女娲.skill：蒸馏任何人的思维方式——"造 Skill 的 Skill"
> 日期: 2026-04-05
> 作者: 花叔/花生 (alchaincyf)，AI Native Coder，独立开发者，小猫补光灯作者（App Store 付费榜 #1），20 万+粉丝
> 类型: Claude Code Skill / 开源 (MIT)
> 背景: colleague-skill（蒸馏同事）爆火后的升级版——从蒸馏同事到蒸馏芒格、费曼、马斯克
🎯 一句话版本
输入一个名人的名字，AI 自动研究他的著作、访谈、社交媒体，提取出他的"认知操作系统"（心智模型 + 决策规则 + 说话风格），生成一个可运行的 Skill 文件——以后你问任何问题，AI 都能用这个人的思维方式帮你分析。不是角色扮演，是认知框架提取。
它蒸馏了什么？
关键区分：colleague-skill 蒸馏人"做什么"，女娲蒸馏人"怎么想"。
六层提取
| 层次 | 说明 | 举例 (Naval) |
|---|---|---|
| 怎么说话 | 表达 DNA——语气、节奏、用词 | 短句、类比、"skin in the game" |
| 怎么想 | 心智模型、认知框架 | "欲望即合同"、"特定知识" |
| 怎么判断 | 决策启发式 | "如果需要提醒自己才能做，就别做" |
| 什么不做 | 反模式、底线 | 不给具体投资建议 |
| 知道局限 | 诚实边界 | 不能蒸馏直觉，只是公开信息的快照 |
诚实边界（最聪明的设计）
每个生成的 Skill 都明确标注自己做不到什么：
- 蒸馏不了直觉——框架能提取，灵感不能
- 捕捉不了突变——截止到调研时间的快照
- 公开表达 ≠ 真实想法——只能基于公开信息
"一个不告诉你局限在哪的 Skill，不值得信任。"
工作原理
Phase 1: 六路并行采集
输入: "蒸馏一个 Naval"
↓
6 个 Subagent 同时启动:
Agent 1: 著作/文章 → 01-writings.md
Agent 2: 播客/访谈 → 02-conversations.md
Agent 3: 社交媒体/短文 → 03-expression-dna.md
Agent 4: 外部评价/批评 → 04-external-views.md
Agent 5: 决策记录/行动 → 05-decisions.md
Agent 6: 人生时间线 → 06-timeline.md
硬性要求：每个 Agent 必须把研究结果保存到对应 .md 文件。"没有文件的研究等于没发生过。"
Phase 1.5: 研究质量检查点
┌──────────────┬──────────┬──────────────────────────┐
│ Agent │ Sources │ Key Findings │
├──────────────┼──────────┼──────────────────────────┤
│ 1 Writings │ 8 │ Core thesis: ... │
│ 2 Podcasts │ 5 │ Position change: ... │
│ 3 Social │ 120 │ High-freq: "skin in..." │
│ 4 External │ 6 │ Main criticism: ... │
│ 5 Decisions │ 4 │ Key decision: ... │
│ 6 Timeline │ Complete │ Latest: March 2026... │
├──────────────┼──────────┼──────────────────────────┤
│ Contradictions│ 2 │ Agent1 says X, Agent4 Y │
│ Info gaps │ None │ │
└──────────────┴──────────┴──────────────────────────┘
用户确认质量后才进入下一步。
Phase 2: 三重验证提炼
一个观点要被收录为心智模型，必须同时满足：
1. ✅ 跨域复现：在 2+ 个领域出现过（不是随口一说）
2. ✅ 有预测力：能推断对新问题的立场
3. ✅ 有排他性：不是所有聪明人都会这么想
三个都过才收录。
Phase 3: 构建 Skill
[person]-perspective/
├── SKILL.md ← 最终产物
│ ├── 3-7 心智模型
│ ├── 5-10 决策启发式
│ ├── 表达 DNA
│ ├── 价值观与反模式
│ └── 诚实边界
└── references/
└── research/ ← 完整调研过程
Phase 4: 质量验证
- 拿 3 个此人公开回答过的问题测试 → 方向一致才通过
- 拿 1 个他没讨论过的问题测试 → Skill 应该表现出"适度不确定"而非斩钉截铁
效果示例
用户: 我同时想做自媒体、写书、做独立开发，精力不够
Naval: 你列了三个欲望。每个欲望都是你跟不快乐签的一份合同。
不是精力不够，是合同太多。
问你自己：哪一个做起来你会忘记时间？
那个就是你的特定知识所在。
不是三选一。是先一，再一，再一。
串行复利，不是并行内耗。
用户: 我们的 SaaS 产品获客成本太高了
马斯克: 先别想怎么降。先算物理极限。
获客的最小必要动作是什么？
现在你的实际路径是理论路径的几倍？
如果超过 3 倍，中间一定有可以砍掉的步骤。
不是优化漏斗，是质疑漏斗本身该不该存在。
这不是角色扮演。Naval 用的是"欲望即合同"心智模型，马斯克用的是"渐近极限法"。
生态背景："蒸馏人"成了一个 meme
| 项目 | Stars | 蒸馏什么 |
|---|---|---|
| [colleague-skill](https://github.com/titanwings/colleague-skill) | 5000+ | 蒸馏离职同事做什么（工作习惯、SOP） |
| **nuwa-skill** | 新发布 | 蒸馏名人怎么想（认知框架） |
| [ex-skill](https://github.com/therealXiaomanChu/ex-skill) | — | 蒸馏前任说话方式 |
| [awesome-ai-personas](https://github.com/mailbus/awesome-ai-personas) | — | 收录 11+ 人格 Skills（老板/导师/暗恋对象…） |
| anti-distill | — | 防蒸馏工具（反向） |
一周内从 colleague-skill 爆发出整个"AI 人格蒸馏"生态。
与我们的关联
1. 和 elon-skill / gstack 的对比
我们之前研究过：
- elon-skill：手工编写的 Elon Musk 工程哲学 Skill
- gstack：YC CEO Garry Tan 的 Claude Code 工作流
- Sahil Lavingia Skill：极简创业 Skill
这些都是人工蒸馏的。女娲的价值是把这个过程自动化——输入名字，自动产出。
2. 和 AutoAgent 的关联
有意思的对照：
- AutoAgent：自动优化 agent 的 harness（prompt + 工具 + 编排）
- 女娲：自动优化 agent 的 persona（心智模型 + 决策规则 + 表达风格）
一个改"怎么干活"，一个改"怎么思考"。
3. 实际应用
我们可以用女娲来：
- 蒸馏一个 "Jay 视角" Skill（基于你的公开讨论和决策记录）
- 给 deep-research agent 加一个 "Karpathy 视角" 的分析维度
- 或者更实用的：蒸馏某个领域专家来做特定领域的 deep research
4. 方法论可借鉴
女娲的"三重验证"对我们的报告质量控制有启发：
- 跨域复现（不是随口一说）
- 有预测力（不是事后诸葛亮）
- 有排他性（不是 common sense）
局限性
1. 依赖公开信息质量：信息少的人蒸馏效果差（信源 <10 个就要降低期望）
2. 中文信源有黑名单：排除知乎、微信公众号、百度——但这也意味着很多中文人物的材料会不足
3. 算力消耗大：6 个并行 subagent + 大量搜索 + 验证
4. 快照问题：捕获的是截至调研时间的认知状态，不会自动更新
5. 从"说"到"做"的鸿沟：公开表达 ≠ 真实想法，决策记录比访谈更可靠但更难获取
评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 创意 | 9/10 | "造 Skill 的 Skill"，从蒸馏同事升级到蒸馏大师 |
| 方法论 | 9/10 | 六层提取 + 三重验证 + 诚实边界，系统且严谨 |
| 实用性 | 7.5/10 | 需要 Claude Code + 大量搜索，成本不低 |
| 工程质量 | 8/10 | SKILL.md 写得极好，流程清晰，有检查点 |
| 作者信誉 | 8/10 | 有成功产品（App Store #1）、20 万粉丝、多个开源项目 |
| 与我们的相关性 | 7/10 | 方法论可借鉴，elon-skill 等的自动化替代方案 |
| **综合** | **8.0/10** |
关键链接
- GitHub：https://github.com/alchaincyf/nuwa-skill
- 作者 X：https://x.com/AlchainHust
- 作者 B 站：https://space.bilibili.com/14097567
- 作者 YouTube：https://www.youtube.com/@Alchain
- colleague-skill（灵感来源）：https://github.com/titanwings/colleague-skill
- ex-skill（前任蒸馏）：https://github.com/therealXiaomanChu/ex-skill
- awesome-ai-personas（Skill 合集）：https://github.com/mailbus/awesome-ai-personas
- 花叔 Skills 合集：https://github.com/alchaincyf/huashu-skills
- 小猫补光灯：https://apps.apple.com/app/id6738028637
> 一句话总结：女娲是"造 Skill 的 Skill"——输入名字，6 个 Agent 并行研究，三重验证提炼心智模型，生成带诚实边界的可运行 Skill。从 colleague-skill（蒸馏同事做什么）升级到蒸馏大师怎么想。方法论极其扎实（六层提取 + 三重验证 + 质量检查点），作者有成功产品和大量粉丝背书。对我们的启发：蒸馏过程可以自动化，三重验证标准可以借鉴到报告质量控制。