先说一个核心判断：想让AI真正帮你落地知识，关键不是让它"记住"多少内容，而是让它"学会"在什么场景下调用什么方法。

怎么在一年赚到1000万？这个问题如果直接丢给AI，它大概率会给你一段听起来无懈可击的废话。理论都对，但从实操角度看，说了等于没说。

按理说，AI训练的语料库里几乎涵盖了所有经典著作，可一到具体问题上，它就是讲不出能落地的东西。每个字都对，但好像——没什么用。

最近读了一本叫《认知红利》的书，讲认知升级、时间商人、透三棱镜……读完笔记做了不少，金句也划了一堆。合上书那一刻，感觉自己又升级了，又变强了。但过了两周，真要用书里的方法论解决实际问题时，发现记忆变得特别模糊——明明知道在哪里，就是抓不住。只能重新翻书，花大量时间去找对应的框架和步骤。

这跟AI很像：都"看过"很多东西，但到了用的时候使不上劲。

你书架上是不是也躺着几本读完了但没真正"用"起来的书？段永平、查理·芒格、巴菲特……道理全懂，做决策时那些框架却像从未出现过。

以前觉得，要多读几遍，然后有意识地用到实际场景中。直到最近，一个新的思路出现了。

最近Skill的概念很火。有人甚至把人本身"蒸馏"成Skill——人走了，但他的经验、做事方式、甚至说话风格，都被固化成AI可以调用的工具，继续发挥作用。比如@花生做的"女娲Skill"，主打一个"你想蒸馏的何必是同事"，直接瞄准全球最顶级的那批人——马斯克、芒格、巴菲特等等。

很有意思的思路。但换个角度想想：既然可以蒸馏一个人，为什么不蒸馏他花了大量时间写的那本书呢？

书是一个人深度思考的结晶，是反复推敲、实战沉淀后的精华。蒸馏这些书，拿到的是真正可落地、被验证过的经验和方法。

所以，决定干一件事：做一个能蒸馏任何书的Skill，让Agent替我们把知识用起来。

这就是"仓颉.Skill"的由来。

仓颉.Skill不是做摘要，也不是做读书笔记。它的目标，是让AI真正学会书里的方法论——在你遇到对应问题时，自动调用正确框架，给出可落地的执行步骤。

目前已经蒸馏了几本书：《认知红利》、《穷查理宝典》、《大道：段永平投资问答录》、《不拘一格：网飞的自由与责任工作法》、《巴菲特致股东的信（1957-2024）》。光是《巴菲特致股东的信》，就蒸馏出了整整20个独立的Skill。

仓颉.Skill的诞生

仓颉.Skill是用纯血版的Claude Code + Opus 4.6打造的。和它一起设计了这套蒸馏体系。

说实话，CC + Opus确实很关键——它理解了一个本质问题：蒸馏书不是做摘要。产出的东西，必须是Agent能在真实场景下自动调用的，有触发条件、有执行步骤、有边界限制、有质量验证。

它帮我设计了一套完整的六阶段蒸馏SOP：整书理解、五个Agent并行提取、三重验证筛选、Skill构造、关系链接、压力测试。

六阶段的流水线是这样的：

（此处应有原始版SOP图和升级版SOP图）

整套流程跑完，一本书会被蒸馏成一套Agent Skills，包含几个甚至几十个原子化的Skill（具体数量取决于书的知识密度）。每个Skill都能独立调用，都有明确的适用场景和边界。

化学里有个概念叫"精馏"：把混合物按沸点分离成不同的纯净组分。知识精馏做的事一样——按「框架/原则/案例/反例/术语」五个维度，把书里的知识分离成不同类型的纯净组分，然后把真正有用的提纯成可执行的Skill。

所以，给仓颉.Skill用的这个方法取了一个名字：知识精馏。

为什么叫仓颉.Skill

给这个Skill取名的时候，想到了仓颉。

传说中，仓颉观鸟迹兽纹，从大自然的万千信息中提炼出可复用的符号，于是人类有了文字，知识第一次能被记录和传播。

仓颉.Skill做的事本质上一样：从书本的万千文字中，提炼出可被Agent使用的Skill。仓颉让知识能被记录，仓颉.Skill让知识能被执行。

英文名：CangjieSkill。

知识精馏的效果

Skill造好后，第一本拿来蒸馏的书，就是刚读完不久的《认知红利》。

一开始是准备用Claude Code + Claude Opus 4.6来跑。但跑起来就发现，仓颉.Skill简直是个Token冲击波——瞬间把Claude Pro干到限额。坦白说，Claude Pro的力度完全不够看，一碰就触底。不得已，直接下血本上了Claude Max。

即便如此，开启Max之后继续蒸馏，没多久又被劝退了——Token消耗量猛涨，很快就超过了10万Token。赶紧叫停。

于是换了更高性价比的组合：Claude Code + GLM-5.1。不得不说，智谱的Coding Plan确实顶用，随便跑，根本没碰到限额。

五个Agent并行扫描全文：一个管思维框架、一个找原则、一个收集作者案例、一个整理反面教训、一个做术语词典。各自独立工作，互不干扰。

提取后一共拿到22个候选单元。然后三重验证：跨域验证、预测力测试、独特性检验。没通过的直接淘汰。

最终筛下来15个可执行的Skill，每一个都有明确的触发场景、执行步骤和边界限制。

然后，重新开了一个CC窗口，问了一个问题：怎么在一年内赚到1000万？（当然补充了一些个人信息）

这次完全不一样了。AI终于没有给"正确的废话"——它调用了《认知红利》里的好几个方法论框架，给出了非常实用的建议。总结下来就是：批发时间，设计增强循环，打造复利飞轮。

多维能力模型：帮我找到了可以组合的能力维度，指出哪些组合能打造出市场稀缺性。一步步推导，最后给出了大方向和具体的行动路径。求之于势，不责于人。

当时的感觉很难形容。不是说这个方案一定能赚到1000万——而是真切地感受到，书里的知识真的被"用"起来了。如果继续聊下去，还能跟它讨论更多落地的细节。

同一本《认知红利》，读完的时候觉得很有道理。蒸馏成Skill之后，AI替我把那些方法论变成了行动路径。

那一刻，非常确定：仓颉.Skill是有用的。

为什么不直接用RAG？

可能有人会问：把书丢进知识库，用RAG不就行了？干嘛搞这么复杂？

这个问题认真想过，答案是：不行。

RAG的本质是检索。你问一个问题，它去知识库里找最相关的原文片段，拼给你看。问题在哪？你得知道该问什么——比如"帮我找到xx框架，然后解决xx问题"。如果你不知道该怎么问，RAG帮不了你。它不会主动意识到："哦，你现在遇到的这个问题，书里有好几个框架可以用"。

Skill不一样。每个Skill都有触发条件——当你遇到某类问题、说出某类话时，它会自动激活，自动匹配多个方法论。你不需要记得书里有哪些方法论，AI替你记着，替你在对的时刻拿出来用。

另外，RAG没有质量检查，什么内容都能往里塞。仓颉.Skill有三重验证：跨域验证（这个方法论在书里至少两个独立立场出现过吗？）、预测力测试（能用它推导出书里没直接讨论的问题吗？）、独特性检验（是不是任何人都能说出来的常识？）。通不过的直接淘汰。

还有诱饵测试：故意给不该触发的场景，看Skill会不会乱调用。这一步很关键，因为一个没有边界的Skill，用错的时候反而帮倒忙。

而且，RAG很重，Skill更轻量，用起来更方便。本质上，RAG还是帮你"记"知识，而不是"运用"知识。

说到这个，不得不提Andrej Karpathy最近分享的一个思路——LLM Knowledge Base（LLM Wiki）。

他说他现在大量用LLM来构建个人知识库：把原始资料索引到一个目录里，让LLM"编译"成一个Wiki，然后对这个Wiki做Q&A，产出的结果再回填到Wiki里，持续增强。

这个思路很棒。仓颉.Skill的流程也吸收了他的核心思想：先让AI深度阅读、结构化整理、建立索引、维护一致性。这些在阶段0（整书理解）和阶段1（并行提取）里都有直接体现。

但仓颉.Skill的知识精馏在此基础上多走了几步。Karpathy的方案是把知识编译成Wiki，等着你去查它；仓颉.Skill是把知识提纯成Skill，该用的时候它主动跳出来。

一个解决的是"知识管理"问题，另一个试图解决"知识运用"问题。

蒸馏的实况与开源

《认知红利》之后，又蒸馏了另外五本。说实话，过程没那么迅速。《穷查理宝典》那本书，GLM-5.1硬是跑了将近一个半小时才全部干完。

不过，一个半小时蒸馏查理·芒格的思维精华，还能用起来——这个投入产出比非常值。

另一个值得关注的点是：每个蒸馏出来的Skill都自带测试用例，格式兼容darwin-skill（达尔文Skill）。darwin-skill是一个专门用来自动进化Skill的工具——把Skill喂给它，它会自动评估、改进、测试，分数只升不降。也就是说，这些蒸馏出来的Skill不是静态的，可以持续进化。

蒸馏到第三本的时候，意识到一件事：一个人不可能蒸馏完人类所有好书。《资治通鉴》、《国富论》、《原则》、《反脆弱》、《孙子兵法》、《思考·快与慢》……值得蒸馏的经典实在太多了。

所以，把所有东西都开源到了GitHub。任何人都可以直接用蒸馏好的Skill，也可以用仓颉.Skill去自己蒸馏新书，还可以把成果分享出来。

另外，不是所有书都适合蒸馏。方法论密度高的书效果最好，纯散文类的出来效果一般。Token消耗确实大，推荐使用国内的Coding套餐，GLM-5.1任务表现很棒，非常适合执行这项蒸馏任务。

最后

那蒸馏是不是就是让AI替我们读书？不是。蒸馏一本书之前，最好还是自己看过一遍。不然你不知道哪些方法论是干货，哪些是重点。阅读+蒸馏的过程中，你需要参与判断，这样蒸馏出来的效果才会更好。

另外，就算AI通过Skill给出了建议，你也得有足够的认知水平去判断：这个方向对不对？能不能执行？效果好不好？

AI时代，人的判断力和自身的知识水平越发相关。AI越强，对你的要求其实越高——因为它能给你更多选项、更复杂的分析。选哪个、信哪个、执行哪个，是你的事。

而且，蒸馏和运用的过程本身，就是一种加速学习。在蒸馏中会重新审视书里的知识，在使用Skill建议时会进一步思考。这个过程比单纯读一遍书的吸收率高得多。

所以，不要觉得有了AI就可以不看书、不思考了。AI是辅助工具，核心永远是人。持续提升自己，无限进步。

如果让你来蒸馏一本书，你会选哪本？

已经选了五本，但还远远不够。好在这件事不用一个人干了。