GitHub - Echoxiawan/fuxi-skill: 把任何对象的能力、灵魂、思维、逻辑、人格与风格,蒸馏成 agent 能直接调用的 skill · GitHub
Skip to content

About

把任何对象的能力、灵魂、思维、逻辑、人格与风格,蒸馏成 agent 能直接调用的 skill

Resources

Stars

6 stars

Watchers

1 watching

Forks

Repository files navigation

伏羲 · 万物蒸馏

简体中文 | English

把任何对象的能力、灵魂、思维、逻辑、人格与风格,蒸馏成 agent 能直接调用的 skill。

伏羲是一个“生产 skill 的 skill”。它研究书、人、思想、组织、产品、品牌、空间、器物、作品、事件或自然现象,从证据中提取真正决定其行为与辨识度的生成维度,最终交付可复制、可安装、可发布的 dist/<skill>/。

用户不需要先研究维度或准备完整材料。一句话就能启动:

使用 $fuxi-skill 把《孙子兵法》蒸馏成 skill。

伏羲会自行决定蒸馏什么、是否联网、取哪些材料、何时停止,以及怎样验证产物。

快速开始

安装到支持 Agent Skills 的运行时:

npx skills add <repo-url>

然后直接描述对象;材料可给可不给:

把乔布斯蒸馏成 skill
把这本书蒸馏成 skill:~/books/example.pdf
把这个品牌和这些访谈链接蒸馏成 skill
把这个空间的比例、材料、情绪和交互方式蒸馏成 skill

用户也可以指定维度或范围,例如“只蒸馏其逻辑与判断”“只用我给的材料”“禁止联网”。未指定时,伏羲自主完成整个流程。

最终交付不是分析报告,而是标准 skill:

dist/<skill>/
├── SKILL.md
├── agents/openai.yaml          可选
├── scripts/                    可选
├── assets/                     可选
└── references/
    ├── LEDGER.md               可回查证据账本
    ├── RESIDUE.md              淘汰项与适用边界
    ├── VALIDATION.md           验证结果与成熟度
    ├── excerpts/               最小文字证据
    └── evidence/               原样非文本证据

它产出的不是总结

总结告诉 agent“对象说过什么”;蒸馏 skill 约束 agent“如何观察、思考、判断、表达和行动”。调用产物后,agent 直接以对象的方式完成当前任务,而不是先介绍“对象可能会怎么做”。

对象只提供生成方式,用户仍提供当前事实与目标。风格还原不等于冒充本人,也不允许编造对象从未表达的知识、经历或立场。

自主选维与取材

当用户只说“把 X 蒸馏成 skill”时,伏羲会:

  1. 界定并消歧对象,推断最有价值的调用场景。
  2. 用默认维度做发现式扫描,同时允许材料长出新的自定义维度。
  3. 只保留证据充分、具有辨识度且会改变 agent 行为的维度,不机械凑满清单。
  4. 默认铸成一个多维整合 skill;只有触发、安全边界或上下文明显不同才拆分。

取材遵循“用户材料优先、缺口驱动联网”:

  • 有文件或链接:先盘点覆盖面并把承重链接落盘,只为身份、反例、跨期/跨场景或承重维度缺口补证。
  • 没有材料:对公开对象主动寻找一手来源;搜索摘要和模型记忆只能导航,不能充当证据。
  • 禁止联网:只使用已经提供或落盘的材料,明确记录缺失与置信度。
  • 私人对象:不主动从公网拼接身份与行为资料,以用户有权提供的材料为边界。
  • 材料很多:先建源地图,再按时期、场景、媒介、典型样本与反例分层抽样。每批只补明确缺口;连续两批没有新候选、反例、边界或规则修正即停止。

所有承重材料必须落盘。文字逐段回查;图片、音频、视频、网页快照、实物照片与日志保留定位和 SHA-256。

开放维度谱

维度 核心问题 进入产物的内容
魂 Essence 去掉什么,它就不再是它? 身份核、核心张力、不可牺牲项
思 Cognition 它如何组织信息并形成答案? 内部表征、推演顺序、更新规则
理 Logic 它认定现象如何生成? 因果链、反馈环、状态机、反事实
能 Capability 它能稳定完成并迁移什么? 任务接口、产物规格、完成判据
镜 Lens 它优先看什么、忽略什么? 注意顺序、问题框架
法 Method 它如何把输入变成输出? 步骤、产物、失败分支
判 Verdict 它如何接受、拒绝和取舍? 判据、红线、优先级
性 Persona 它如何欲求、反应和相处? 动机、压力反应、关系边界
语 Voice 它如何表达? 词汇、句法、节奏、口气、语气
形 Form 它如何显现? 构图、材质、比例、声音、交互语法

这十维只是默认探针,不是封闭分类。世界观、情绪动力、风险感、幽默机制、关系姿态、叙事时间感等,只要有证据、可调用、可证伪,就作为自定义维度纳入。

裂 Fissure 贯穿所有维度,专门提取矛盾、例外、伪装、失败、代价和时代边界,防止产物变成吹捧或表面模仿。

“能 Capability”是对象自身可迁移的本领;“能力增量 Capability gain”是验证 skill 是否让 agent 变强的指标,二者不能混用。

产物如何运行

一个多维 skill 支持三种模式:

  • 全维:启用产物内全部已入选维度,用完整风格回答或做事。
  • 指定维度:只启用用户点名维度和维持真实性所必需的依赖,例如“只用逻辑,不模仿语气”。
  • 自动选维:按任务选维;对话偏性/语,分析偏思/理/镜,决策偏魂/思/判,执行偏能/法,创作偏魂/思/语/形。

多维不是把风格拼贴在一起,而是逐层传递约束:

魂/边界 → 思/理 → 镜/判 → 能/法/性 → 语/形

验证与发布标准

每个产物必须同时通过三类门禁:

  1. 证据门:承重主张挂 [E-###];文字能回原文,非文本文件哈希一致,推断至少依赖两条独立证据。
  2. 价值门:至少证明能力增量、还原增量或稳定增量之一。
  3. 行为门:承重维度通过专属证伪;多维产物还要通过全维协同、指定维度隔离、自动选维、任务直达和内容隔离。
python3 scripts/ledger_check.py distilled/<source>
python3 scripts/budget_check.py distilled/<source>
python3 scripts/pack_skill.py distilled/<source>/skills/<skill>
python3 scripts/release_check.py distilled/<source>/dist/<skill>
  • candidate:结构、自包含、证据和预算通过,但独立行为验证尚未完成;不能宣称正式交付。
  • release:价值门、维度证伪、选维/协同、诱饵、账本、预算和发布检查全部通过;可以安装和发布。

六阶段

观 assay   → 定对象、运行任务、开放维度、取材范围与价值门
取 extract → 按默认及自定义维度提取,用裂做逆向取证
辨 sift    → 过源/异/生/用四筛,设计选维与协同
立 build   → 铸造能直接回答和做事的多维生成内核
验 verify  → 跑价值门、维度证伪、选维隔离、协同与诱饵
传 deliver → 打包并检查可发布的 dist/<skill>/

流程可通过 distilled/<source>/STATE.md 断点续作。

项目结构

fuxi-skill/
├── SKILL.md              调用入口与核心约束
├── references/           流程、开放维度谱、验证与发布规范
├── extractors/           魂、思、理、能、镜、法、判、性、语、形、裂
├── templates/            工作区、账本、验证与 skill 模板
├── scripts/              转换、校验、打包与发布检查
└── agents/openai.yaml    Codex 展示信息与默认提示

文本材料可先转换:

python3 scripts/to_text.py ~/books/example.epub

支持 PDF、EPUB、SRT、VTT、HTML、Markdown 和纯文本,并保留页码或时间定位。

边界

  • 人格产物是基于材料的行为模型,不是心理诊断,也不冒充本人。
  • 不从有限材料推断敏感属性,不声称预测真实人物未表达的观点。
  • 矛盾保留为条件分支、人格张力或失效边界,不强行调和。
  • 证据可验证不等于拥有分发权;公开发布只携带有权传播的最小材料。
  • 没有 dist/<skill>/ 就没有蒸馏产物,不能用漂亮报告代替。

License

MIT

About

把任何对象的能力、灵魂、思维、逻辑、人格与风格,蒸馏成 agent 能直接调用的 skill

Resources

Stars

6 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors

Languages