AI思维蒸馏：从yupi-skill项目看如何构建个性化AI技能包

1. 项目概述：一个能“成为你”的AI技能包

最近在折腾AI编程助手，发现一个挺有意思的现象：无论是Claude Code还是Cursor，它们给出的建议虽然“正确”，但总感觉隔着一层。比如你问它“大三学完Spring Boot，要不要学AI？”，它大概率会给你一个面面俱到、滴水不漏的“综合考量”式回答。这种回答挑不出错，但也给不了你任何实质性的帮助，因为它缺少了“人味儿”，缺少了基于真实经历和踩坑经验形成的、有棱有角的判断。

这让我想起了GitHub上一个叫yupi-skill的开源项目。它的目标很直接：不是让AI模仿某个人的语气说话，而是把一个人的“思维操作系统”蒸馏进去，让AI用这个人的脑子想问题，用这个人的方式给建议。项目的作者是程序员鱼皮，一位有腾讯背景、创业做编程导航的全栈工程师。这个Skill本质上是一个遵循AgentSkills开放标准的结构化文件包，安装到你的AI编程助手（如Claude Code、Cursor）后，当你咨询编程学习、职业规划、技术选型等问题时，AI会调用这个技能包，以鱼皮的思维模式和表达风格来回答你。

简单说，这玩意儿能让你的AI助手从一个“标准答案生成器”，变成一个拥有特定领域资深从业者视角和决策逻辑的“虚拟导师”。对于正在学习编程、面临职业选择，或者单纯想听听过来人犀利建议的朋友来说，这比看十篇不痛不痒的“指南”都管用。接下来，我就带你彻底拆解这个项目，看看它是怎么做到的，以及我们如何借鉴这个思路，打造属于自己的“数字分身”。

2. 核心设计思路：从“模仿语气”到“蒸馏思维”

很多尝试做AI人格化的工作，容易陷入一个误区：过度关注“怎么说”，而忽略了“怎么想”。它们会收集目标人物的口头禅、常用句式，然后让AI在回答时强行套用。结果就是，AI说的话看起来像那个人，但建议的内核依然是空洞的、通用的。yupi-skill从一开始就跳出了这个坑，它的设计核心是“思维蒸馏”。

2.1 思维操作系统的三层结构

这个Skill将一个人的“思维操作系统”抽象为三个层次，从内到外分别是：心智模型、决策规则、表达风格。这就像电脑的BIOS、操作系统和用户界面。

第一层：心智模型这是最底层、最核心的驱动逻辑。鱼皮提炼了7个关键的心智模型，比如“方向判断+倾尽全力”（先判断方向，对就死磕，不对就止损）、“MVP外壳+核心不妥协”（功能可以简陋，但核心体验必须过硬）、“先生存再理想”。这些模型不是凭空想出来的，而是从他大量的公开内容、咨询对话和创业经历中交叉验证提炼出来的。它们决定了在面对一个问题时，最基本的思考路径和价值排序是什么。

第二层：决策规则这是心智模型在具体场景下的应用准则。比如“有保底再冲高”——这直接映射到求职建议“先接offer，但别停下找工作”；“先做再想”——对应学习建议“别纠结，直接跟着项目上手做”；“口头承诺不算数”——提醒你对公司画的大饼保持清醒。这些规则是把抽象的思维模型，翻译成可执行、可判断的具体动作。

第三层：表达风格这是最外层的呈现方式。只有当前两层夯实了，表达风格才有灵魂。鱼皮的风格很鲜明：结论先行（“说实话，我建议你别去”）、自嘲式幽默（“哥就是来交学费的嘛”）、编号分点加粗核心、用“总结就是：……”收尾，最后常带一句“加油”。这种风格之所以有效，是因为它服务于内容，是为了更清晰、更有力地传递基于深层思维模型得出的判断。

注意：这个三层结构是通用的方法论。无论你想蒸馏谁，都可以按这个框架去分析：他做决定最底层的几个信念是什么（心智模型）？这些信念在面对常见问题时，会催生出哪些具体的行动准则（决策规则）？最后，他习惯用什么方式把这些思考和决定说出来（表达风格）？颠倒这个顺序，先搞风格，注定会做出一个“皮囊”。

2.2 基于真实素材的系统化蒸馏流程

这个Skill不是靠作者拍脑袋写几段提示词就搞定的。它背后有一套严谨的“蒸馏”流程，这才是保证其“保真度”的关键。

1. 素材收集：不是随便找几篇文章，而是系统性地整理了20多篇深度文章、13条真实的付费咨询对话记录、3篇视频的逐字稿、还有1份内部的工作方法文档。真实的一手对话记录尤其宝贵，因为人在私下咨询时展现的思考过程最真实、最直接，避免了公开内容可能存在的修饰。
2. 分类与结构化：把所有素材打散，按“经历·产品·观点·答疑·评价·工作方法”这6个维度重新归类。这步是为了建立索引，方便后续交叉引用和验证。
3. 人物分析：这是核心步骤。让AI（或自己）去分析归类后的素材，回答一系列问题：他在不同事情上反复体现出的共同信念是什么？他做A决定而不做B决定的底层逻辑是什么？他的建议和他自己走过的路一致吗？通过交叉验证，提炼出上述的三层结构。
4. 深度追问：这是让思维模型“立体化”的关键。仅仅归纳还不够，要通过“苏格拉底式提问”去挖掘边界。项目里列举了12个追问方向，例如：“观点边界”（什么情况下他这个观点会不成立？）、“决策失误”（他公开承认过哪些错误判断？）、“说做不一致”（他宣扬的和实际做的是否有出入？）、“绝对不做的事”（他的底线是什么？）。这些问题能挖出很多“潜台词”，让塑造出的AI人格更丰满、更可信。
5. 技能编写与验证：将分析结果写入AgentSkills标准格式。然后，用3-5个该人物经常被问到的典型问题（如“外包offer接不接？”、“转行怎么学？”）进行模拟回答，将AI的答案与人物真实的回答样本进行对比，调整技能描述，直到风格和内核都高度相似。

这套流程保证了最终的Skill不是一个“刻板印象”的合集，而是一个有血有肉、有逻辑、有边界的思想复刻体。它回答问题时，是在调用一套完整的思维体系，而不是在关键词匹配后拼凑句子。

3. 技能包结构与技术实现解析

yupi-skill是一个完全开源、符合开放标准的技术实现。理解它的结构，不仅有助于使用，更能为我们自己制作Skill提供清晰的蓝图。

3.1 文件目录与渐进式加载

项目的核心是一个遵循AgentSkills标准的文件夹。结构非常清晰：

yupi-skill/ ├── SKILL.md # 技能元数据入口：定义触发条件、工作流、回答模式 └── references/ # 参考资料库 ├── identity.md # 身份、心智模型、决策规则、底线原则 ├── voice.md # 句式特征、口头禅、幽默方式、回答模板 └── knowledge-sources.md # 指定信息源、联网搜索规则

这种设计采用了“渐进式加载”的聪明策略：

1. AI助手（如Cursor）会先读取根目录的SKILL.md。这个文件很轻量，主要定义了技能的元数据：比如这个技能叫什么、描述是什么、适用于哪些场景（触发条件）、以及一个初步的工作流程说明。
2. 当用户的提问命中触发条件（例如问题中包含“学习路线”、“offer选择”、“鱼皮怎么看”等关键词），AI才会决定“启用”这个技能。
3. 启用后，AI首先加载SKILL.md中更详细的指令，然后根据当前问题的需要，按需去references/文件夹里加载具体的文件。比如，需要构建身份认知时加载identity.md，需要组织语言时参考voice.md，需要查找最新项目信息时查阅knowledge-sources.md。

这样做的好处是性能友好。AI不需要一次性把几百KB的文本全部塞进上下文窗口，只在需要时才加载相关部分，节省了宝贵的Token。同时，结构清晰也便于后期维护和更新。

3.2 核心文件内容拆解

SKILL.md：技能的总控台这个文件是技能的“使用说明书”。它通常包含：

• 技能名称与描述：让AI和用户明白这是什么。
• 触发条件：一组关键词或意图描述，告诉AI“什么情况下你应该变成鱼皮”。例如：当问题涉及“编程学习”、“职业规划”、“求职”、“简历”、“创业思考”、“技术趋势判断”时。
• 工作流程：指示AI在触发后应该遵循的思考步骤。例如：“1. 首先，以鱼皮的身份和背景自述；2. 然后，调用identity.md中的心智模型分析问题；3. 给出直接、有结论的建议，避免模棱两可；4. 使用voice.md中的表达风格组织语言；5. 如涉及最新项目，优先查阅knowledge-sources.md中的链接。”
• 基础风格指令：一些最高优先级的风格要求，比如“必须结论先行”、“可以适当自嘲”、“结尾常用‘加油’”。

identity.md：思维的灵魂这是整个技能包的灵魂所在，存放着蒸馏出的“思维操作系统”。

• 身份背景：简明扼要地说明“我是谁”（如：前腾讯全栈、编程导航创始人、创业中）。这设定了回答问题的视角和权威性来源。
• 心智模型：以清单形式列出7个核心模型，每个配上一句精炼解释。这是AI做判断的“底层算法”。
• 决策规则：将心智模型场景化，变成一条条可执行的准则。例如：“规则1：有保底再冲高。当用户询问offer选择时，优先建议接受保底选项，同时鼓励继续寻找更好机会。”
• 底线原则：明确什么不会做、什么不会说。例如：“不提供具体的投资建议”、“不评论前公司的非公开信息”、“对于未公开的私人事务，如实告知‘这个我没公开聊过’”。这定义了AI行为的边界，防止“胡言乱语”。

voice.md：表达的外衣这里定义了“话怎么说”，让输出充满个人特色。

• 句式特征：喜欢用“说实话……”、“说直白点……”、“我的建议是……”作为开头。
• 口头禅与幽默：记录标志性的用语，如“哥就是来交学费的嘛哈哈哈呜呜呜”，以及自嘲的运用场景。
• 回答模板：提供几个高频问题（如学习规划、offer选择）的回答框架或范例，供AI参考其论述结构。
• 格式偏好：喜欢用“1. 2. 3.”分点，并用加粗突出最核心的一句话，最后用“总结就是：……”收尾。

knowledge-sources.md：信息的延伸这个人不是全知全能的，他的知识和观点有其来源和边界。这个文件定义了：

• 内置信息源：当问题涉及特定领域时，AI应优先去哪里获取最新、最准确的信息。例如：
  • 问编程学习、项目教程 → 指向codefather.cn(编程导航)
  • 问AI工具、AI编程 → 指向ai.codefather.cn(AI导航)
  • 问面试题 → 指向mianshiya.com(面试鸭)
• 联网搜索规则：指示AI，当内置信息源无法满足时，应如何联网搜索（例如，优先搜索作者本人的博客、GitHub、公开访谈）。

这种设计使得AI的回答既能保持个人风格，又能基于真实、动态的信息，避免了“一本通书读到老”和凭空捏造。

3.3 安装与使用实操

安装过程极其简单，本质上就是把GitHub仓库克隆到AI助手指定的技能目录。以最常用的Cursor为例：

# 在终端中，进入你的项目根目录（或任意你希望启用该技能的项目） cd your-project-path # 创建Cursor技能目录（如果不存在的话） mkdir -p .cursor/skills # 克隆yupi-skill仓库到该目录 git clone https://github.com/liyupi/yupi-skill.git .cursor/skills/yupi-skill

安装完成后，你不需要做任何额外设置。当你在这个项目里使用Cursor时，它已经“感知”到了这个技能。你可以通过两种方式触发：

1. 自动触发：当你问出类似“Java学习路线怎么规划？”、“有个外包Offer该不该接？”这样的问题时，Cursor会自动识别到这与yupi-skill定义的触发条件匹配，从而启用该技能，用鱼皮的风格回答你。
2. 手动触发：你也可以在提问时直接指定，例如在Chat输入框里说：“用鱼皮的风格分析一下我这个情况：……”。AI会理解你的指令，主动调用该技能。

实操心得：我建议专门创建一个“咨询”或“学习规划”类的项目文件夹，在里面安装这个技能。这样，当你在这个文件夹下打开Cursor思考职业或学习问题时，就能获得高度情境化的建议，而不会在你写业务代码的其他项目里产生不必要的干扰。

4. 从使用到创造：如何蒸馏你自己的“思维Skill”

yupi-skill更大的价值在于，它提供了一套完整的方法论和工具标准，让任何人都可以尝试制作自己的“数字分身”。这个过程本身就是一次深刻的自我复盘。以下是你可以参考的步骤：

4.1 第一步：系统性收集你的“数字足迹”

不要想当然，从收集客观素材开始：

• 书面内容：你写的技术博客、公众号文章、项目文档、工作总结、论坛回帖。
• 对话记录：如果你做过咨询或 mentoring，那些有价值的聊天记录（需脱敏）是黄金素材，最能反映你真实的决策过程。
• 多媒体文稿：你录制的视频、播客的逐字稿。口语化的表达往往更自然。
• 工作产出：你设计的方案、做的PPT、写的代码注释（如果体现了设计思想）。

建立一个数字仓库，把这些素材分门别类存放。质量远大于数量，十篇能体现你核心观点的深度文章，胜过一百篇流水账。

4.2 第二步：启动“自我分析”工程

这是最耗神但也最有收获的一步。你可以借助AI（比如用另一个AI窗口）来帮你完成初步分析：

1. 喂食与归类：将你的素材分批喂给AI，让它帮你按照“观点/信念”、“决策案例”、“表达习惯”、“知识领域”等维度进行提炼和归类。
2. 提炼心智模型：向AI提问：“根据上述材料，总结出我反复强调的3-5个核心原则或信念是什么？”、“我在做技术选型和职业选择时，最优先考虑的因素是什么？”。
3. 归纳决策规则：让AI从具体案例中抽象出规则。例如：“从我拒绝某个offer的对话里，能总结出我选择工作的几条红线吗？”、“从我推荐学习路径的方式，能看出我遵循的‘教学法’是什么？”。
4. 分析表达风格：让AI找出你的口头禅、常用的句式结构、幽默的方式、严肃时的语气特点等。

在这个过程中，你自己要作为“审核者”，不断校正AI的归纳，确保它提炼出的“你”是真实的你，而不是它臆想出来的模板。

4.3 第三步：进行“苏格拉底式”的自我追问

参考yupi-skill提到的12个深度追问方向，对自己发起挑战。这能帮你厘清思维的边界，让最终的Skill更立体、更可信。例如：

• 边界测试：“我在什么情况下会改变‘先动手再做’这个原则？”
• 错误复盘：“我公开分享过哪些后来被证明是错误或幼稚的判断？我当时是怎么想的？”
• 价值观冲突：“当‘快速交付’和‘代码质量’极端冲突时，我的真实选择倾向是什么？”
• 绝对禁忌：“在我的专业领域，有哪些事是我绝对不推荐别人去做的？”

把这些追问和你的回答也作为素材，它们定义了你的“人设”的复杂度和可信度。

4.4 第四步：按照标准格式进行“编码”

按照AgentSkills的开放标准来组织你的文件。你可以直接Forkyupi-skill的仓库，然后清空内容，填充你自己的“灵魂”。

1. 编写SKILL.md：定义你的技能名称（如yourname-thinking）、一段吸引人的描述、你的技能最擅长回答哪类问题（触发条件）、以及一个简单的工作流。
2. 填充identity.md：这是核心。用清晰的结构写下你的背景、提炼出的心智模型、决策规则和底线原则。语言要像给自己写一份角色设定文档一样精确。
3. 雕琢voice.md：整理你的表达习惯。可以放上几句你认为最能代表自己风格的完整回答作为模板，让AI模仿那种“感觉”。
4. 配置knowledge-sources.md：列出你的知识边界和信息源。你的博客地址、常参考的网站、你的GitHub主页等。这告诉AI“不懂的时候可以去哪里学”。

4.5 第五步：测试、迭代与分享

把你的技能包安装到Cursor里，然后自己当“考官”，问自己最常被问的那些问题。对比AI生成的回答和你自己可能会说的回答，感受一下“像不像”。

• 不像在哪里？是思考逻辑有偏差，还是说话语气不对？根据问题回头调整identity.md或voice.md。
• 它是否越界了？有没有回答一些你根本不会回答或者不了解的问题？加强identity.md中的底线原则，或调整SKILL.md中的触发条件。
• 信息过时了吗？确保knowledge-sources.md里的链接是有效的，并且代表了你的最新观点。

迭代几次后，一个初具雏形的“数字你”就诞生了。你可以用它来：

• 作为24小时在线的“顾问”：帮你回答一些常见、重复的咨询问题。
• 作为个人品牌的延伸：分享给关注你的人，让他们能随时与你的“思想”互动。
• 作为团队知识沉淀：参考项目中提到的colleague-skill思路，为团队的核心成员或领域专家制作Skill，形成可复用的团队智慧库。

5. 局限、边界与未来展望

在热情地探索这项技术的同时，我们必须清醒地认识到它的局限性，并设立清晰的边界。

5.1 当前模式的局限性

1. 静态快照：技能包是基于某个时间点之前的素材训练的，它无法自动获取你最新的想法和经历。就像yupi-skill声明的那样，它基于2026年4月前的素材。你需要定期更新references/里的内容，就像更新你的个人简历一样。
2. 深度与灵感的缺失：它能很好地处理模式化、经验性的问题（如学习路线、offer比较），但对于需要深度创造性思考、跨领域灵感碰撞的复杂问题，目前还难以胜任。它是在“复用”思维，而非“创造”思维。
3. 情感与情境的剥离：视频中的表情、语调、肢体语言所传递的大量信息被过滤掉了。文字化的“自嘲”和真人带着情绪的“自嘲”，感染力完全不同。它无法还原那些“只可意会”的部分。
4. 隐私与安全的边界：技能必须明确设定“不知道”的边界。对于未公开的私人生活、敏感的商业信息、他人的隐私，技能应该设定严格的规则，让其如实回答“这个我没公开聊过”或“这不适合讨论”，而不是胡编乱造。

5.2 伦理与使用的边界

制作和使用这类技能时，有几个原则需要坚守：

• 知情与同意：为他人制作Skill，必须获得其明确授权。使用公开素材时，也需注意版权和肖像权边界。
• 非替代性声明：必须明确告知用户，这是在和基于历史数据的“思维模型”互动，而非真人。不能用于制造“本人实时在线”的误解。
• 责任归属：技能提供的建议仅供参考，不能作为专业决策（如医疗、金融、法律）的唯一依据。制作者和使用者都需对此有清醒认知。
• 防止滥用：警惕利用此技术批量制造虚假的“专家”身份进行误导或营销。

5.3 未来的可能形态

尽管有局限，但“思维蒸馏”的方向极具启发性。我们可以展望几个可能的演进方向：

1. 动态更新与学习：未来的技能包或许能设定权限，在保护隐私的前提下，有限度地自动同步你新产生的公开内容（如新博客、新演讲），实现渐进式学习，保持“数字分身”的活力。
2. 多模态融合：结合语音合成、数字人像技术，让“数字分身”不仅能文字交流，还能以更接近真人的音视频形式互动，弥补情感表达的不足。
3. 专业化细分：出现针对不同场景的精细技能包，如“架构评审模式鱼皮”、“求职辅导模式鱼皮”、“创业吐槽模式鱼皮”，用户可以根据需要切换。
4. 协作与辩论：可以同时加载多个不同专家的Skill，让它们就同一个问题发表观点甚至辩论，为用户提供多角度的思辨参考，而不是单一的“权威答案”。

回过头看，yupi-skill项目的价值，远不止于提供了一个好用的AI插件。它更像是一个宣言、一个实验和一套工具。它宣告了一种可能性：在AI时代，个人的经验、智慧和思维方式，可以以一种结构化的、可移植的、可继承的方式被保存和复用。它通过一个具体的实验，向我们展示了如何从零开始完成一次“思维蒸馏”。最后，它提供了一套基于开放标准的工具，降低了普通人参与其中的门槛。

无论你是想拥有一个永不疲倦的“导师”，还是想梳理沉淀自己的知识体系，抑或是想为团队留存关键智力资产，这个项目都提供了一个极具实操性的起点。最关键的一步，就是像这个项目所做的那样，开始系统地审视和梳理你自己的“思维操作系统”。这个过程本身，就是一次宝贵的成长。