女娲.skill：把一个人的思维方式蒸馏成可运行的 AI 技能

市面上大多数"名人 AI"做的是模仿：学语气、背语录、扮演角色。女娲.skill 走的是另一条路——它输入一个人名，输出的是这个人的认知操作系统。项目由独立开发者花叔开源，核心机制是 6 个 Agent 并行采集公开资料，再用三重验证筛出真正属于这个人的思维模型，最终产出一份可对话的 SKILL.md。它不声称"复活"谁，而是把你的问题放进那个人的框架里跑一遍。

它解决的是什么问题

我们读传记、看访谈，往往只能记住结论，拿不到推理过程。想借用某个人的判断力，实际需要的是：他遇到这个问题会先看什么、会排除什么、在信息不足时怎么下注。这些东西散落在著作、长访谈、决策记录里，人工整理成本极高，而且很容易被二手解读带偏。女娲.skill 把这件整理工作工程化：并行采集、严格筛选、结构化输出，并保留全部信息源供人回溯。

主要能力

六路并行采集：6 个调研 Agent 同步抓取目标人物的著作、深度访谈、社交媒体动态、批评视角、关键决策记录和人生时间线，尽量覆盖公开信息的不同侧面。

三重验证提炼：采集到的观点要同时满足跨域复现性、问题生成力、认知排他性三条标准，才会被收录为正式心智模型。换句话说，只在单一场景出现过、或者换个聪明人也说得出的观点会被过滤掉。

自动生成 Skill：输出结构化的认知系统，一般包含 3–7 个心智模型、5–10 条决策启发式、表达 DNA、核心价值观与反模式，外加一份明确的诚实边界声明。

质量验证闭环：用已知问题测方向一致性，用边缘问题测推断边界，用风格测试检查表达是否匹配，避免生成出来的 Skill 过度自信或者泛泛而谈。

主题级蒸馏：除了具体人物，也能针对某个领域（比如社交平台运营）综合多位专家的方法论，生成领域级的认知框架。

全链路透明审计：每个 Skill 的 references/ 目录保留一手与二手信息源、调研文件和提炼逻辑，生成过程可回溯、可验证。

配套质量评估：项目另附达尔文.skill 评估体系，从 8 个维度对技能批量评分并做自动优化。

如何使用

1. 准备运行环境：先安装 Claude Code，或使用兼容 skills.sh 协议的第三方环境。
2. 在终端执行 npx skills add alchaincyf/nuwa-skill，把女娲添加到技能库。
3. 在对话中输入"蒸馏一个 XXX"或"造一个关于 XXX 的 skill"，把 XXX 换成目标人物或领域主题。
4. 等待自动流程跑完：6 个 Agent 并行采集、提炼、验证、生成，输出 SKILL.md，单次通常需要两三个小时，中途不需要人工干预。
5. 生成后直接在对话中调用该 Skill，例如"用某个产品人的视角评估这个功能"。
6. 可选：用达尔文.skill 做 8 维度评分，对低分维度补充素材后重新蒸馏。
7. 需要核实结论时，回到 references/ 目录查看原始信息源与提炼逻辑。

适用场景

• 产品决策与创业判断：调取偏产品直觉或第一性原理的框架，评估功能方向、商业模式与体验设计。
• 投资与风险管理：用多元思维模型做交叉验证，识别尾部风险与反脆弱策略。
• 内容创作与传播优化：从爆款结构、类比表达、平台算法逻辑等角度优化选题与脚本。
• 教育与职业规划：把实战型的升学就业决策框架拆出来，结合自身条件做路径推演。
• 技术趋势研判：从技术演进、编码范式、算力瓶颈等角度分析行业走向。
• 谈判与商业策略：在商务谈判、股权分配、竞争策略中借用权力分析与博弈思维。

局限与注意事项

蒸馏质量高度依赖公开素材的密度。素材稀薄的人物，出来的框架会明显变薄，甚至退化成常识的重新包装。Skill 本质上是调研时刻的静态快照，如果本人核心思想后来发生转向，需要重新跑一遍流程才能更新。此外有两条边界要守住：不要用私人邮件、聊天记录、内部文档做蒸馏，涉及非公开信息必须取得当事人明确同意；也不要把它当成本人的代言，它运行的是提炼后的框架，不是本人的判断。

常见问题

女娲.skill 和角色扮演类 AI 有什么不同？

角色扮演模仿的是说话方式，女娲提炼的是判断方式。它捕捉的是"这个人怎么想"，而不是"这个人说过什么"，并且会标注自己做不到什么。

生成一个 Skill 要多久？

单次蒸馏通常需要两三个小时，期间 6 个 Agent 自动完成采集、提炼、验证和生成，不需要人工盯着。

需要什么运行环境？

需要 Claude Code，或兼容 skills.sh 协议的第三方环境，安装通过一条 npx 命令完成。

可以蒸馏在世的人吗？

可以，但只用公开资料，且不得涉及私人数据；用于公开传播时应说明这是基于公开信息的思维框架模拟，而非本人的真实观点。