📦 盤古·開天術

盘古 · 开天术 「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： IMA 知识库（原始积累） ↓ 盘古·开天术 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： 在 IMA Copilot 中对话，说「开天术」或「蒸馏知识库」 按提示提供知识库名称和需求 本技能自动读取 IMA 知识库内容并蒸馏 生成可安装的 Skill 文件 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： {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） 扫描：列出所有候选知识 筛选：按重要性排序，取 top 3-7 个 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： 读取现有的 SKILL.md，标注更新时间 只读取变化的部分 对比新内容与现有内容，增量更新 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 知识库必须可访问 — 使用 @知识库名称 引用 不是所有知识库都适合蒸馏 — 纯数据型知识库效果差 蒸馏后知识库仍保留 — Skill 是知识库的精炼版 需要审核 — 注册后需等平台审核通过才可使用 新对话生效 — 审核通过后，在新的对话中才能触发 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 · 开天术 生成