用自己的语言重写，并保留来源记录。

第45—75分钟：补判断规则

至少写出：

• 信息不足时问什么；
• 哪些情况应该跳过步骤；
• 哪些事情 AI 不能替用户决定；
• 哪些风险出现时必须暂停。

第75—100分钟：设计模板和合格线

固定输入问题、输出结构和最少检查项目。

第100—120分钟：用三个真实问题测试

不要只用你设计时脑中的“标准用户”。分别测试正常、模糊和边界案例，并根据失败修改 Skill。

完成后，你不一定拥有一个完美产品，但已经跨过了最重要的一步：从消费知识，走向编排知识。

十三、最后总结

过去，我们对一本好书最高的赞美是：“我把它读了三遍。”

AI 时代，我们可以再往前走一步：

第一遍，理解作者在说什么； 第二遍，提取能够迁移的方法； 第三遍，把方法变成步骤、规则、模板和检查标准； 最后，让AI在真实任务中反复使用并持续改进。

但真正有价值的“蒸馏”不是把书压缩得更短，也不是把电子书偷偷塞进模型。

所以，再记住本文的核心观点：

摘要帮助我们记住一本书，而 Skill 帮助我们使用一本书。

🌱 关注专栏，把收藏的知识真正用起来

本文是《GitHub小白开源成长课》的 Agent Skill 入门篇。下一篇可以继续实战：从零创建第一个SKILL.md，并用三个案例测试它会不会正确触发。

如果本文帮你分清了摘要、提示词和 Skill，也欢迎点赞、收藏并订阅专栏。后续我会继续拆解值得学习的 GitHub 项目，把“看起来很厉害”变成“我真的能用”。

AI时代真正稀缺的，不是再收藏100个知识点，而是把一个好方法变成能够反复产生结果的系统。

参考资料

• GitHub：kaixin-aa/life-designer-skill
• Agent Skills开放规范
• Stanford Life Design Lab：Designing Your Life课程
• Stanford Life Design Lab：公开资源
• Designing Your Life官方网站：原书介绍
• Hinton等：Distilling the Knowledge in a Neural Network
• 我把斯坦福最火的一门课，做成了Prompt来帮我设计人生。（数字生命卡兹克）

AI SkillAgent知识蒸馏GitHub人工智能提示词读书方法