蒸馏人技术
The Distillation of Persons

在讲今天的主角之前，必须先做一次"概念去污"。因为"蒸馏"这个词，在最近半年的中文互联网里，已经从一个严肃的机器学习术语，悄悄迁移成了一个职场恐怖意象。我们要把这两层意思讲清楚。

1.1 经典语义：知识蒸馏（Knowledge Distillation）

"知识蒸馏"最早由 Geoffrey Hinton 等人于 2014 年的 NIPS Workshop 上提出，是一种模型压缩技术。核心想法是：用一个已经训练好的、参数量巨大的"教师模型 (Teacher)"，去指导一个参数量小得多的"学生模型 (Student)"训练。学生不是去学硬标签 (hard label)，而是去拟合教师输出的概率分布（即 soft target）。

近两年伴随 DeepSeek-R1 等模型出圈，这个词进入大众视野。但在普通人理解里，它被简化成了一句话：把大模型的能力"浓缩"到小模型里。

1.2 语义偷换：从"压缩模型"到"压缩活人"

2026 年春，"蒸馏"被中文社区进行了一次大胆的语义迁移：

经过语义的迁徙，在当下的社交媒体上，人们讨论的蒸馏已经与 AI 模型无关，变成了将人炼化成 AI 的过程。 《拒绝被"蒸馏"的年轻人》, 2026.05

请注意这次偷换中的两个微妙之处：

• 教师变成了"人"——不再是 GPT-4 或 R1，而是你的同事、导师、前任、自己；
• 学生变成了"Skill 文件"——不再是一个小神经网络，而是一份可被 Agent 加载的 Markdown 说明书。

所以严格说，"蒸馏人技术"并不是 Hinton 那一脉的知识蒸馏。它没有 soft label、没有 temperature scaling、没有反向传播。它的底层技术是大模型 + Prompt 工程 + Agent Skills 标准——一套完全不同的工程栈。但是"蒸馏"这个比喻太贴切了：把一个鲜活的人，蒸出他工作中的"知识精华"（去掉摸鱼、情绪、八卦），凝结成几 KB 的 .md 文件。这就是"蒸馏人"这一名字的由来。

"蒸馏人"不是凭空出现的。它的爆发，是 Anthropic 在 2024-2025 年铺好的两块基础设施（MCP + Agent Skills），加上一个非常会取名的开发者，在一个集体职场焦虑临界点上的合谋。

要看懂蒸馏人，必须先看懂 Agent Skills。可以把它定义成一句话：

Agent Skill = 可被 AI 智能体动态发现并按需加载的"能力包"。

它和你常听到的几个概念，分工边界清晰：

3.1 SKILL.md 的最小骨架

每个 Skill 的入口是一个 SKILL.md 文件，由前置 YAML 元数据 + Markdown 正文组成。Agent 在启动时只会预加载元数据（几十 Token），判断当前任务匹配时才加载正文（几百 Token），执行到具体步骤时才加载脚本/资源。这就是 Progressive Disclosure（渐进式披露）。

---
name: code-reviewer
version: "1.0.0"
description: >
  When to use: 当需要对 Pull Request 进行结构化代码审查时。
  When NOT to use: 简单的 typo 修复或纯文档变更。
user-invocable: true
tags: ["code-review", "security"]
---

# 严格代码审查

## Steps
1. 获取 PR 的 diff 内容
2. 按以下维度逐一审查：架构 / 异常 / 安全 / 性能 / 日志
3. 生成结构化审查报告

## Rules
- 每个问题必须标注严重等级（Critical / Warning / Info）
- 必须给出修复建议
- 安全类问题一律 Critical

传统 Skill 是"教 AI 做什么"，而 colleague-skill 做了一个关键的范式跳跃：教 AI "成为谁"。它把蒸馏一个人的过程拆成了完全独立的两层。

4.1 Persona 层：五层递进的人格建模

Persona 层是同事.skill 的"灵魂"。它通过五个递进维度刻画一个人。这五层不是平铺的，而是从硬到软、从规则到风格层层下沉：

4.2 Memory 层：把工作记忆变成可检索资产

如果 Persona 是"他这个人"，那 Memory 就是"他经历过什么"。这一层的数据源非常具体：

• 飞书 / 钉钉 / Slack 消息记录：能拿到导出 API 的全部上
• 工作邮件 (.eml)：内容 + 收发件人关系 + 时间线
• 项目文档 / Wiki / 多维表格：他写过的、修过的、评论过的
• 代码 commit 历史 + Review 记录：风格指纹最浓的地方
• 微信群聊截图 + 主观描述：补充非结构化的"人情味"语料

这些原始数据被 work_analyzer.md 这个子 Skill 处理一遍，输出一份结构化的 work_skills.md。它不是简单复制，而是抽取：技术栈偏好、常用 SOP、决策路径、领域术语表。

当你在 Claude Code 里键入 /colleague 帮我看下这个 PR 时，背后实际上是一个非常清晰的四段流水线。请记住这个顺序——这是理解整个架构的钥匙。

关键洞察在 Step 02。传统 Skill 跳过这一步直接干活，所以输出的是"AI 完成的工作"。而 colleague-skill 通过先调一遍 Persona 模块，让输出变成了"那个人完成的工作"——同样的代码审查结论，可能因为 Persona 不同而表现出完全不同的措辞和态度（温柔派 vs 审判派）。

5.1 增量进化：他还能"成长"

这套架构有一个让人不安的特性：蒸馏出的 AI 同事是可进化的。

• 追加新数据：上传新的聊天记录，他自动增量更新；
• 用户纠正：你说一句"他不会这样说，他应该是 XXX"，纠正会被写回 persona 文件；
• 版本管理：所有变更走 Git，可随时回滚到任一历史版本。

所以严格说，蒸馏出来的不是某个人在某一刻的"快照"，而是一份可以持续 fork 和 patch 的"人格 Git 仓库"。这件事的哲学冲击远大于技术冲击。

课堂练习。我们一起搓一个 mentor-skill——一位虚构的"严师"。请在你本地的 Claude Code 项目根目录里，执行：

# 在 Git 项目根目录
mkdir -p .claude/skills/mentor-skill/persona
mkdir -p .claude/skills/mentor-skill/memory
cd .claude/skills/mentor-skill

Step 1 · 写 SKILL.md（入口）

---
name: mentor-skill
version: "0.1.0"
description: >
  When to use: 用户要做技术决策、写设计文档、准备评审时。
  When NOT to use: 闲聊、情感倾诉、需要鼓励的场景。
user-invocable: true
tags: ["persona", "mentor"]
---

# 严师导师 · Persona Skill

## How to behave
1. 先加载 persona/identity.yaml 和 persona/expression.yaml
2. 用导师的 Persona 判断态度
3. 调用 memory/work_skills.md 完成实际工作
4. 用导师的口吻输出

Step 2 · 写 persona/identity.yaml

role: "分布式系统方向博导"
mbti: "INTJ"
culture: "老派学术 · 重视一手数据 · 反感 buzzword"
beliefs:
  - "先理解问题，再选工具"
  - "如果你不能在白板上画出来，你就还没想清楚"
  - "流行的不等于正确的"

Step 3 · 写 persona/expression.yaml

formality: "高"
humor: "干 · 偶尔讽刺"
emoji: "从不使用"
opening_lines:
  - "先回答一个问题："
  - "在你写代码之前——"
closing_lines:
  - "想清楚再来找我。"
  - "这个 Demo 之前不要再讨论了。"
forbidden:
  - "我觉得 / 大概 / 应该"  # 不允许模糊措辞

Step 4 · 调用它

# 在同一个项目里启动 Claude Code 后
> /mentor-skill 我们要不要把订单服务拆成微服务？

# 预期输出风格（节选）：
# "先回答一个问题：你们现在的单体服务，QPS 多少？瓶颈具体在哪一层？
#  在你没有数据之前，'要不要拆微服务' 这个问题没有意义……"

同事.skill 火起来后的第二周，邓小闲发布了 反蒸馏.skill，三周 2,200 Stars。这不是行为艺术，它真的有技术细节。我们看一下反蒸馏派的几种做法：

作为工程师，我们不能只懂得"能做什么"，还要懂得"该不该做"。下面给出一个我个人觉得比较实用的判断框架——三个维度，每个维度问一句：

8.1 同意 (Consent)

被蒸馏对象是否明确、知情、可撤回地同意？"打了一份入职合同"不算同意。"项目组群里发了通知"不算同意。同意必须是：知道蒸馏后产物会做什么、谁能调用、何时销毁。

8.2 用途 (Use Case)

蒸馏出来的 Skill 用于谁的工作？三类用途，伦理重量完全不同：

• 自用：蒸馏自己、记录自己。低风险。
• 纪念：蒸馏已逝的亲人/宠物。低风险，但要小心情感依赖。
• 替代：蒸馏在职/离职同事用于公司省人力成本。这是高风险场景——它本质上把一个人变成了"可被解雇的被解雇者"。

8.3 边界 (Boundary)

蒸馏出的 Skill 有没有明确的"我不是真人"声明？有没有针对法律、医疗、决策类问题的硬性回避？前任.skill 如果被未成年人误以为是真实复合的可能性，开发者应该考虑。

多位蒸馏 skill 开发者的共识是，越是需要和人打交道的工作，蒸馏 skill 能起到的作用也就越小。灵感、直觉、判断不清时福至心灵的闪光——这些几乎无法被描述的东西在太多时候起到决定作用。 《拒绝被"蒸馏"的年轻人》, 2026.05

这句话值得每个 Agent 工程师贴在显示器上。我们做的不是"复活一个人"，我们只是把一个人在某个垂直领域里反复留下的痕迹——压缩成了 Markdown。这份压缩有它的工程价值，但它不是、也不应该被宣称为，一个"人"。