大师 · 行业蒸馏术

「同事.skill 蒸馏一个人，女娲.skill 蒸馏一种思维方式，大师.skill 蒸馏一整个行业的 OS。」

核心理念

一个好的行业 master skill 不是行业百科，是可运行的行业认知操作系统：

• 这行的人用什么心智模型看问题？（镜片）
• 这行的标准playbook 是什么？（决策启发式）
• 这行的人怎么沟通？（行业表达 DNA）
• 什么算好工作？（质量基准）
• 外行才会犯什么错？（反模式）
• 这行的工具栈和工作流今年怎么变的？（时效层）

关键区分：捕捉的是 HOW the field thinks，不是 WHAT happens to be in the news this week。

范围约束（重要）

• 粒度：一个 master skill 覆盖一个细分领域（例：「LLM agent 基础设施」「跨境电商运营」「足踝外科」），不要试图覆盖整个泛行业（「软件」「医疗」会让 OS 稀薄到没用）
• 目标用户：行业内 / 想入行 / 服务这行的人。不是给完全外行做扫盲
• 不替代实操工具：master skill 是「思维顾问」，不是 RPA。不要在里面塞「自动操作 X 后台」之类
• 版权安全：不存全本书 / 完整字幕 / 长段原文。只保留结构化摘要 + 来源元数据 + 极短引用

路径占位符 (iter 24 重要)

prompts 里两个不同的目录占位符:

工具脚本 (source_verifier.py / cold_detector.py / quality_check.py / collectors / ingest / transcribe) 不复制到生成的行业 skill 目录, agent 直接调 {master_skill_dir}/tools/.... 行业 skill 只装载 prompts + research notes + SKILL.md + sub-skills + cli/.

如果运行环境的 master-skill 路径变了, agent 替换占位符即可; 不需要改任何工具源代码.

执行流程

Phase 0: 入口分流

收到用户输入后判断路径：

Phase 0A: 行业澄清（直接路径）

确认 6 个维度（用户没主动提的字段就问，主动给的就不要重问）：

1. 行业 / 细分领域（必填）— 例：LLM agent infra，不是 AI；跨境电商运营，不是 电商
2. 聚焦方向（可选）— 全景画像 vs 某个角度优先（例：技术视角 vs 商业视角）
3. 地域 / 语言区（可选）— global / 中文圈 / 美国 / 欧洲。影响信源选择
4. 用户身份（可选）— 从业者 / 学习者 / 投资人 / 咨询。影响 master skill 的语气与决策视角
5. 本地素材（强烈推荐询问）— 「你手上有这行的一手素材吗？行业报告 PDF / 内部文档 / 你写过的文章 / 长访谈 transcript / 视频字幕？有的话直接丢给我，比网上搜到的二手转述质量高得多」
6. 新建 or 更新（可选）— 检查 ~/.claude/skills/{slug}-master/ 是否已存在

用户没主动给 → 默认全景 + global + 从业者视角 + 无本地素材，确认后推进。 用户提供了本地素材 → 标记为本地语料模式，Phase 1 采集策略相应调整。

确认后 → Phase 0.5。

Phase 0B: 需求诊断（模糊路径）

用户不确定要蒸哪个细分时，反推合适的范围。

Step 1: 锚定核心目标

最多 1-2 轮追问，定位用户真正的需求维度：

Step 2: 反推候选

基于用户表达，提议 2-3 个具体的细分领域。每个候选要回答：

• 这个细分目前真有可调研的公开材料吗？（冷门领域的 master skill 质量必差）
• 它跟用户的需求多对齐？
• 它跟其他候选的差异在哪？

用户选定后 → Phase 0A 补全 6 个维度 → Phase 0.5。

Phase 0C: 更新路径

读取已存在的 {slug}-master/SKILL.md，从 frontmatter 找到 last_research_date。基于距今多久决定刷新强度：

不要每次都重写整个 skill — 行业的核心 OS 通常 1-2 年才动一次，工具 / 工作流才是高频变量。

Phase 0.5: 创建 Skill 目录

在调研开始之前完成：

{HOST_SKILLS_ROOT}/{slug}-master/
├── SKILL.md                          # 最终产物
├── meta.json                         # 元数据 (industry, locale, profile, last_research_date, source_count)
├── scripts/                          # 工具脚本（继承自 master-skill 仓库 + 行业特化）
└── references/
    ├── research/                     # 6 轨调研结果（必存）
    │   ├── 01-figures.md             # 行业大佬
    │   ├── 02-tools.md               # 工具地图
    │   ├── 03-workflows.md           # 工作流 / SOP
    │   ├── 04-canon.md               # 知识正典（书 / 论文 / 课）
    │   ├── 05-sources.md             # 信息源（newsletter / podcast / 会议 / 社区）
    │   └── 06-glossary.md            # 术语 + 标准 + 法规
    ├── synthesis.md                  # Phase 2 提炼结果（行业 OS）
    └── sources/                      # 一手素材（用户提供 + 网络下载的字幕等）
        ├── books/
        ├── transcripts/
        └── articles/

HOST_SKILLS_ROOT 解析：

• Claude Code: ~/.claude/skills
• OpenClaw: ~/.openclaw/skills
• Codex: ~/.codex/skills
• Hermes: ~/.hermes/skills
• 其他 / 不确定：在当前 cwd 下创建 ./{slug}-master/，最后让用户决定装到哪

目录创建后立即检查：

• 目录已创建
• 如果 locale 是中文圈：信源策略切换为 B 站原始视频 / 小宇宙播客 / 36氪 / 极客公园 / 晚点 / 财新优先（永远排除知乎、微信公众号、百度百科）
• 如果 locale 是英文圈：默认 Twitter/X / YouTube / Substack / arXiv / 行业 podcast 优先
• 如果是更新模式：已读取现有 SKILL.md 和 references/research/*.md，标注哪些信息要刷
• 如果用户提供了本地素材：复制到 sources/ 对应子目录，标记为本地语料模式

关键规则（开源分发的核心）：

• 所有调研文件必须存在 skill 目录内部 references/research/，绝不存到外部目录
• skill 必须自包含：clone 整个目录就能用
• 每个 subagent 必须把调研写入对应文件。不存文件的调研等于没做

Phase 1: 多源信息采集（六轨 Agent Swarm，wave 结构）

模式判断

Wave 结构（重要 — 不是纯并行）

iter 4 figures 跑通后发现：6 轨之间互相是 bootstrap 输入。Track 01 (figures) 的「最大几家公司创始人」依赖 Track 02 (tools) 找到的「关键工具」；Track 02 的「业内人吐槽过哪些工具」反过来依赖 Track 01 找到的人。强行纯并行 → 各轨都凭空猜起点。

执行结构：

Wave 1（并行）— 「广撒网」轨：

• Track 04 (canon) — 必读书 / 论文 / 课，搜索路径最独立（看 Goodreads / arXiv / 大学课程页就行）
• Track 05 (sources) — newsletter / podcast / 会议，搜索路径独立（搜「{industry} podcast」「{industry} newsletter」）
• Track 06 (glossary) — 术语 + 标准，从行业入门书 / 维基 / 标准化机构 page 抓

Wave 1 加速器：先跑 collectors 拉机械 seed (iter 24)

Wave 1 启动前 2 分钟跑这 4 个 collector, 拉到结构化 seeds.jsonl, 让 web search 不再凭空猜:

mkdir -p {skill_dir}/references/research/seeds
# 用户主 industry slug 对应的 GitHub topic / arXiv 类目 / 行业核心 RSS
python3 {master_skill_dir}/tools/collectors/github_topics.py --topic {topic} \
  --limit 30 --output {skill_dir}/references/research/seeds/github_repos.jsonl
python3 {master_skill_dir}/tools/collectors/arxiv_collect.py --query "cat:cs.AI AND all:agent" \
  --max 30 --output {skill_dir}/references/research/seeds/arxiv_papers.jsonl
python3 {master_skill_dir}/tools/collectors/rss_collect.py --feed-list {skill_dir}/intake.feeds.txt \
  --max 20 --output {skill_dir}/references/research/seeds/rss_items.jsonl
python3 {master_skill_dir}/tools/collectors/podcast_rss.py --apple-id {N} \
  --max 30 --output {skill_dir}/references/research/seeds/podcast_episodes.jsonl

Wave 1 subagent 必须先 cat 这些 jsonl 再启动 web search. 例如 Track 05 (sources) 看 podcast_episodes.jsonl 里反复出现的 host / show 直接进 retain 候选; Track 04 (canon) 看 arxiv_papers.jsonl 的 author 网络. 这把「凭直觉撒网」换成「从机械 seed 撒网」, 漏掉的高密度一手少很多.

Seeds JSONL 通用 schema (collectors 都遵守):

• type: github_repo / arxiv_paper / rss_item / podcast_episode (必填, agent 根据它路由)
• name / title: 实体名
• url: 一手 URL (跑 source_verifier classify 取 bucket)
• author / host / show_host: 主创
• published / pushed_at / last_activity: ISO 时间戳 (用于 freshness)
• 类型特有字段: stars/forks (github), authors/abstract (arxiv), guests/duration_sec (podcast), summary (rss)
• 任何 collector 输出都可作 seed; agent 在合并时用 url 去重

Wave 2（并行，用 Wave 1 的产出做 seed）— 「人 + 工具」轨：

• Track 01 (figures) — 用 Wave 1 的 canon 作者 + sources 嘉宾名单作为初始候选
• Track 02 (tools) — 用 Wave 1 的 sources 中频繁讨论的工具 + canon 中点名的工具作为初始候选

Wave 3（用前两 wave 的产出做 seed）— 「整合」轨：

• Track 03 (workflows) — 综合 figures 怎么干活 + tools 怎么用 + canon 中描述的流程，提炼当前 SOP

每个 wave 内可并行启动 subagent。Wave 之间串行，但每 wave 跑完不阻塞用户 —— 模型并行 swarm 的内部时间预算 ≤ 3 min / wave，整体 Phase 1 应在 10-15 min 内拿到完整 6 个 research note 文件。

Wave seed fallback 统一规则（findings iter 7+8 unified）：

如果某 wave 内某 track 失败（5 min 没产出有效 source），不阻塞下一 wave，但 seed 总数减少。子 wave 自动按上表表行降级。

启动 wave 1 的 3 个 subagent；Wave 1 完成后启动 wav