二、把自己蒸馏成一个.skill很多人都是【把老板蒸馏成Skill】、【把前任做成.skill】,我是把自己蒸馏成了一个.skill。 (1)准备蒸馏素材:过去3个月的周报/月报(Word、Markdown都可以,我用的Markdown);一些钉钉/微信里对项目的发言截图;几个口头禅/吐槽句式;项目目录结构+Git提交记录。 (2)QClaw里建立Skill目录。 QClaw所在机器的skills目录下,新建一个文件夹me-report-skill,结构是:展开代码语言:TXTAI代码解释/skills└──me-report-skill├──SKILL.md└─ :能识别当前网页标题、URL;文本总结Skill:能对网页/文本做摘要;Markdown记事Skill:能往指定文件追加内容。
最近爆火的 同事.skill 直接站在巨人肩膀上操作就完事了 ,针对同事资料生成的 skill,那么我们就不一样了我们就弄一个通用的 任意 人物/主题的蒸馏器 首先使用 codebuddy 开发蒸馏. + 1 个交叉验证 Agent , MVP 开发任务拆解最终出来了一个 MVP 蒸馏 SKILL, 然后我将它改成了 蒸馏.skill 详情看 怎么开始用章节 并且生成系统提示词版本提供给 QClaw 明确人物 - “蒸馏芒格” - “做一个乔布斯视角 skill” - “生成一个段永平的 skill” 2. 蒸馏.SKILL的工作方式像考古学家还原古代智者,只不过用的是AI。 蒸馏.SKILL用了一个叫"三重验证"的方法。
开源:子木蒸馏版的 SEO 审计工具 seo-audit-skill v1.0做 SEO 这么久,一直想要一个既专业又省事的审计工具。 超简单,两种方式:方式 1: CLI(推荐)npx skills add JeffLi1993/seo-audit-skill# 或者安装指定版本npx skills add JeffLi1993/seo-audit-skill --skill seo-auditnpx skills add JeffLi1993/seo-audit-skill --skill seo-audit-full方式 2: Claude Code 插件 /plugin marketplace add JeffLi1993/seo-audit-skill/plugin install seo-audit-skill然后直接对话:audit this page 项目结构seo-audit-skill/├── seo-audit/│ ├── SKILL.md # Skill 定义 + agent 工作流│ ├─
当你出于内网环境中时可以通过mstsc来对目标主机内网服务端口是否开发进行简易探测,探测手法如下:
,可以分为离线蒸馏,在线蒸馏和自蒸馏。 感性上理解三种蒸馏方式: 离线蒸馏可以理解为知识渊博的老师给学生传授知识。 在线蒸馏可以理解为教师和学生一起学习。 自蒸馏意味着学生自己学习知识。 1. 早期的KD方法都属于离线蒸馏,将一个预训练好的教师模型的知识迁移到学生网络,所以通常包括两个阶段: 在蒸馏前,教师网络在训练集上进行训练。 使用在线蒸馏的时候,教师网络和学生网络的参数会同时更新,整个知识蒸馏框架是端到端训练的。 自蒸馏 Self-Distillation 在自蒸馏中,教师和学生模型使用相同的网络。自蒸馏可以看作是在线蒸馏的一种特殊情况,因为教师网络和学生网络使用的是相同的模型。
知识蒸馏概述 蒸馏指的是把不纯净的水加热变成蒸汽,蒸汽冷凝之后变成冷凝水。知识蒸馏也是把有杂质的东西,大的东西变成小的东西,纯的东西。 把一个大的模型(教师模型)里面的知识给萃取蒸馏出来浓缩到一个小的学生模型上。 教师网络是一个比较大的神经网络,它把知识传递给了小的学生网络。这个过程称之为蒸馏或者叫迁移。 这就是知识蒸馏的核心目的。 现在的预训练大模型的参数往往都是成指数型增加。 知识蒸馏的过程 我们来看一下学生网络、教师网络到底是怎么样来进行蒸馏学习的,首先有一个已经训练好的教师网络,然后我们把很多数据喂给教师网络,这里会给一个温度为t的时候的softmax。 知识蒸馏是把一个模型的知识迁移到另一个模型上。 知识蒸馏的原理 上图中大的绿色的矩形为非常大的教师网络,中间的蓝色的矩形是学生网络。
获取Windows用户的凭证信息是渗透过程中至关重要的一步,如果没有杀软,那么只要有权限想怎么读就怎么读,当有杀软时就得用一些特别的技巧,本篇文章将简单介绍几种之前在Twitter上看到的小技巧,仅供大家参考
同事 skill 刷屏后,我开源了自己的 skill——这是我的理由 4 月初,Twitter 中文圈被一条推文刷屏了。同事.skill——把同事的工作能力和风格蒸馏成 AI,离职了也能"留下来"。 紧接着,同事.skill、老板.skill、前任.skill、自己.skill、反蒸馏.skill——一套"人格蒸馏全家桶"在三分钟内完成全网分发。 三、开源 shadow.skill:主动蒸馏 vs 被动被蒸馏 在这场蒸馏浪潮里,我选择了一个不同的姿势——开源我自己的 skill。 这是我主动把自己蒸馏出来,放到社区里供人使用和迭代。 为什么? 第一,主动蒸馏,意味着你在定义自己被蒸馏的方式。 反蒸馏.skill 的真正价值,不是"对抗公司",而是让你意识到你有权决定交出什么、保留什么。 而 shadow.skill 提供的视角是: 主动蒸馏自己,是最有主动权的姿势。
一个是知识蒸馏的方法用于深度学习,同时也需要深入学习;另一个则是本文的核心:蒸馏中如何合理运用温度,让隐藏的知识更好地挥发和凝结。 蒸馏模型 模型蒸馏或知识蒸馏,最早在 2006 年由 Buciluǎ 在文章 Model Compression [14] 中提出(很多博主把人名都写错了。 先简要概括一下模型蒸馏在做什么。出于计算资源的限制或效率的要求,深度学习模型在部署推断时往往需要进行压缩,模型蒸馏是其中一种常见方法。 对于相同的输入,让学生输出的概率分布尽可能的逼近教师输出的分布,则大模型的知识就通过这种监督训练的方式「蒸馏」到了小模型里。 后话 写完这篇文章才发现,潘小小【经典简读】知识蒸馏(Knowledge Distillation)经典之作 [17] 一文中已有类似的探讨。
本页目录 Toggle 安装技能Cli 找技能 推荐的热门Skill Codex强制安装 技能是 AI 智能体可复用的能力。只需一条命令即可安装,让你的智能体获得流程性知识,从而实现能力增强。 frontend-design 选择你的AI IDE,回车、选择Global、选择Yes、 npx skills add https://github.com/anthropics/skills --skill 选择后,后续AI的IDE就会使用此Skill 推荐的热门Skill # 前端设计 npx skills add https://github.com/vercel-labs/agent-skills - -skill web-design-guidelines # 前端设计(这个排名似乎不搞,但是好像挺不错的。) codex --force 还有一个办法就是:你丢给skill的项目链接,让Codex自己安装Skill。
一位在数字洪流中思考人生的观察者 一、技术的狂欢:当“蒸馏”成为现实 2026年3月30日,一个名为“同事.skill”的GitHub项目悄然上线。 而“女娲.skill”则更进一步,将乔布斯的创新思维、马斯克的风险决策、芒格的投资智慧“蒸馏”成可调用的AI技能包。 二、人生的悖论:我们都在追求“被蒸馏” 有趣的是,人类对“被蒸馏”的渴望早已根植于文明基因。 “同事.skill”和“女娲.skill”只是将这一古老追求技术化、系统化了。它们揭示了一个深层悖论:我们创造技术来解放自己,却又在技术面前感到前所未有的焦虑。 ”我们的能力,但无法“蒸馏”我们的人生。
最近看到把一个人蒸馏成skill的概念很流行。如果把自己直接蒸馏成skill,然后让AI回答时,用自己的口吻进行回答,估计会更加亲切和易于理解。 准备素材要蒸馏skill,首先需要准备自己写的内容,让AI对自己有充分了解。我准备了五十余篇文章。创建skill创建skill需要让模型读完所有的文章,要烧不少token。 怎么让QClaw去进行skill蒸馏呢?我选择直接问QClaw,它告诉只需要把文章压缩包放到工作目录就行了。我按照它的方法,把两个目录压缩包放到.qclaw/workspace路径下。 做完之后,它自动的把这个我的个人skill,放到了.qclaw/skills路径下。使用skill下面用我的skill来做个测试。 我找到它给我总结的skill文件,看到AI是这样概括我的写作风格的。看上去挺中肯的,有几分道理。我想让它每次都使用我的skill进行回答,可以在qclaw的里面进行进一步操作。
职场封神Skill合集! 炼化同事、蒸馏老板,效率直接拉满 日常工作中沟通成本高、需求难对齐、汇报不专业、任务推进慢,大量精力消耗在非核心事务上。 技能对比总览 技能名称 核心能力 适配场景 老板蒸馏Skill 向上管理、汇报优化 对接领导、工作汇报 同事炼化Skill 高效协作、需求对齐 跨部门沟通、任务配合 前任沟通Skill 体面对话、边界把控 职场人脉、前任对接 秘书助理Skill 日程统筹、细节执行 事务管理、流程落地 张雪峰思维Skill 逻辑拆解、现实规划 职业选择、人生决策 老板蒸馏Skill 疯狂之处 自动把杂乱工作内容提炼为领导爱看的汇报格式 /colleague-skill 前任.skill 复刻前任聊天风格,情感回忆 https://github.com/therealXiaomanChu/ex-skill 自己.skill 蒸馏自身,打造数字永生副本 https://github.com/notdog1998/yourself-skill 反蒸馏.skill 清洗Skill文件,保留核心知识 https://github.com/leilei926524
QClaw龙虾技能工坊:一键蒸馏文献成专属Skill,毕业论文全流程自动化通关!谁懂啊家人们!毕业论文、英文文献、答辩焦虑……毕业季的每一步都在渡劫? 不仅能陪跑论文全流程,更能把海量文献一键蒸馏成专属Skill,从此论文、答辩、文献阅读全自动化,让你躺着毕业! 龙虾神技1:文献自动蒸馏Skill,打造你的专属论文知识库还在一篇篇啃文献、手动整理知识点? ✨蒸馏后Skill的自动化能力:自动文献问答:直接问Skill「这个领域的核心理论有哪些?」「XX学者的核心观点是什么?」 使用方法:AI自动蒸馏,10分钟生成专属论文Skill”示例指令:帮我写一个自定义Skill,把零散的文献知识凝练成一个专属「论文Skill」,实现快速问答,所有参考文献我都放在了这个目录下面C:\Users
1.1 模型蒸馏原理知识蒸馏是一种模型压缩常见方法,指的是在teacher-student框架中,将复杂、学习能力强的网络(teacher)学到的特征表示"知识"蒸馏出来,传递给参数量小、学习能力弱的网络 实验表明通用蒸馏阶段和任务蒸馏阶段的蒸馏loss不匹配时,学生模型的效果会受到影响。 具体来说,第一阶段,General Distillation,在预训练的老师、一般数据和潜在蒸馏损失的指导下进行蒸馏。 如果已提供的通用蒸馏学生模型尺寸符合需求,用户可以主要关注接下来的任务蒸馏过程。 教师模型和通用数据继续用通用蒸馏的方式蒸馏学生模型,进一步提升学生模型的效果;a.
一句话总结我把过去中二时期的自己,用 QClaw Skill 的形式"蒸馏"保存了下来。现在随时可以召唤"15岁的我"出来聊天,让他锐评现在的我。 **于是我决定做一件邪门的事——用 QClaw 的 Skill 系统,把"过去的我"做成一个可以对话的 AI。2.技术实现获取Qclaw浏览器搜索QClaw,进入官网下载。 核心思路:双层架构蒸馏参考了 ex-skill 项目的思路,让QClaw设计并实现了一个双层架构:目录结构cringe-self/使用演示第一步:创建人格$ python scripts/create_cringe_self.py **延伸思考这个思路可以扩展到更多场景:**前任.skill** — 把前任的资料做成 Skill,复盘感情(危险操作)**追剧搭子.skill** — 记住你的追剧进度,陪你实时吐槽**理财小白.skill 很重要)**可组合**:可以和其他 Skill 组合使用如果你也有类似的邪门想法,建议直接用 QClaw 的 Skill 系统试试,比从头写代码快多了。
1.1 模型蒸馏原理 知识蒸馏是一种模型压缩常见方法,指的是在teacher-student框架中,将复杂、学习能力强的网络(teacher)学到的特征表示"知识"蒸馏出来,传递给参数量小、学习能力弱的网络 实验表明通用蒸馏阶段和任务蒸馏阶段的蒸馏loss不匹配时,学生模型的效果会受到影响。 具体来说,第一阶段,General Distillation,在预训练的老师、一般数据和潜在蒸馏损失的指导下进行蒸馏。 如果已提供的通用蒸馏学生模型尺寸符合需求,用户可以主要关注接下来的任务蒸馏过程。 fine-tuned教师模型和通用数据继续用通用蒸馏的方式蒸馏学生模型,进一步提升学生模型的效果; a.
6874876parents-skill将父母蒸馏成AI的温情记忆库5642667MamaSkill为思念赋予数字生命的温度9253188crush-skills专属暗恋对象的AI人格复刻师5818189yourself-skill Skill名称功能描述点赞数热度值1steve-jobs-skill极致坦诚的产品思维顾问4658472elon-musk-skill第一性原理思维训练顾问5076943zhang-yiming-skill 芒格式逆向思维决策顾问4302847taleb-skill极端风险下的决策思维顾问8193528trump-skill权力博弈的思维解码器8974669naval-skill硅谷哲学家的思维操作系统57086910feynman-skill 名称功能描述点赞数热度值1supervisor-skill导师AI分身一键蒸馏生成9019732professor-skill你的AI复习搭子,懂考点更懂老师6738753colleague-skill 多目标动态平衡决策框架1917717roast-cold-email-skill精准打击的批评式求职冷邮件6474568nuwa-skill人物思维蒸馏与Skill生成器2505219forge-skill
在大家都在卷代码生成 Skill、图表分析 Skill 的时候,一批开发者开始把算力用在了一个全新领域:“人.Skill”。 其中最先火出圈的,是三天斩获上千 Star 的 前任.Skill,紧随其后的是拿下了 6k+ Star 的开山鼻祖 同事.Skill 和 老板.Skill。 在吃瓜群众眼里,这可能只是一场“电子招魂”或“赛博复合”的狂欢;但从架构师和 AI 开发者的视角来看,这其实是一场教科书级别的 Agent 人格蒸馏(Persona Distillation)与微调(Fine-Tuning 01 | 技术拆解:如何“蒸馏”一个活人? 02 | 开发者痛点实战:“同事.Skill”与“老板.Skill”把前任炼成 Skill 可能只是为了情绪宣泄,但把同事和老板炼成 Skill,则是实打实地解决开发者在协同中的痛点。
但当你了解更多细节之后,skill其实就是prompt工程的新发展。 例如当前很火的pua, 该项目已经达到了10k ⭐事实上他的实现就是一个好的prompting工程 (有兴趣的同学也可以去做一些开源的skill去丰富自己的简历)可复用的skill也迅速加快了人们对他的使用 例如在一个对话场景中,如果我们希望有pua的skill注入,我们还需要去手动修改prompt,一旦有一个新的skill,就得重复、反复的修改,这不仅是一个繁杂的工作,而且对于无需使用的skill还会导致上下文爆炸 → Skill Routing → Skill 选择 → Prompt Augmentation → 现有 LLM 应用的流程,以低侵入的方式直接接入ai应用中from skill_adapter import = SkillConfig( skill_dirs=[".