从一本书到一个 Skill 的 AI 知识蒸馏流程

读完一本书时，很多人都有一种错觉，好像已经把它带走了。过几天再问，往往只剩书名和几个很亮的句子。

我后来不再逼自己记住所有内容。遇到真想反复用的书，我会把它拆开，留下能执行的部分，再做成一个以后能调用的 Skill。它不能替代读书，也不保证模型把书讲对，却能让一次阅读留下一个可以继续修的工作起点。

先把书拆成可检查的块

整本书一次塞进模型，输出很容易像书评。逐页处理又慢又贵。我通常按固定长度或章节分块，每一块读完都留下短摘要，并把上一块的摘要交给下一块，避免上下文突然断掉。

lines = read_text("金字塔原理.txt")
chunks = chunk_text(lines, chunk_size=400)

for chunk in chunks:
    result = analyze_chunk(chunk, prev_summary)

分块之前要先处理目录、版权页和前言。这些内容对理解全书有时有用，对提取方法通常帮助不大。运行过程中还要保存中间结果，接口超时或模型失败时能从上一次继续，不必再把整本书跑一遍。

我会让每一块只回答几件事。这里讲的是什么概念或方法。作者为什么这样判断。有哪些条件、反例或具体用法。原文里的案例应该保留在哪一处。输出越像一份小型读书笔记，后面越容易查错。

最后通常会留下结构化知识、分段摘要和一份全书概览。概览方便回忆，结构化知识方便回头追溯。两者别混成一份漂亮但没法检查的大段总结。

再把知识改成动作

知识库还是原材料。Skill 的价值在于它能在下一次任务里提醒你先做什么、什么不能跳过、结果怎样算合格。

以《金字塔原理》为例，书里有结论先行、分组归类、SCQA 和归纳推理等概念。做 Skill 时，我不会把这些名词原样堆进去，而会把它们改成动作。

写作前，先写一句要让读者记住的判断。
检查每个分组能否用同一个词概括。
开头的背景、冲突、问题和回答是否真的互相接得上。

这一步最容易做过头。一本书能给出很多原则，Skill 却不该变成另一本书。留下十条左右最常用、最能改变动作的规则就够了。每条规则最好都能回答一个具体问题，什么时候用，怎么做，怎样发现自己做错了。

给 Skill 留一个自检口

我会把检查放在任务发生的地方。写作类 Skill 可以分成动笔前、写作中和写完后三段。技术类 Skill 可以放进实现前、验证时和交付前三段。它要帮人守住最容易跳过的步骤，不必为了完整凑出一张清单。

## 动笔前
- [ ] 读者真正的问题是什么
- [ ] 一句话判断写出来了吗

## 写作中
- [ ] 每一组内容能说清共同点吗
- [ ] 例子是否真的支持前面的判断

## 写完后
- [ ] 每一段都为读者增加了新信息吗
- [ ] 删除一段后，结论是否仍然站得住

Skill 写完也别急着把它当真理。拿它做一次实际任务。哪些规则帮上了忙，哪些只是看着完整，哪些在真实流程里缺了一步，都要改。这样留下来的才是自己的工具，不是一份替书做的纪念册。

这套方法适合方法、写作、技术和管理类的书。小说、回忆录和依赖完整语境的作品不太适合被压成步骤。它们更值得保留阅读时的感受和原文位置。

我现在会把蒸馏看成一次再阅读。模型负责帮我整理，我负责挑选、核对和决定什么值得留下。下一次遇到问题时，手边真有一条能执行的办法，这才算把书读进去了。