知识蒸馏工作流
知识蒸馏工作流指将领域专家的隐性知识（判断启发式、踩坑经验、边界条件）系统化提取为可执行 Agent Skill 的标准化流程。核心原则是 Gotchas 优先于 Instructions，Description 即路由规则，references 分层实现渐进式暴露。该工作流把”造 skill”从手工艺变为有模板、可批量、可质检的工程流程，支撑企业 skill 库建设。
[2026-08-06] 概念辨析：“模型蒸馏” vs 本页的”知识蒸馏”
《晚点 LatePost》2026-08-06 的报道提到了另一种蒸馏——LLM 模型蒸馏（用强模型的输出训练弱模型）：据报道，字节跳动创始人张一鸣在 Seed 内部会议上明确反对这一路线，认为蒸馏能在短期内改善模型表现，但本质上是在复制 Claude 已有的能力，沿着这条路走最多只能不断逼近对方，很难真正超越；即使不蒸馏意味着技术上短暂落后国内对手，也不会采用这一捷径。
注意与本页主题区分：本页的”知识蒸馏”指把人类专家的隐性知识提取为 Agent Skill（人 → Skill）；报道中的蒸馏指模型到模型的能力迁移（强模型 → 弱模型）。二者共享”向强者学习”的隐喻，但工程对象与争议点完全不同。
[2026-08-12] 书籍蒸馏的六步版本
方法论书蒸馏 把“人类专家 → Skill”扩展到长篇书籍：
- 扫描全书，确认方法论密度；
- 分角色提取框架、原则、案例、反例与术语；
- 至少用两个不同情境检验迁移性与预测力；
- 写明 trigger、non-trigger、步骤、失败条件与验收；
- 连接 Skill 依赖，处理重叠和冲突；
- 做压力测试和负触发测试。
核心变化：笔记是内容压缩，Skill 是激活与执行机制。Gotchas/反例、禁用条件和验证比金句更有价值。并非所有书都适合流程化；叙事、审美与体验型作品不应被强行改造成决策模板。
从采集、理解、蒸馏到模拟验证和版本维护的完整串联，见 知识从收藏到可执行 Skill。