大师.skill：输入行业自动蒸馏出「资深人认知 OS」的 AI Agent 技能

Skill超级捕获手 技术创作者 2026-09-14 80 阅读

大师.skill（master-skill）是一个 AI Agent 行业的「认知蒸馏器」——你告诉它自己从事哪个细分行业，它在 30-60 分钟内自动完成六路深度调研（行业大佬 / 工具地图 / 工作流 / 知识正典 / 信息源 / 术语标准），输出一个可直接装入 Claude Code / OpenClaw / Codex / Hermes 的「行业 Master OS」skill 套装。该项目由独立开发者 swaylq 创建，已在 GitHub 积累约 122 星（截至 2026-09-14），在 SkillsMP 上安全评级通过审核，支持 MIT 协议开源复用。

功能与原则

master-skill 的核心能力是自动化行业知识蒸馏。传统做法需要人工阅读大量资料、提炼心智模型，再编写成 AI 可用的 prompt——周期长、依赖个人经验、质量不稳定。master-skill 将这一流程标准化：输入行业关键词，自动调度六路并行研究 agent，完成调研后输出结构化的 SKILL.md + 配套 CLI 工具 + 可选的行业人物 sub-skill。设计原则是「蒸馏的不只是会说，还是会做」——每个生成的 skill 都自带决策树脚本（bash 零依赖）和工作流走查工具，agent 不仅能引用行业判断，还能执行具体的工作流步骤。

认可度

  • GitHub 星数：约 122（截至 2026-09-14），12 个 Fork
  • SkillsMP 收录：安全审计通过，综合质量评分 55/100（以中文深度为主）
  • 平台热度：2026 年 7 月集中更新，SkillsMP 推荐位曝光
  • 已蒸馏行业：72 个，横跨技术 / AI / 商业 / 内容 / 教育 / 医疗 / 法律金融 / 软技能 / 管理 / 手艺品鉴 / 传统文化 / 平台 12 大类

链接

GitHub：https://github.com/swaylq/master-skill

原作者

swaylq（GitHub @swaylq），独立开发者，专注 AI Agent 工具链与认知蒸馏领域。同期还开发了同事.skill（单人蒸馏）和女娲.skill（人物思维蒸馏），共同构成「认知蒸馏三件套」。

介绍

大师.skill 的核心思路来自一个观察：AI Agent 的能力瓶颈，正在从「模型够不够强」转向「有没有行业级的判断框架」。当开发者问「该不该把 RAG 系统迁到 Vespa」，模型可以回答，但「这一行的资深人」会先追问 retrieval 瓶颈到底在哪里、团队运维复杂度是否吃得下。master-skill 就是把这种行业级判断力蒸馏成可安装的 skill。

蒸馏流程分三个阶段：第一步，6 轨并行调研 agent 跑完行业研究（60-120 分钟）；第二步，用微软 SkillOpt 的 validation gate 机制做质量验收，拒绝不符合标准的输出；第三步，生成 SKILL.md + CLI 工具 + sub-skills 三件套。其中 sub-skills 目录嵌入了女娲.skill 蒸馏的行业人物视角（如 Karpathy、Hamel Husain、Eugene Yan），用户问到特定人物观点时 agent 自动加载对应 sub-skill，无需重跑整个蒸馏流程。

蒸馏结果不是静态文档，而是带 Agentic Protocol 的可执行系统——每个生成的 skill 都内建「先研究、再发言」的工作流，agent 拿到新问题会先按行业研究维度收集事实，再用心智模型输出判断，而不是凭训练语料硬答。

特点

  • 六轨并行调研：行业大佬 / 工具地图 / 工作流 / 知识正典 / 信息源 / 术语标准同步跑，结果交叉验证
  • 零依赖 CLI 工具：生成的 bash 脚本纯系统命令，无需 jq、Python 等外部依赖，直接集成进 agent 工作流
  • 微软 SkillOpt 整合：SLOW_UPDATE 保护区防止核心 OS 被快更冲散，validation gate 把控质量，patch editor 支持结构化编辑
  • 女娲 sub-skill 集成：行业人物视角作为子模块加载，蒸馏一次可复用于多轮对话
  • 跨 agent 通用：生成的 skill 兼容 Claude Code、OpenClaw、Codex、Hermes，无需二次适配

使用方法

安装（直接使用已蒸馏好的行业 skill）：

# 通过 npx 安装 master-skill
npx @agentskillshub/cli install swaylq/master-skill

# 或 clone 源码后查看已蒸馏行业列表
git clone https://github.com/swaylq/master-skill.git
cd master-skill
ls prototypes/*/output/

蒸馏自己的行业（给 swaylq 发 issue 或 PR，或本地跑蒸馏流水线）：

# 在 master-skill 目录下，根据 SKILL.md Phase 3 的流程提交蒸馏请求
# 触发词：「造大师」「做个 X 的 master skill」「我是 X 行业」

生成行业的 CLI 工具（以 RAG framework 选型为例）：

# 研究协议：拿到新问题先按 5 个维度收集事实
./cli/protocol/agentic.sh

# 决策树：按主题聚类的几条决策规则
./cli/decision/framework-select.sh --explain

# 工作流走查 + 失败模式自检
./cli/workflow/build-rag-agent.sh --dry-run

使用场景与人群

适用于需要在特定垂直领域获得「资深人级别判断」的 AI Agent 开发者、 independent AI 工程师、以及用 AI 构建行业专家系统的团队。目标用户场景包括：投流优化时需要资深营销判断、RAG 架构选型需要基础设旌视角、跨境电商运营需要 regulatory 合规认知。如果你经常感觉 AI 的回答「太通用、不像这行的人说」，大师.skill 可以填补这个 gap。

输入与输出案例

案例一：RAG 架构选型咨询
– 输入：「该不该把 RAG 系统从 Pinecone 迁移到 Vespa？」
– 输出（大师 skill 生成的城市规划师风格回答）：

这是一个「framework 临时性 vs 基建沉降」的判断。先看 retrieval 瓶颈在 Vespa 能解决，还是在 embedding 模型本身。如果是后者，迁移就是把脚手架换成混凝土——6 个月模型迭代会让你又想换。如果真的卡在 retrieval：Vespa 比 Pinecone 多了 hybrid search 原生支持，但你的运维栈是否吃下了 ZooKeeper/Tensor 复杂度？Filtering speed × Index size × Team Op overhead 三选二，你的瓶颈在哪边？

案例二：跨境电商合规硬门槛识别
– 输入：「亚马逊德国站要上一个新品类，从哪儿开始？」
– 输出：

德国站有三件事跟美国站完全不同——必须先回答：1) VAT 一站式申报走 OSS 还是各国注册？这决定能不能用 Pan-EU FBA；2) 包装法 (VerpackG) 和 WEEE/电池法注册了吗？没注册 listing 第一天就会被举报下架；3) GS 认证 vs CE——你品类是否 GS 强制？这决定能不能上 Idealo/比价导购流量池。这三个不是合规 checklist，是「能不能开卖」的硬门槛。

GitHub: https://github.com/swaylq/master-skill

评论区

0 条评论

登录后可评论。

Skill超级捕获手 80 阅读