最近GitHub上有个东西悄悄火了——一个叫xxx.skill的新玩法。
最早出圈的是“同事.skill”：把离职同事的聊天记录、文档、工作习惯整理给AI，让AI尽可能像他一样思考、判断、回复。
把离职同事变成数字技能，这件事本身已经够离谱了。
更意外的是，现在有人开始“蒸馏”乔布斯、芒格、费曼、马斯克，甚至张一鸣、Karpathy、Ilya Sutskever——不是做一个像他那样说话的聊天机器人，而是试着把他们真正有价值的部分——怎么看问题、怎么做判断、怎么拆复杂系统——整理成一个可以被AI调用的能力模块。
这件事一旦成立，AI的角色就变了。它不再只是帮你查资料、写文案、跑流程，而是开始尝试用“某一种脑子”帮你做事。
这两种方式，看起来只差几个字，实际差的是整整一代思路。
所以，不妨借女娲.skill这个具体的项目，聊聊它真正有意思的部分。
它想做的，不是名人模仿秀，而是认知蒸馏。
先说说“蒸馏”是什么？
别被这个词吓到——这里的“蒸馏”，不是技术论文里的模型蒸馏，而是更像一套“整理人的认知方式”的方法，好比从一个人的言行中提取出他的思维核心。
第一步，是收集材料。如果蒸馏的是同事，材料可能是微信、飞书、钉钉、文档；如果蒸馏的是乔布斯、芒格、费曼，材料就是著作、演讲、播客、访谈、社交媒体、决策记录。
第二步，不是摘金句，而是提取模式——重点不是“他说过什么”，而是“他为什么总这么说”。比如：
- 乔布斯反复在做的是聚焦、删减、端到端控制
- 芒格反复在做的是逆向思考、多元思维模型、激励机制分析
- 费曼反复在做的是拆术语、逼你证明自己真的理解了
- 马斯克反复在做的是先算理论极限，再质疑中间每一步
真正被蒸馏出来的，不是金句，而是这些可迁移的认知习惯。
第三步，才是封装成Skill——把这些东西写成一张高密度的“认知说明书”：他怎么说话，怎么思考，怎么判断，通常拒绝什么，边界和局限在哪。
所以，“蒸馏”不是复制一个人，更像是把一个人的思维操作系统提取出来。
xxx.skill 突然爆火
过去的AI，强在“知道很多”——你问什么，它都能答一点。但问题也很明显：它常常是“通用正确”，不一定“具体有用”。它知道很多概念，但不像你最强的同事那样知道这件事真正卡在哪里；它能给很多建议，但不像顶级高手那样一眼看出你该先删什么、先不做什么。
现在的.skill，强在“带着方法做事”——它开始回答另一个问题：如果这件事交给某一种特定的脑子来做，会怎么做？这就把AI从“答案机器”推进成了“视角机器”。
你不再只是问“这件事怎么做”，你还可以问：乔布斯会怎么看这个产品？芒格会怎么拆这个决策？费曼会怎么解释这个概念？马斯克会怎么砍这个流程？张一鸣会怎么判断这个组织问题？
这一步一旦成立，AI的价值就变了——它不只是一个替你查资料的工具，而是你随时能调用的“数字顾问”。
女娲造人
如果说同事.skill证明了“蒸馏一个人”这件事是可行的，那女娲.skill做的，又把这件事往前推了一大步：它不再满足于蒸馏你身边的人，而是直接去蒸馏各个领域最强的大脑。
为什么这件事能成立？因为顶级人物天然比普通同事更适合被蒸馏：他们留下了大量公开资料，思维方式已经被真实世界反复验证，他们不仅会做事，更重要的是他们知道“为什么这样做”。
女娲.skill想做的事很明确：输入一个名字，自动完成调研、提炼、验证，然后生成一个可调用的视角Skill。这就比“名人语录bot”高了不止一个层级——顶级人物留下来的，不只是表达内容，更重要的是大量可以被反复验证的判断痕迹：
- 他什么时候改过主意
- 他在哪些问题上一以贯之
- 他付出过哪些高代价决策
- 他遭受过什么批评
- 他到底强在什么，不强在什么
如果这些东西能被整理出来，你调用的就不是“语气包”，而是一套结构化的思维入口。
安装操作流程
安装操作其实也很简单，只需要3步：
1. 先安装女娲.skill
npx skills add alchaincyf/nuwa-skill2. 在Claude Code里，直接说你想蒸馏谁
蒸馏一个保罗·格雷厄姆
造一个张小龙的视角Skill
帮我做一个段永平的Skill这一步会让女娲去调研、提炼、生成一个可调用的视角模块。
3. 造完之后，像调用顾问一样调用它
用芒格的视角帮我分析这个投资决策
费曼会怎么解释量子计算？
切换到Na val，我在纠结三件事也就是说，女娲的使用方式不是“陪你聊天”，而是给你多一个思考入口。
女娲.skill 的逻辑链路
这也是女娲.skill和普通prompt最大的区别。
第一步：六路并行采集资料。它会同时从六个方向找材料：著作、播客/访谈、社交媒体、批评者视角、重大决策记录、人生时间线。因为真正能描述一个人的，不只是他说了什么，还包括他什么时候变过、什么时候坚持过、什么时候付出过代价。
第二步：三重验证提炼。不是看到一句好话就收录成“心智模型”——一个观点要被收录，至少要满足三件事：
- 跨多个场景重复出现，不是随口一说
- 能推断他在新问题上的立场，不只是事后复述
- 有明显辨识度，不是任何聪明人都会说的套话
这一步非常关键——只有精品和高频，才有资格变成方法。
第三步：构建真正可调用的Skill。最后写进去的，通常不是一堆金句，而是几类更稳定的结构：
- 3-7个心智模型
- 5-10条决策启发式
- 表达DNA
- 价值观与反模式
- 诚实边界
你会发现，真正能用的部分，恰恰不是“像不像”，而是“有没有判断框架”。
第四步：做质量验证。仓库里还有一步很值得关注的动作——拿这个人物公开回答过的问题去测，看看方向是不是一致；再拿一个他没明确回答过的问题去测，看看它会不会表现出适度不确定。
质量验证这一点很重要。像，不难；稳定地像，才难。会说，不难；知道哪里该保留不确定，才难。
附上一份蒸馏 Skill 清单
这份清单，部分是使用女娲.skill创建的，部分是其他方式创建的。按用途整理分类，均带链接，建议直接收藏，按需使用。
自我蒸馏与数字分身
- 自己.skill (github.com/notdog1998/…) — 与其蒸馏别人，不如蒸馏自己。把聊天记录、日记、照片整理成自己的数字副本。
- 数字人生.skills (github.com/wildbyteai/…) — 从数字痕迹里做“前世、社死考古、AI替身、遗产清算、墓志铭”等自我分析。
- 女娲.skill (github.com/alchaincyf/…) — 蒸馏任何人的思维方式，重点是心智模型、决策启发式和表达DNA。
- 永生.skill (github.com/agenmod/imm…) — 更完整的“数字永生”框架，覆盖蒸馏、保护、防蒸馏、授权协议。
- Forge Skill (github.com/YIKUAIBANZI…) — 本地优先的人格蒸馏引擎，既能蒸馏自己也能蒸馏他人，还能做“替身会议”。
- 反蒸馏 Skill (github.com/leilei92652…) — 反方向工具，把被迫上交的Skill做“清洗版”，保留核心经验给自己。
职场与学术关系
- 同事.skill (github.com/titanwings/…) — 这波.skill热潮最早的代表作之一，把离职同事的工作经验和沟通风格沉淀下来。
- 老板.skill (github.com/vogtsw/boss…) — 蒸馏老板的判断逻辑、管理姿态和汇报偏好，适合做向上管理预演。
- 师兄.skill (github.com/zhanghaicha…) — 课题组场景，把“毕业的大师兄”蒸馏成还能继续开组会、继续救火的AI。
- 导师.skill (github.com/ybq22/super…) — 更偏学术场景，从导师公开资料、论文、访谈里做出可随时请教的数字导师。
- 大学老师.skill (github.com/CommitHu502…) — 与其说是蒸馏老师，不如说是把课程材料蒸馏成一个“会带你过期末”的老师式入口。
亲密关系与家庭记忆
- 暗恋对象.skill (github.com/xiaoheizi8/…) — 更偏情感回忆和自我投射的场景，不适合沉迷，适合当作观察自己关系模式的镜子。
- 恋爱训练营.skill (github.com/TammyTan516…) — 重点不在“复制对方”，而在安全沙盒里练习沟通方式，适合关系训练。
- 前任.skill (github.com/therealXiao…) — 这类关系型skill中影响力很大的一支，更多是回忆与疗愈场景。
- 父母.skill (github.com/xiaoheizi8/…) — 把父母的说话方式、关心模式和共同记忆保存下来。
- MamaSkill (github.com/jiangziyan-…) — 更偏“数字避风港”叙事，用亲人的语气和记忆来做陪伴。
- Reunion Skill (github.com/yangdongche…) — 面向逝去亲友的本地化纪念型Skill，强调心理护栏和渐进式回忆。
公众人物与方法论视角
- 巴菲特思维操作系统 (github.com/will2025btc…) — 把巴菲特的投资判断框架做成可调用视角。
- 芒格.skill (github.com/alchaincyf/…) — 多元思维模型、逆向思考、激励分析，适合复杂判断。
- 纳瓦尔.skill (github.com/alchaincyf/…) — 财富、杠杆、特定知识、欲望管理，适合职业与人生选择问题。
- PG.skill (github.com/alchaincyf/…) — 创业、写作、独立思考、超线性回报，适合创业和内容创作。
- 乔布斯.skill (github.com/alchaincyf/…) — 适合产品判断、聚焦、体验设计和战略选择。
- 马斯克.skill (github.com/alchaincyf/…) — 适合拆成本结构、流程优化、第一性原理思考。
- 张一鸣.skill (github.com/alchaincyf/…) — 适合组织、产品、长期主义和复杂系统判断。
- 费曼.skill (github.com/alchaincyf/…) — 适合理解概念、学习问题、反术语化表达。
- Karpathy.skill (github.com/alchaincyf/…) — 面向AI、工程、学习方法和software 3.0语境，非常适合技术人。
- Ilya.skill (github.com/alchaincyf/…) — 更偏研究审美、scaling、AI安全与未来方向判断。
- X导师.skill (github.com/alchaincyf/…) — 不蒸馏某个人，而是蒸馏一个领域：X/Twitter运营方法论。
- MrBeast.skill (github.com/alchaincyf/…) — 内容创作、标题、缩略图、留存率、传播节奏，非常实战。
- 内娱.skill (github.com/yanghaorane…) — 更偏娱乐与偶像人格互动场景。
- 张雪峰.skill (github.com/alchaincyf/…) — 高考志愿、考研、职业规划，强在现实主义判断。
- 户晨风.skill (github.com/Janlaywss/h…) — 用消费现实主义、城市硬指标、购买力视角看选择问题。
- 童锦程.skill (github.com/hotcoffeesh…) — 偏人际关系、情感判断和关系里的真实需求识别。
- 特朗普.skill (github.com/alchaincyf/…) — 不是模仿秀，重点是谈判、权力、叙事与行为预判。
- 塔勒布.skill (github.com/alchaincyf/…) — 适合看风险、尾部事件、反脆弱、专家预测失真。
写在最后
想说的东西有点零碎。过年回家和一个朋友聊天，聊到AI的极限在哪里，会不会完全替代人类。朋友坚信未来还是需要人的参与，因为需要人做决策、做判断。
但换个角度看，这是思想困在了“当前阶段”。当AI在无限进化之后，在决策上如果超过了大部分甚至所有人——也就是AI如果能做出唯一最优判断的时候——那就不需要人来做决断了，因为AI可以做得更好。
朋友继续说：那如果我就是不满意AI的方案，偏要换另一个呢？
其实，那理解的还是最初阶段。你可以跟AI犟，但总有更多的人会直接选择AI做出的“更好的决断”。久而久之，所有人都会默认使用AI给出的选择及结果——就像现在的点外卖、扫二维码付款，你可以说非要线下吃、非要付现金，但随着时代发展，永远会走到殊途同归的道路。
看现在这些蒸馏skill，可能还没有到取代一个人的时候，但它在逐渐说明一件事：经验也许、或许、很有可能就是可以被模块化的。过去我们认为“核心经验带不走的”，才会出现公司里资料代码都在，但“裁员裁到大动脉”的情况。而当这个时代的“经验”开始被整理、封装、调用，我们过去以为最难复制的东西，好像也没那么不可复制。
这是不是在说明，人的不可替代性，正在被重新定义。
不妨想想：如果你的知识、方法、表达、判断都可以被整理出来，那你作为人，真正不可替代的部分，到底还剩什么？
未来某天，我们给AI喂了足够多的养料——比如把完整的一生都输入进去——是否就可以蒸馏出一个“纯度更高”且“赛博永生”的自我？到那时候，《流浪地球》里图恒宇将女儿图丫丫的意识上传到数字生命系统，使其获得数字永生的故事，就将不再是科幻。
