人物蒸馏 Skills：把经验整理成 AI 可以复用的工作方法

最后更新：2026-11-03

同事离职，几年积累的业务背景也跟着带走；你反复告诉编程 Agent 什么才算“完成”；你读了某位作者的作品，想把其中一个方法用到新问题上。这些场景都指向同一个问题：能不能把已有材料整理好，让 Agent 以后继续使用？

人物蒸馏 Skill 提供了一种做法：从消息、文档、访谈或会话记录中整理一个人的工作方法、判断依据或表达习惯，再生成 Agent 能读取的指令。产物是对已有材料的解释，不能等同于真人。本文按五个项目的公开说明比较；我们没有进行统一的对照测试，也没有测量它们对真人的还原度。

它们的名字相似，但输入和审阅重点不同。先确定手头是什么材料、准备解决什么问题，再选择工具。

这里的“蒸馏”是什么意思？

这些项目主要把信息整理成 Agent 可读取的文件和指令，并不一定训练小模型或改变模型参数。例如，一份画像可能记录：某人在接受故障修复前，经常要求先复现问题；再附上支持这个判断的记录，以及它适用的场景。以后 Agent 执行相关任务时，就可以读取这条指令。

有用的画像需要区分观察和推断。如果记录确实支持，“三次发布前都要求线上检查”是观察；“这个人从不信任任何人”则是宽泛得多的解释。生成内容说话流畅，也不代表它提炼出的规则准确。

Distilly：整理有记录可查的经验和判断

Distilly 原名同事.skill。它根据用户提供的材料创建人物档案；当前仓库描述的对象已经不限于同事，也包括关系人物和公众人物等，并将档案打包为 Agent Skill。对于获得授权的工作交接，可以先用它整理某个人处理重复问题的方法。

给 Agent 一个具体任务，例如“整理工程师如何排查线上故障”，并提供获准使用的故障复盘和决策记录。要求列出证据、时间、缺失信息和不同说法。少量消息不足以证明一个人在所有场景下都会这样做；系统变化后，旧判断也可能不再适用。

女娲.skill：调研并提炼人物的思维方式

女娲.skill 根据指定的人物或主题生成人物视角 Skill。项目指引描述了调研资料、提炼心智模型与决策启发式、组装可运行 Skill 的流程。如果只有问题、还不知道该参考谁，它也可以先推荐值得调研的视角。用户可以提供自己的原始材料，仓库也附有现成示例。

开始前应确定调研范围和预算：指引提供快速、标准和深度档位，实际成本取决于模型和工作量。使用前检查来源与生成的判断；人物视角是对已有材料的解释，不代表本人背书，也不是本人真实发言。我们检查了公开指引，尚未完成完整蒸馏。

永生.skill：分维度整理，并保留矛盾

永生.skill 将档案拆成做事知识、互动方式、记忆经历以及人格或价值观。根流程描述了角色模板、资料采集、证据分级、冲突处理和 Skill 目录生成；具体平台能否接入，取决于相应工具和凭证。

同一仓库还提供蒸馏协议，用于生成资料使用条款和清单；以及防蒸馏，用于生成金丝雀标记等可选移交保护措施。条款模板不能替代法律意见，标记也无法保证资料不会被再次使用。第一次尝试，建议选择一小批获授权的材料，不必先采集所有聊天记录。

Emulo：从自己的 Agent 会话中找习惯

Emulo 解决的问题更窄：你反复要求编程 Agent 做什么？它从受支持的本地会话中提取用户自己写的消息，并可生成带日期证据的工作画像。Session Coach 可以先在本地生成无需模型调用的重复消息报告，帮助判断是否值得继续建画像。

项目的蒸馏流程会先展示预检计划，模型调用前需要确认。提取和存储可以在本地进行；如果选择云端模型，选中的证据仍会发送给相应服务商。画像也可能包含原话，写入共享项目文件之前要检查目标位置。

Emulo 的公开测试说明区分了“画像改变输出”和“工作质量提高”。作者报告的与虚构画像对照结果并不一致，也没有声称测试已经证明工作变好。不同宿主如何加载画像也不同，安装后应按当前说明确认 Agent 是否真的读取。

Anyone to Skill：从不同材料创建人物视角

Anyone to Skill 描述了两种模式：使用预设人物对话，以及根据材料创建新人物。Skill 指引描述了材料接入、特征提取、综合、Skill 组装和 QA 报告。音频转录及其他格式需要各自的依赖，Python 流水线还需要模型配置。

预设人物只是简短指令，生成的回答不能当作公众人物真实发表的观点，也不能作为投资、职业或医疗建议。创建新画像时，分享前应检查处理后的语料、生成判断和文件。我们检查了任务入口；本地运行命令行帮助时缺少 openai Python 依赖，尚未完成完整蒸馏。

先做一个小实验

选择一个具体任务和少量有权使用的记录，例如：

为我创建一份“如何审查产品需求”的画像初稿。
只使用我提供的三份文档。每条规则列出来源，并区分直接证据和推断。
保留互相矛盾的记录与资料缺口；不要编造引文、私人观点或承诺。
最后列出需要我本人检查的部分。

然后拿一份此前没有提供的新案例，让画像说明适用哪条规则、为什么，并对照原始材料；条件允许时，也请本人判断。一个案例答对只能说明通过了这一项检查，不能直接推算整体还原度。没有依据或概括过头的规则，应修改或删除。

使用他人的消息前，先确认授权范围和接收对象；移除与任务无关的个人信息，检查材料在哪里处理，并在分享前检查生成的每个文件。自动脱敏和提示词保护都不能保证绝对保密。

常见问题

人物 Skill 等于训练了一个模型吗？

不一定。这里的项目主要生成供 Agent 读取的文件和指令，模型本身以及服务商如何处理数据是另外的问题。

Skill 能预测某个人会说什么吗？

它能根据指令和模型生成回答。这个回答是一种假设或模拟，不能当作本人真实的发言或决定。

应该先试哪一个？

想了解自己与编程 Agent 的重复沟通，可以先看 Emulo 的报告；整理同事已有工作经验，可以考虑 Distilly 或永生.skill；调研人物思维视角可以考虑女娲.skill；希望尝试多种材料，可以先检查 Anyone to Skill 的依赖。

本地采集就意味着全程隐私安全吗？

不能这样推断。需要分别检查模型服务商、脚本、生成文件和保存位置。本地采集之后仍可能调用云端模型，或把原话写入共享项目。

相关文章

• 研究类 Skills 选型：从问题、检索到论文与证据核查
• 写作类 Skills 选型：起草、润色与原意核对