纯指令式 skill:让 agent 先调研再提问、先规划再动手、先验证再说「做完了」。
- workflow
- verification
- quality
- skill
把一次高质量的 Claude Code 或 Codex 会话蒸馏成开放权重学生模型能照做的 skill 的教师技能——让学生对照原始任务反复练习,每个版本三次试验,直到复现参考结果
skill-distill 把一次成功的智能体会话变成可迁移的 skill。教师(装载进 Claude Code 或 Codex 的 skill)读取会话日志,为指定的学生——一个 harness 加一个模型,例如 omp 配 DeepSeek-V4.1-Flash——写出 skill,然后在 tmux 里、于起始状态的干净副本上,用原始提示词和该 skill 启动学生,将学生产出与参考结果对比,定位第一处分歧并在那里修补 skill。每个 skill 版本跑三次试验;循环持续到学生复现参考结果,且只有你验收并排结果后该 skill 才算完成。护栏:学生逐字拿到参考提示词,其自身全局上下文文件在 harness 允许处被关闭;产出的 skill 只教步骤、决策、陷阱与检查,不得内嵌参考产出或生成它的脚本;检查项先在参考上验证,再用于学生。仓库附带操作者 skill、按 harness 的学生适配器(omp、pi、Codex、Claude Code、opencode)、会话日志提取器、面向网页任务的无头 Chromium 截图脚本,以及带 ledger 与截图的完整示例。
当一次前沿模型会话把任务做得很好,而你想让已在自己机器上运行的更便宜的开源权重模型复现同一任务时,这是对的工具——一次针对一个任务、一个模型、一个 harness。
git clone https://github.com/sybil-solutions/skill-distill ln -s "$PWD/skill-distill/skills/skill-distill" ~/.claude/skills/skill-distill # Claude Code ln -s "$PWD/skill-distill/skills/skill-distill" ~/.agents/skills/skill-distill # Codex 依赖:tmux、git、Python 3.10+,以及已安装并配置好模型的学生 harness。 网页类任务另需 pip install playwright pillow && playwright install chromium。
适配器成熟度不均:omp 已测试;Codex 作为教师已测试,作为学生需要在 STUDENT_ARGS 中配置 provider;Claude Code 作学生已编写未测试,开源模型需把 ANTHROPIC_BASE_URL 指向 Anthropic 兼容服务;pi 已编写未测试;opencode 已编写未测试,且其 JSON 日志在 extract_session.py 中尚无解析器。产出的 skill 只覆盖一个任务、一个模型、一个 harness,不是通用 skill。原始会话日志留在被 git 忽略的 runs/ 目录——里面有本机的路径与上下文。MIT 许可。撰稿时 301 星(2026-11-22)。
收录日期
纯指令式 skill:让 agent 先调研再提问、先规划再动手、先验证再说「做完了」。
归藏的 Agent Skill:把代码库的最近更新做成一支成片宣传片——接真实组件、代码渲染动画、代码写配乐,全程不碰视频剪辑软件。
一个给「图里没有任何文字线索」的照片做地理定位的 Agent Skill——用 OSM 几何、高程天际线与卫星瓦片,把「这是哪」变成带误差半径的测量答案。