一、问题是什么
「让 AI 用乔布斯的方式思考」这件事,现在的做法基本是写提示词:你是一个像史蒂夫·乔布斯那样的产品天才,说话直接、追求极致……这样出来的东西能用,但用两次你就会发现不对——它是在模仿语气,不是在用判断框架。你问它一个新产品该不该做,它会说「这不够 insanely great」,但它不会告诉你它凭什么这么判断。
女娲.skill 想解决的就是这个。你输入一个名字,它自己去调研、提炼、验证,最后产出一个可以直接安装使用的 Skill。这个 Skill 面对新问题时,能做出那个人会做的判断,而不是背那个人说过的话。
二、核心设计机制
它提取五层东西。
第一层,怎么说话:表达 DNA——语气、节奏、用词偏好、什么话他绝不会说。
第二层,怎么想:心智模型和认知框架。作者的说法是,工作习惯可以靠流程文档传递,但让芒格和马斯克面对同一个问题做出不同判断的,是认知框架。女娲提取的是认知操作系统。
第三层,怎么判断:决策启发式。遇到某类问题时他具体怎么下手,先看什么、先算什么、什么条件下会掉头。
第四层,什么不做:反模式和价值观底线。这一层最容易被忽略,但它决定了 Skill 的边界感。
第五层,知道局限:诚实边界。这个 Skill 明确知道自己不该回答什么。
真正让这套东西不流于形式的是它对「心智模型」的筛选标准——三重验证:这个模型必须在他跨两个以上领域的言行里出现过;必须能用它推断出他对一个全新问题的立场;而且不能是「所有聪明人都这么想」的通用道理。三条都过才算一个模型。
另一个关键设计是「先写先验快照」。在查任何资料之前,先让模型把「不查资料就知道的内容」写下来。之后的调研只找三种东西:推翻它的、比它深的、它没有的。模型本来就能答出来的东西,不占 Skill 的篇幅。这一步是防止产出退化成百科词条的关键——如果没有它,调研很容易变成把维基百科抄一遍。
第三个设计是「封存考题」。采集阶段除了收集公开材料,还会同时封存一批这个人真实做过的决策和完整回答,不给提炼环节看,留到最后当考题。这样验证的时候,考的不是「Skill 记不记得他做过什么」,而是「Skill 能不能推出他当时的选择」。
三、功能拆解
五个阶段,每一步都有明确的产出。
第一阶段,先写先验快照。产出是一份「模型已知内容」的清单,作为后续调研的排除表。
第二阶段,采集与封存。六类材料各自存档:著作、播客与访谈、社交媒体、批评者视角、决策记录、人生时间线。批评者视角单独列一类,这一点比较少见于同类工具——只收集赞美是提炼不出边界的。同时封存真实决策与完整回答,留作考题。
第三阶段,提炼。产出是:5 到 8 个招式(遇到某类问题时他具体怎么做)、3 到 7 个心智模型、决策启发式、带出处的案例卡、至少 2 条常见误读、声音、张力与边界。常见误读这一项也是少见的——它明确写下「大家以为他会这么想,其实他不会」。
第四阶段,成形。产物分三层:350 行以内的 SKILL.md、案例库 references/casebook.md、原话库 references/voice.md。每个 Skill 自带七条运行纪律,比如「材料里没有,不等于他没说过」「原话和推演分开说」。
第五阶段,验证。由独立 agent 盲测:同一组任务题,带 Skill 和不带 Skill 各答一遍,评审不知道哪份是哪份,再加封存题和边界题。结果写进 FIDELITY.md,输了也照写。
已经蒸馏好的有 14 个人物加 1 个主题:Paul Graham、张一鸣、Karpathy、Ilya Sutskever、MrBeast、特朗普、乔布斯、马斯克、芒格、费曼、纳瓦尔、塔勒布、张雪峰、孙宇晨,主题那个是 X 导师(X/Twitter 运营)。每个都是独立仓库,可以单独装。
保真度这块作者做了一件比较少见的实事:15 个官方 Skill 全部过了独立双 agent 盲测,结果是全员 A 级(85 分以上)。具体分数是 MrBeast、纳瓦尔、塔勒布、乔布斯、Karpathy、Paul Graham、张雪峰都是 97 分,芒格、费曼、X 导师 96 分,特朗普 95,Ilya 94,张一鸣 93,孙宇晨 91,马斯克 89。评分卡放在每个 Skill 目录的 FIDELITY.md 里,方法论在 references/fidelity-scorecard.md。
四、适合谁不适合谁
适合:想让 AI 帮忙做判断、而不只是帮忙写东西的人。你要的不是「帮我写一段乔布斯风格的产品文案」,而是「用乔布斯的框架看这个产品该不该做」,那这个东西对得上。
适合:已经在用 Agent Skills 生态的人。它基于开放的 Agent Skills 协议,不绑定某一个 AI 工具,Claude Code、Codex、Cursor、OpenClaw、Hermes Agent、CodeBuddy、WorkBuddy、Gemini CLI、OpenCode、DeepSeek Harness 这些都能用,官方说兼容 50 多个 runtime。
适合:想给自己或团队沉淀「判断方式」的人。这套方法论不只能蒸馏名人,也能用来整理你自己团队里那位老法师的决策习惯。
不适合:想找角色扮演玩具的人。它明确不是角色扮演——产出的是判断框架,不是人设皮肤。你让它模仿乔布斯说话,它会更倾向于告诉你乔布斯会怎么想这个问题。
不适合:指望它百分之百准的人。作者自己写了三条诚实边界,见下一节。
不适合:完全不想读文档的人。它的安装很轻,但要用好得理解「五层」和「五阶段」,否则你会觉得它只是在慢慢聊天。
五、诚实提醒
第一,它蒸馏不了直觉。框架能提取,灵感不能。芒格那句「我知道它会失败,但我说不出为什么」这类东西,任何方法论都提不出来。
第二,它捕捉不了突变。任何一个人物 Skill 都是截止调研时间点的快照。这个人后来改主意了,Skill 不会知道。
第三,公开表达不等于真实想法。它只能基于公开信息——著作、访谈、社交媒体、别人的记录。一个人公开说什么和私下怎么想,本来就可能不一样。
第四,网络不通的时候安装会卡。通用的 skills 安装器走的是克隆仓库,网络不通会卡在克隆那一步。备选是手动克隆到对应目录,或者干脆把 SKILL.md 的内容贴进对话里——这是官方的第三条路。
第五,核心文件不接受外部 PR。作者把 SKILL.md 当核心资产,外部改动一律不收,发现方法论问题去开 issue,被采纳的想法由维护者实现并在 commit 里致谢。社区自己蒸馏的人物 Skill 走 COMMUNITY.md 索引——放你自己的仓库、跑一遍评分卡拿到 B 级以上、提一行 PR 就能收录。
第六,它占用上下文。一个 SKILL.md 最多 350 行,加上案例库和原话库,实际加载时吃掉的上下文不算少。如果你同时装十几个,得注意预算。
六、项目现状
本文写作时(2026 年 11 月),仓库有 38775 个 star,最近一次代码推送是 2026 年 11 月 21 日,最新版本 v2.0.2,许可证 MIT。作者是花叔(Huashu)。
语言构成是 Python 94.1%、Shell 5.9%。仓库结构分三块:SKILL.md 是女娲本体;references/ 是方法论(extraction-framework.md 提炼方法论、research-playbook.md、validation-playbook.md、diagnose-playbook.md、special-cases.md、fidelity-scorecard.md、skill-template.md);examples/ 是 13 个人物加 1 个主题的完整示例,含调研数据,乔布斯那个还附了完整实战对话记录。
姊妹项目是达尔文.skill:用自主实验循环批量优化 Skill,8 维度评估、棘轮机制(只保留改进、自动回滚退步)、独立子 agent 评分。女娲第五阶段的双 agent 精炼内置了达尔文的评估体系。
作者还出了一本纸质书《图解 Agent Skills》,第 8 章讲的就是女娲和另一个 Skill 的完整设计过程。
七、常见问题
问:这算不算让 AI 角色扮演?
答:不算。角色扮演是换语气,女娲是换判断框架。它的产出会让 AI 用那个人的方式分析问题,而不是用那个人的口吻背台词。
问:准不准?
答:作者做了盲测,15 个官方 Skill 全员 A 级(85 分以上),最高 97 分最低 89 分。但盲测的题目是作者自己出的,这个分数应该理解为「在作者设计的考卷上表现好」,不是绝对准确率。
问:它明确做不到什么?
答:三条。蒸馏不了直觉;捕捉不了突变(只是某个时间点的快照);公开表达不等于真实想法。
问:支持哪些 AI 工具?
答:基于 Agent Skills 协议,官方说兼容 50 多个 runtime。常见的 Claude Code、Codex、Cursor、OpenClaw、Hermes Agent、CodeBuddy、WorkBuddy、Gemini CLI、OpenCode、DeepSeek Harness 都支持。
问:要花钱吗?
答:项目本身 MIT 免费。但蒸馏过程要消耗模型的 token,用哪个模型就算哪个模型的账。整个流程跑完,具体花多少取决于你要蒸馏的人资料有多少。
问:蒸馏一个人要多久?
答:取决于资料量。著作多、访谈多的人(比如乔布斯、芒格)采集阶段就很久;资料少的人快一些但产出也薄。作者没有给固定时长,这是合理的——资料量本来就没法预设。
问:能不能蒸馏我身边的人?
答:能,但有个前提:你得有足够的公开材料或者你自己整理的记录。没有材料,提炼环节就只能靠模型猜,那出来的东西和写一句提示词没区别。
问:产出放在哪里?怎么卸?
答:产出的人物 Skill 写进对应 runtime 的 skills 目录(Claude Code 是 ~/.claude/skills/,DeepSeek Harness 是 ~/.dsh/skills/ 或项目的 .dsh/skills/)。卸载就是删掉那个目录,或者在 DeepSeek Harness 里跑 dsh plugin --profile web remove huashu-nuwa。
问:为什么核心文件不收外部 PR?
答:作者把 SKILL.md 当核心资产,方法论的一致性比接受更多贡献更重要。想贡献的话有两条路:发现方法论问题去开 issue,或者自己蒸馏一个人物 Skill 走 COMMUNITY.md 索引。
问:和达尔文.skill 什么关系?
答:达尔文是批量优化 Skill 的工具,8 维度评估加棘轮机制。女娲第五阶段的验证环节内置了达尔文的评估体系。两个是姊妹项目,方向不同——女娲造,达尔文改。
问:必须联网吗?
答:蒸馏阶段必须,因为它要去查资料。但造好的 Skill 使用时不联网——它就是一份 markdown 加两个参考文件。
问:占多少上下文?
答:SKILL.md 最多 350 行,加上案例库和原话库,一个 Skill 实际加载时吃掉的上下文不算少。装十几个要注意预算。
问:能商用吗?
答:许可证是 MIT,可以商用。但要注意产出物里如果大量引用某个人的原话,那是另一个层面的版权问题——作者把原话和推演分开存放,部分就是为了让这件事更清楚。
下载地址
夸克网盘(永久有效):https://pan.quark.cn/s/f39445bf3205
本教程由「宝藏星球屋」整理,更多软件、游戏、开源项目都在 https://cbge.top。























暂无评论内容