盘古 · skill#

「知识库是图书馆，Skill 是专家」——把你的知识库从「被动查询」变成「主动能力」。

本 Skill 借鉴了 女娲 · Skill 的成熟经验，采用多阶段流程 + 检查点设计 + 质量验证标准，非常感谢。

---

💡 最佳使用场景：IMA Copilot#

本技能在 IMA Copilot 中使用效果最佳。

为什么？ IMA 本身就是知识库笔记软件——你在 IMA 中积累的笔记、文档、知识库，正是本技能蒸馏的原料。整个工作流无缝衔接：

text

IMA 知识库（原始积累）
    ↓ 盘古 蒸馏
可安装的 Skill（结构化能力）
    ↓ 安装到 IMA Copilot
触发关键词 → 自动执行完整工作流

在 IMA 中使用本技能的完整流程：

1. 在 IMA Copilot 中对话，说「盘古」或「蒸馏知识库」
2. 按提示提供知识库名称和需求
3. 本技能自动读取 IMA 知识库内容并蒸馏
4. 生成可安装的 Skill 文件
5. 将 Skill 安装回 IMA，即可重复使用

💎 精髓：IMA 负责「积累知识」，盘古负责「提炼能力」，形成知识增强闭环。

---

核心理念#

维度知识库Skill使用方式搜索 → 读取 → 理解触发关键词 → 自动执行知识形态原始文档（散装）结构化流程 + 精炼规则门槛需要知道搜什么、怎么问说一句话就触发完整流程复用性每次都要搜+读+理解安装即用，开箱即得分发加入知识库 → 问答安装 Skill → 直接用

关键区分：蒸馏的是 能做到什么（流程/规则/框架），不是 知道什么（信息/文档）。

---

执行流程#

Phase 0: 入口分流#

收到用户输入后，先判断蒸馏模式：

模式触发特征示例完整蒸馏提到知识库名称，未指定范围「把 @XX知识库 蒸馏成 Skill」文件夹蒸馏指定了文件夹名称「只蒸馏「XX文件夹」里的内容」单文档蒸馏指定了具体文档「把「XX文档」蒸馏成 Skill」任务蒸馏提到「刚才的任务」「工作流」「把我刚才做的调研报告流程变成 Skill」

---

Phase1: 需求澄清#

根据蒸馏模式，确认关键信息（参见 references/distillation-best-practices.md 中的完整模板）。

检查知识库是否适合蒸馏：

✅ 适合蒸馏❌ 不适合蒸馏有明确流程/步骤纯数据型（价格表、产品目录）有规则/规范检查需要频繁更新的实时数据有分类决策场景纯文献存档（无操作指导）有方法论/框架一次性查阅的参考资料有固定输出格式需要专业资质的领域（医疗诊断等）

---

Phase 1.5: 创建 Skill 目录#

收到确认后立即执行，在读取内容之前完成：

text

{skill-name}/
├── SKILL.md                          # 核心技能文件
├── references/                       # 参考文档（从知识库提炼）
│   ├── 01-core-knowledge.md
│   ├── 02-checklist.md
│   └── 03-cases.md
├── assets/                          # 模板文件（从知识库提取）
└── examples/                        # 使用示例

关键规则：所有参考文件必须存在 skill 目录内部，Skill 必须是自包含的。

---

Phase 2: 内容读取与分析#

读取策略：

• 完整蒸馏：读取知识库所有文件和文件夹结构
• 文件夹蒸馏：只读取指定文件夹内的文件
• 单文档蒸馏：只读取指定的单篇文档
• 任务蒸馏：分析对话历史，提取完整工作流

对读取的内容进行结构化分析（核心知识提炼、流程提取、案例提取、参考文档识别）。

---

Phase 2.5: 分析确认检查点#

内容读取和分析完成后，暂停展示分析摘要给用户确认，再进入 Phase 3。

---

Phase 3: 框架提炼#

3.1 核心框架提取（3-7个）

1. 扫描：列出所有候选知识
2. 筛选：按重要性排序，取 top 3-7 个
3. 记录格式：每个框架记录——名称、一句话描述、来源证据、应用方式、局限性

3.2-3.5 提炼内容

• 流程步骤提炼（如有）：完成某项任务的具体步骤
• 检查清单提炼（如有）：需要逐项确认的内容
• 决策规则提炼（如有）：做判断时的快速规则
• 模板提炼（如有）：需要生成特定格式内容时的模板

3.6 边界规则

必须明确写出的局限：这个 Skill 不能做什么、在什么情况下不适用、需要人工介入的场景。

---

Phase 3.5: 提炼确认检查点#

Phase 3 提炼完成后，暂停展示提炼摘要给用户确认，再进入 Phase 4。

---

Phase 4: Skill 构建#

将 Phase 3 提炼结果组装为可运行的 SKILL.md。

内容映射规则：

知识库内容映射为 Skill 中的零散的规则/规范规范型 Skill 的检查清单操作步骤文档流程型 Skill 的 Step 步骤分类知识任务型 Skill 的决策表长篇参考文档references/ 目录下的参考文件模板/范例assets/ 目录下的模板文件案例/常见问题examples/ 目录下的示例文件

---

Phase 5: 质量验证#

生成 Skill 后，执行以下质量验证：

检查项通过标准不通过信号核心框架数量3-7 个，每个有来源证据<3 或 >10每个框架的局限性明确写出失效条件只写优点流程步骤清晰度用户能按步骤执行步骤模糊或缺失边界规则完整性至少 2 条具体局限只有「不能替代人工」示例充分性至少 2 个具体示例没有示例文档结构完整性所有必要 section 都有有 section 缺失

迭代上限：Phase 3→5 最多循环 2 次。

---

Phase 6: 双Agent精炼（可选）#

Phase 5 验证通过后，可选启动双Agent精炼：

• Agent A（结构视角）：评审结构清晰度和工作流
• Agent B（用户视角）：评审触发关键词和示例

---

Phase 7: 输出与注册#

将生成的 Skill 文件输出，提供注册指引（IMA 中注册：打包zip → 上传 → 等待审核）。

---

更新已有 Skill#

当用户说「更新我的 XX Skill」时：

1. 读取现有的 SKILL.md，标注更新时间
2. 只读取变化的部分
3. 对比新内容与现有内容，增量更新
4. 不重写整个 Skill

---

品味守则（速查）#

原则一句话流程 > 知识能执行的流程比散装知识更有价值规则 > 案例具体规则比一堆案例更容易泛化边界 > 能力明确边界比夸大能力更诚实精炼 > 堆砌3 个核心框架远好于 10 个浅薄原则

绝不做的事#

• 把知识库文档原封不动地复制到 Skill 中
• 蒸馏不适合蒸馏的知识库类型
• 夸大 Skill 的能力
• 在信息不足时强行生成完整的 Skill

---

特殊场景#

场景1：知识库内容太多（>100 文件或 50000 字）#

建议用户指定蒸馏范围，或分批次蒸馏。

场景2：知识库不适合蒸馏#

纯数据型、需要频繁更新的实时数据、纯文献存档、需要专业资质的领域 → 建议保留为知识库。

场景3：跨文件夹引用#

保留引用关系，使用相对路径引用 references/ 下的文件。

场景4：蒸馏用户自己的知识库#

需要用户明确授权和描述核心知识，注意「自我认知偏差」。

场景5：冷门知识库（<10 篇文档）#

框架数量减至 2-3 个，边界规则 section 加大篇幅。

---

蒸馏示例#

完整示例请参考：

• 示例1：完整知识库蒸馏
• 示例2：文件夹蒸馏
• 示例3：单文档蒸馏

---

小贴士#

问题建议不知道技能名称怎么起？不填，让 AI 自动生成（英文 kebab-case 格式）不知道触发关键词怎么写？不填，AI 会根据知识库内容自动推断知识库内容太多？在"重点提炼"中说明哪些必须包含只想蒸馏部分内容？加一行「蒸馏范围：只提炼「XX」文件夹」想修改已蒸馏的 Skill？说"更新我的 XX 技能"想分享给别人？告诉 AI "我需要下载 zip 包"

---

注意事项#

1. 知识库必须可访问 — 使用 @知识库名称 引用
2. 不是所有知识库都适合蒸馏 — 纯数据型知识库效果差
3. 蒸馏后知识库仍保留 — Skill 是知识库的精炼版
4. 需要审核 — 注册后需等平台审核通过才可使用
5. 新对话生效 — 审核通过后，在新的对话中才能触发
6. 内容版权 — 确保你有权蒸馏该知识库的内容

---

最后#

这个 Skill 的目标是：让你知识库中的知识，从「被动等待查询」变成「主动帮你工作」。

一个好的蒸馏 Skill，应该让用户在安装后，只需要说一句话，就能触发完整的工作流——就像有一个专家在旁边指导一样。 蒸馏的是能做到什么（流程/规则/框架），不是知道什么（信息/文档）。

本 Skill 由 盘古 · skill 生成