大家都认为，只要你丢给大模型足够多的语料内容，它就能帮你把一个人，一本书，一套经验蒸馏成Skill。

从本质上来讲，这忽略了一个事实。大模型是擅长总结提取的，如果只是让大模型总结规律，然后写进一个skill.md，这件事本质上是低保真的、损耗巨大的，甚至可以说是一种很粗糙的做法。

因为Skill.md是一本说明书，是一份摘要，里面写明了定义，规则，流程，约束等内容，相当于提炼出来的重点合集。

然后总结提炼就一定会丢失信息 ，丢失细节。比如一本书的真正价值，不只是在结论里面，也在案例、语气、细节、转折、判断过程、特殊情况、表达节奏里面。

一个人的写作风格，也不只是几个标签能概括得了，比如用什么犀利、口语化、观点独特等宽泛的标签，真正的写作风格往往藏在大量细节里。

比如写作的句子长短、标点习惯、口头禅、铺垫方式、转折方式、情绪强度、废话比例、重复习惯、停顿位置、常用词和不用词。

这就是为什么有小伙伴在群里老是提问，怎么我让AI写了一个去除文章AI味道的Skill，调整了很多遍了，可写出来的文章还是有AI味道。

因为如果把一个人的所有关于写作的细节上的东西，全部都压缩成一份很短的skill文档，本质上不是复刻，而是摘要。

更何况这些摘要，还是用模棱两可的词语去概括，这从根本上是复刻不了一个人的写作风格，换成其它的一本书，一套经验，优秀同事这么多年沉淀下来的工作方法论，都是一样的道理。

说到这里，我们得认清一个事实。那就是摘要不是本人，不是原书，更不是经验本体。摘要只是大模型对于你想蒸馏的对象进行了二次概括。

这就是普通蒸馏skill操作存在的最大问题，它看起来像是在保存能力，其实是在制造一个认知空壳，一个自我安慰的技能清单。

当然那个词老马不能连着打，连着打就涉黄了。以前在群里跟小伙伴们交流的时候，就一直在强调，别太迷信网上那些开源的所谓神级Skill，别自我安慰。

聊完蒸馏Skill存在的局限性及其本质作用，接下来要补充的是有关蒸馏的概念。大家都在聊蒸馏，可能真正了解AI领域蒸馏概念的没多少。

传统意义上的模型蒸馏和蒸馏成skill，根本不是一回事。模型蒸馏是让学生模型通过训练，把老师模型的输出、能力、知识模式内化进参数里。它是一种训练过程。

而Skill蒸馏不是训练，它只是让大模型读材料、总结规律、写成说明文档。这个过程没有真正改变模型参数，也没有把能力内化进模型本身。

所以Skill蒸馏并不是在真正意义上的学习，它只是写了一本说明书，放在旁边给Agent作为参考，需要的时候翻开看一看。

这就决定了Skill的上限，模型还是原来的模型，参数习惯还是原来的参数习惯，语言分布还是原来那些语言分布。

Skill只能在推理时临时约束它，不能从根源上改变模型。模型的参数习惯和语言分布是根深蒂固的东西，除非重新训练，否则其它的行为都只能算是约束或者压制。

模型会天然带着自己的语言习惯，这是经过大量的语料学习后固化下来的。比如喜欢总结，喜欢写对称句，喜欢说首先其次最后，喜欢用短句堆叠。

喜欢直接，不绕弯，稳稳地接住你，喜欢把话说满。喜欢过度顺滑，喜欢意义拔高，喜欢把文章写得像一篇标准答案。这些都不是靠Skill.md里面的简单提示词就能彻底消掉的。

前面铺垫科普了这么多，就是为了顺利引出结论，我们需要的不是去蒸馏什么Skill，而是学习Agent的工程化思维，用Harness系统来压制Skill。

模型有自己的参数习惯，那就用工程系统去持续压制大模型。Skill只是摘要说明书，丢失了很多信息及细节，那就把它不断拉回用户真实语料的表达。

所以一个高保真，高价值，高可用的Skill，它一定是一套完整的工程系统。以老马接下来要介绍的高保真去除AI味Skill举例，一般包括以下的结构：

1、原始语料库

2、样本索引

3、风格标签

4、正反例

5、检索流程

6、文风指纹

7、Harness循环

8、评分器

9、迭代修正

10、终止条件

换句话说，这样的一个高保真去除AI味skill，就不只是一份简单的提示词清单，而是一个完整的小型写作工程。

它不相信大模型第一版就能写好，它默认第一版一定有AI味。它要做的是识别AI味，标注AI味，回到语料库去找证据，再一轮轮改掉这些AI味。

这就是它和普通去AI味Skill的本质区别，普通Skill里面的提示词是请你写得像真人一点。然后拿去朱雀检测一下，发现还是AI味十足。

说到朱雀的AI检测，它的作用跟买了电脑跑一遍鲁大师一样，纯属娱乐，实际作用不大。用AI去检测AI，参数习惯都差不多的模型，何来谁更像真人。

因此，真正判定是否有AI味，还得是靠真人去阅读。并且不是一个真人，就好像你用AI写出来的多篇文章，发出去后阅读量都很不错，且没人觉得那是AI写的，这就是成功地去除了AI味。

说到高保真去除AI味Skill，老马也是看到群里有小伙伴在求助。干脆就跟Agent进行了深度而全面的沟通，最终搓了出来，并且也引出了今天要给大家分享的工程化思维。

高保真去除AI味Skill会强制要求使用者提供语料，所谓的语料可以是你收集的公众号文章，书籍文章，个人写的日记，口播稿，小红书笔记等等内容。

然后根据语料生成候选稿，用评分器审查写出来的文章哪里不像你，再通过harness循环持续压制模型腔，直到通过认证，或者明确告诉你没通过。

这个高保真去除AI味Skill的核心功能亮点，可以总结成几条：

1、强制用户提供语料

没有语料就不执行高保真模式。因为没有真实语料，就没有真实风格。任何无语料去AI味，本质上都是泛化改写，最多只能去掉一部分表面AI腔，不能真正写得像某个具体的人。

2、原始资料优先

它不是只靠总结出来的风格标签，而是要求agent在写作过程中随时回到原文、原案例、原表达方式。真正的风格不在抽象形容词里，而在语料细节里。

3、Harness循环机制

它不是一次生成，而是循环回写。第一版只是候选稿，后面还要经过模型腔识别、语料证据对照、风格修正、评分器审查、再次迭代。

4、Loop Engineering思路

它不是靠一句神奇的提示词，而是遵循生成-检查-回写-再检查的循环系统，把大模型默认的语言习惯一轮轮压下去。

5、PASS / NOT CERTIFIED 机制

它不会假装所有结果都成功。如果语料不足，输出NEED CORPUS。如果通过检查，输出PASS。如果没有达到要求，输出NOT CERTIFIED。这比很多工具随便改完就交付更诚实。

6、完整评分器

评分器不仅检查有没有AI味，还检查像不像用户、语义有没有丢、信息有没有变、句长分布是否匹配、是否短句滥用、是否过度顺滑、是否出现模型常用表达。

7、防止假真人味

很多去AI味工具会把文章改成大量短句，表面上不像AI，实际上又变成另一种AI味。这个skill专门加入了句长分布检查，要求长短句自然混合，而不是机械短句化。

8、支持第三方风格参考

它允许用户参考公众人物、老板、朋友、品牌、虚构作者等风格，但要求用户自己承担权利、同意、署名、合法性和下游使用责任。Skill不替用户做法律判断，只要求责任确认。

这个skill真正创新的地方，不是它写了一堆不要AI味的规则，而是它把去AI味从提示词问题，升级成了工程问题。

市面上大多数去AI味的Skill，所采用的大部分是规则清单、提示词包装、语气润色、违禁词替换等手段，放到Skill.md里面就算完事。

而老马搓的这个Skill，所使用这套方法论是语料驱动，证据驱动，循环驱动，评分驱动，认证驱动五大层面，妥妥的工程化思维。

核心解决的问题其实也不是让AI写得更像真人，而是让AI不断对照真实语料，不断删除自己参数里冒出来的模型习惯，最终把文案写到逼近某种真实的表达。

所以它不是普通的skill，它更像一个高保真的文风回写系统。参考Agent的工程范式，使用工程去压制大模型输出，才是现实可靠的去除AI味道路径。

最后，这个高保真去除AI味Skill，老马已经开源了，开源地址：

github.com/majiabin2020/high-fidelity-de-ai-skill

在github的仓库说明中，也非常简单详细地介绍了这个Skill从思维到创建落地的方法论，看完本文还不是很理解的小伙伴，可以继续看看。

安装此Skill的方法非常简单，你只需要把下面的命令发送给你的Agent即可：

npx github:majiabin2020/high-fidelity-de-ai-skill

对于访问不了github，或者无法使用github的小伙伴，老马也不再叫大家去公众号发送github访问了，很多人看了AI的回复还是搞不懂。

所以这个SKill老马也打包上传到了服务器，你可以复制下面的地址用浏览器打开，最后把ZIP压缩包丢给Agent去安装就行了。或者你就直接把地址丢给Agent，让它自己去下载安装也是可以的：

今天的重点还是在工程化思维，也作为一个让大家跳出Skill是可以蒸馏出来的思维定式。那么好蒸馏的话，换句话说，国产的豆包大模型，去蒸馏一个Claude fable5不就完了，至于现在这么憋屈。

好了，以上就是今天的分享，欢迎关注、点赞、转发一键三连。有任何问题和需求，请在评论区留言，回见！