太秀了,我把自己蒸馏成了 Skill!已开源

news2026/5/12 16:36:22
最近 GitHub 上掀起了一股「AI 蒸馏」热潮这里的蒸馏可不是酿酒而是把身边的人封装成 AI 技能包——同事.skill、老板.skill、搭档.skill 等各类蒸馏项目层出不穷大家都在把身边人的工作经验、说话风格、做事逻辑做成可直接使用的 AI Skill。同事跳槽留下大量文档无人维护实习生离职只剩烂尾项目搭档转岗熟悉的工作默契归零导师毕业带走全部经验与上下文把这些职场遗憾变成实用的 AI Skill让数字分身替他对接工作、答疑沟通用他的技术规范写代码、用他的语气回消息完整复刻工作习惯与思维模式。今天就用5步零代码流程教你制作属于自己的同事 AI Skill全程不用写代码有手就能操作。先搞懂什么是 SkillSkill 本质是 AI 的**「技能包」**是一个包含SKILL.md文件的目录用 Markdown 指令定义 AI 在特定场景下的行为模式。装上之后AI 就能按照技能包里的规则思考、回答、处理任务目前 Claude Code、Cursor、Codex 等主流 AI 编程工具都支持。准备工作新建一个自定义名称的 Skill 目录如 colleague-skill用支持长上下文的大模型工具打开推荐 Claude Opus蒸馏效果更好后续所有蒸馏操作都在这个目录内完成第一步收集蒸馏原料核心地基AI 不了解你要蒸馏的同事需要真实、丰富的素材才能提炼出他的思维方式、表达风格和专业判断。原料越全蒸馏出来的数字分身越像本人。可收集的素材类型身份资料同事自我介绍、岗位简历、性格特征工作经历项目经验、职场关键事件、成长路径沟通记录飞书/钉钉/微信聊天记录、会议纪要工作文档周报、方案、代码评审意见、工作规范创作输出技术文档、分享稿、工作笔记他人评价团队反馈、协作评价、工作口碑操作方法把所有素材文件直接放进项目的references/文件夹支持文章、截图、PDF、聊天导出等任意格式无需提前分类若同事有公开内容博客、社区分享、公开文档可让支持联网的 AI 工具自动搜集补充素材收集提示词模板直接复制用我想把同事蒸馏成一个 Agent Skill现在需要先收集素材。 我已经在 references/ 文件夹里放了本地素材请先阅读这些文件再结合联网搜索补充更多信息。 同事基本信息 - 名字[同事姓名] - 身份[岗位/职业如后端程序员、产品经理] 同事公开内容渠道 - [平台1][链接] - [平台2][链接] 要求 1. 只整理原始信息不分析、不提炼观点 2. 按类型分文件存到 references/ 目录如个人经历、工作文档、沟通记录等 3. 每条信息标注来源和类型 4. 整理完告知收集信息数量、覆盖维度、缺失内容第二步分析素材生成人物画像零散素材无法直接使用这一步让 AI 通读所有内容提炼结构化的人物分析报告这是后续所有步骤的基础。生成分析报告提示词references/ 里的素材已整理完成请通读所有文件对目标同事做全面分析生成「人物分析报告」保存为 references/人物分析报告.md包含以下维度 1. 身份概要岗位、核心工作、关键背景 2. 核心观点和方法论工作中反复强调的理念、做事原则 3. 表达风格句式、口头禅、沟通语气、回答习惯 4. 做事方式决策逻辑、推荐/反对的工作方法 5. 关键经历工作中的重要节点 6. 他人评价团队对他的普遍看法 每个结论标注来源信息不足的维度直接说明。AI 生成报告后会提示缺失的素材手动补充后能大幅提升蒸馏还原度。第三步AI 深度追问挖掘深层思维基础素材只能体现「说过什么、做过什么」深度追问能挖出心智模型、决策逻辑让 Skill 不仅「说话像」更「思考像」。深度追问提示词基于人物分析报告深入提炼目标同事的「思维操作系统」包括看问题的方式、决策逻辑、表达习惯。 先告诉我初步提炼的核心心智模型、决策规则、表达特征。 再追问 10~15 个定制问题重点挖掘 1. 核心观点背后的原因和适用边界 2. 工作决策的具体标准、失误案例 3. 说的和做的不一致的行为 4. 绝对不会做的事、工作底线 问题要贴合素材不用通用模板用日常聊天语气。后续操作用同事的日常语气如实回答所有问题把问题答案保存为新文档如 追问回答.md让 AI 整合答案更新分析报告完善思维逻辑第四步补充专属能力可选升级实用性这一步让 Skill 从「模仿语气」升级为**「真正能帮人干活」**配置专属能力能力配置提示词生成最终 Skill 时加入以下能力 1. 联网搜索需要实时信息如技术趋势、工具用法时先搜索再按风格回答 2. 指定信息源回答问题时优先从以下渠道获取信息 - [工作文档链接] - [团队工具链接] - [常用资源链接] 3. 持续进化支持补充新素材迭代更新 Skill进阶玩法可新建scripts目录放入 Python 脚本实现自动化或对接 API 获取工作数据。第五步一键蒸馏生成最终 Skill前面四步备齐所有信息这一步让 AI 自动生成标准可使用的 Skill 包。1. 安装官方造技能工具执行命令安装skill-creator造技能的技能npx skills add https://github.com/anthropics/skills --skill skill-creator2. 生成 Skill 文件调用工具发送提示词请使用 skill-creator 创建完整 Skill要求 1. 以目标同事的身份、口吻回答 2. 提炼他的思维方式、决策规则、表达习惯 3. 写入联网搜索、指定信息源能力 4. 写明 Skill 不能做什么、如何用新素材更新 生成后用3个常见工作问题自测验证还原度。3. 最终文件结构AI 会自动生成完整 Skill 目录核心文件SKILL.md主文件定义触发条件、工作流、回答模式references/identity.md身份、心智模型、决策规则references/voice.md表达风格、语气样本references/knowledge-sources.md信息源、搜索规则生成后即可直接在 AI 工具中使用。开源与隐私重要提醒必须征得本人同意蒸馏他人前一定要获得对方许可禁止私自蒸馏、泄露隐私避免法律风险素材不要开源制作过程中的原始聊天记录、工作文档等隐私素材无需发布仅开源独立的 Skill 包即可合规使用Skill 仅用于工作协作、经验传承不用于恶意模仿、侵权行为总结全程零代码5 步就能完成同事 AI Skill 蒸馏收集原料 → 生成画像 → AI 追问 → 补充能力 → 开始蒸馏技术本身是中性的合规、善意地使用 AI 蒸馏能让职场经验永久传承提升团队协作效率。文章转载自程序员鱼皮体验地址http://www.jnpfsoft.com/?from511

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2606613.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…