1. 项目概述：一个能“成为你”的AI技能包

最近在折腾AI编程工具，发现一个挺有意思的现象：无论是Claude Code还是Cursor，它们确实能帮你写代码、查文档，但当你问一些更“人味儿”的问题时，比如“这个offer该不该接？”、“我该怎么规划学习路线？”，得到的回答往往正确但无用，充满了“需要综合考虑多方面因素”这类正确的废话。这感觉就像问一个学霸怎么考高分，他告诉你“要认真学习、多做练习”一样，道理都对，但对你当下的困境毫无帮助。

直到我看到了程序员鱼皮开源的 yupi-skill 项目，才意识到问题的关键可能不在于AI的能力，而在于我们如何“调教”它。这个项目不是一个简单的提示词集合，而是一个经过系统化“知识蒸馏”的AI技能包。它的核心目标不是让AI模仿某个人的语气说话，而是把一个人的 思维操作系统 ——包括他的心智模型、决策规则、表达风格乃至知识边界——完整地“灌”给AI。简单说，装上这个Skill，AI在回答特定领域问题时，就不再是那个四平八稳的通用模型，而是能像鱼皮本人一样思考、判断和给出建议。

这背后的价值，对于技术人、内容创作者或者任何想建立个人知识IP的人来说，是巨大的。它意味着你可以将自己的经验体系化、产品化，让AI成为你7x24小时在线的“数字分身”，用你的方式去帮助更多人。接下来，我就结合yupi-skill的源码和设计思路，为你彻底拆解这个项目的核心，并分享如何借鉴这套方法论，打造属于你自己的“思维蒸馏器”。

2. 核心设计：从“模仿语气”到“复制思维”

很多人在尝试定制AI时，容易陷入一个误区：拼命地教AI说“口头禅”或者使用特定的句式。比如，告诉AI“每句话结尾加个‘喵~’”，这确实能制造一种表面上的相似性，但本质上AI还是那个AI，内核没变。yupi-skill的设计哲学完全不同，它追求的是思维层面的复刻。这就像不是教鹦鹉学舌，而是试图给它安装一个人类的大脑。

2.1 心智模型：决策的底层逻辑

项目中最核心的部分，是定义在 references/identity.md 中的 7个心智模型 。这不是随便总结的鸡汤，而是从鱼皮大量的公开内容、咨询对话中提炼出的、反复被验证的决策原则。我们来拆解其中几个最具代表性的：

• 方向判断 + 倾尽全力 ：这个模型解决的是“坚持与放弃”的矛盾。普通建议可能是“要坚持到底”，但鱼皮的逻辑是“先花小成本快速验证方向，一旦判断正确就All-in，如果发现是死胡同就果断止损”。这背后是一种高效的资源分配思维，避免了在错误道路上一条道走到黑的沉没成本。在Skill中，当AI被问到“该不该坚持做某个小众技术”时，它就会启动这个模型，引导提问者先去验证市场需求，而不是空谈热爱。
• MVP外壳 + 核心不妥协 ：这是产品开发的黄金法则。MVP（最小可行产品）大家常提，但鱼皮强调“外壳”可以简陋，核心价值点必须第一次就过硬。比如做一个编程学习平台，初期界面可以丑，但核心的教程内容质量必须顶尖。这个模型让AI在回答“如何启动一个项目”时，能给出非常落地的建议：别想着一步到位，先抓住一个痛点做到极致。
• 企业需要什么就学什么 ：这是针对技术学习路线的“现实主义”模型。它的判断锚点是市场需求，而非个人兴趣。当大学生纠结学AI还是学Java时，套用这个模型的AI会直接指出：“简历上没有AI，很多HR筛简历时可能直接跳过；但Java后端是当前吃饭的基本盘。所以，策略是夯实Java，同时做一个AI项目作为‘入场券’。” 这种建议剔除了模糊性，直接指向行动。

这些心智模型被编码进Skill后，AI在分析问题时，就不再是泛泛地罗列利弊，而是会像鱼皮一样，用这几把“思维手术刀”去解剖问题，给出带有强烈个人风格和实操性的结论。

2.2 决策规则：从模型到行动的具体转化

心智模型是战略层面的，而 identity.md 中定义的 决策规则 则是战术层面的“快捷指令”。它们更具体，可以直接套用在常见场景中：

• 有保底再冲高 ：直接对应求职咨询中的“骑驴找马”策略。这不是保守，而是最大化降低风险的理性选择。当用户询问“有个保底offer要不要接”时，AI会明确建议“先接了，但别停下找工作”，并解释这能带来心态上的优势。
• 口头承诺不算数 ：这条规则充满了职场实战的教训。AI在评估一个offer时，会自动过滤掉HR画的“大饼”（如“干得好两年后调薪升职”），聚焦于合同白纸黑字的内容和公司当前的实际情况。
• 能说人话就别说术语 ：这定义了沟通的优先级。无论技术问题多复杂，AI会强制自己先用人人都能听懂的方式解释核心，必要时再补充技术细节。这确保了建议的受众最广，实用性最强。

这些规则就像编程中的“函数”，输入一个具体问题，输出一个经过验证的、高效的行动方案。它们让AI的“思考”过程变得可预测、可解释。

2.3 表达风格：思维的“外包装”

最后，才是 references/voice.md 所定义的表达风格。这是思维的外在呈现，但必须建立在上述内核的基础上才有意义。yupi-skill提炼的风格非常鲜明：

1. 结论先行 ：第一句话就亮出核心观点或最终建议，如“ 说实话，我建议你别去。 ”
2. 编号分点+加粗核心 ：将复杂建议结构化，并用加粗突出最关键的一句，方便读者快速抓取重点。
3. 自嘲式幽默 ：用“虽然头毛已经不剩几根”这类句子拉近距离，软化直接建议可能带来的生硬感。
4. “总结就是”收尾 ：在分析完毕后，用一句高度凝练的话收束全文，强化记忆点。
5. “加油”结束 ：一个简单的鼓励性结尾，形成积极的互动闭环。

这种风格不是噱头，它极大地提升了信息的传递效率和接收度。当AI用这种方式组织语言时，它的回答就不再是冷冰冰的文本，而像一个经验丰富的前辈在跟你掏心窝子。

实操心得：风格的内化 在制作自己的Skill时，提炼风格不能靠空想。最好的方法是收集自己过去大量的文字记录（文章、评论、聊天记录），让AI帮你分析高频词汇、句式结构和情感倾向。你会发现，那些你以为的“随口一说”，其实背后有固定的模式。把这些模式明确写进 voice.md ，AI才能稳定复现。

3. 技术实现：遵循标准的渐进式技能加载

yupi-skill在技术实现上选择了拥抱开源标准，这保证了它的兼容性和可维护性。项目完全遵循 AgentSkills 开放标准 ，这是一个为AI Agent设计技能格式的规范。理解这个标准，是复用和改造该项目的基础。

3.1 项目结构解析

项目的目录结构非常清晰，体现了“渐进式加载”的思想：

yupi-skill/
├── SKILL.md                          # 入口：触发条件、工作流、回答模式
└── references/
    ├── identity.md                   # 身份、心智模型、决策规则、底线原则
    ├── voice.md                      # 句式特征、口头禅、幽默方式、回答模板
    └── knowledge-sources.md          # 指定信息源、联网搜索规则

• SKILL.md ：这是技能的“总控开关”。它首先定义了技能的元数据（名称、描述、作者），然后规定了 触发条件 。例如，当用户的问题涉及“编程学习”、“求职”、“职业规划”、“技术选型”等关键词时，Claude Code或Cursor就会自动加载这个技能。它还概述了AI接到问题后的“工作流”：先加载身份认知（identity.md），再决定是否联网搜索（knowledge-sources.md），最后用特定的风格（voice.md）组织答案。
• references/ 目录 ：这是技能的核心“数据库”，按需加载。
  • identity.md ：存放最核心的“我是谁”和“我如何思考”。这是AI的“人设”基础。
  • voice.md ：定义了“我如何表达”。这是AI的“语言风格包”。
  • knowledge-sources.md ：定义了“我知道什么”以及“我不知道时该去哪查”。这是AI的“外部记忆”或“搜索引擎偏好设置”。yupi-skill在这里指定了鱼皮的编程导航、AI导航、面试鸭等网站作为优先信息源，确保了回答的准确性和时效性。

这种分离的设计非常巧妙。AI不需要一次性读取所有内容，而是根据 SKILL.md 的指引，像打开一个工具箱一样，按需取用不同的文件。这降低了单次处理的上下文长度，也使得技能更新变得模块化——你只需要更新某一个 md 文件即可。

3.2 安装与集成实战

安装过程极其简单，本质就是将这个技能包克隆到AI工具指定的技能目录下。以主流的Claude Code和Cursor为例：

对于Claude Code：

# 全局安装（推荐，所有项目可用）
git clone https://github.com/liyupi/yupi-skill.git ~/.claude/skills/yupi-skill

# 或项目级安装（仅当前git仓库生效）
mkdir -p .claude/skills
git clone https://github.com/liyupi/yupi-skill.git .claude/skills/yupi-skill

对于Cursor：

# 在项目根目录下执行
mkdir -p .cursor/skills
git clone https://github.com/liyupi/yupi-skill.git .cursor/skills/yupi-skill

安装完成后，你不需要做任何额外设置。当你在Claude Code或Cursor中提问，问题命中 SKILL.md 中定义的触发条件（如“学习路线”、“offer选择”）时，AI会自动调用yupi-skill来组织回答。你也可以通过手动输入“用鱼皮的风格回答”或“像鱼皮那样思考”来强制触发。

注意事项：路径与工具版本 确保你使用的Claude Code或Cursor是最新版本，以支持自定义Skill功能。另外，全局安装的路径（ ~/.claude/skills/ ）是默认路径，如果工具更新后路径有变，需要查阅对应工具的最新文档。项目级安装的好处是技能可以随项目仓库一起管理，适合团队协作。

3.3 知识源的配置与联网搜索

knowledge-sources.md 是这个技能保持“鲜活”的关键。它不是一个封闭的知识库，而是一个导航表。文件里清晰地列出了不同问题类型对应的最佳信息源：

问题场景	信息源
编程学习、项目教程	编程导航 (codefather.cn)
AI 工具、AI 编程	AI导航 (ai.codefather.cn)
面试题、刷题	面试鸭 (mianshiya.com)

这意味着，当用户问“如何做一個Java项目？”，AI在调用yupi-skill后，会先尝试从自身的训练数据中，结合鱼皮的心智模型生成一个回答框架，然后它会 主动发起联网搜索 ，优先去编程导航（codefather.cn）上查找最新的项目教程，将找到的具体内容（比如“用户中心项目实战”）填充到回答框架中，最后用鱼皮的风格输出。

这个设计解决了大模型知识陈旧的问题，让技能的回答既能保持独特的风格和思维，又能基于最新、最准确的信息。对于想制作自己技能的人来说，这里可以替换成你自己的博客、文档站、产品官网等，成为你个人知识的延伸。

4. 方法论复现：如何蒸馏你自己的“思维操作系统”

yupi-skill最大的价值不仅是这个现成的技能包，更是它提供了一套可复制的“个人知识蒸馏”方法论。看完源码后，我按照它的逻辑，梳理出了一套为自己打造数字分身的实操流程。

4.1 第一阶段：原始素材的系统化收集

你不能凭空编造一个“你”。第一步是尽可能全面地收集能代表你思维和表达的所有材料。参考yupi-skill的“蒸馏过程”，我将素材分为六类进行归档：

1. 经历叙述 ：你的公开自我介绍、职业履历、项目总结、成功/失败案例复盘。这些定义了你的“背景板”。
2. 观点输出 ：你写的技术博客、行业评论、知乎回答、公众号文章。这里蕴含了你分析问题的角度和核心论点。
3. 答疑互动 ：你在技术社群、知识星球、一对一咨询中的聊天记录。这是最鲜活的第一手资料，能看出你如何具体解决别人的问题。
4. 产品/作品 ：你做的项目、产品、教程的说明文档和介绍。这体现了你的构建能力和价值主张。
5. 他人评价 ：同事、朋友、读者对你的评价（征得同意后使用）。这提供了第三方的视角，帮你发现不自知的特点。
6. 工作方法 ：你的笔记模板、工作流、使用的工具链。这反映了你处理事务的微观习惯。

收集时，建议建立一个文件夹，用这六个类别建立子文件夹，把所有相关文本、截图（OCR转文字）都扔进去。原始素材越多，后续提炼就越准确。

4.2 第二阶段：深度分析与特征提炼

有了素材库，接下来就是“蒸馏”的核心环节：请AI帮你一起分析。你可以将素材分批喂给Claude-3.5-Sonnet或GPT-4这类高级模型，并给它明确的指令：

指令示例： “请分析以下文本材料，它们来自同一个人。请帮我提炼：

1. 核心心智模型 ：他反复使用的、底层的决策原则或信念是什么？（例如：是先验证再投入，还是追求极致体验？）
2. 高频决策规则 ：在面对常见选择（如技术选型、时间管理）时，他有哪些具体的行动准则？
3. 独特的表达风格 ：他的语言有什么特点？（例如：爱用比喻？习惯先说结论？有什么口头禅？）
4. 知识边界与底线 ：他通常在哪些领域发言？对哪些问题会明确表示不了解或拒绝回答？”

这个过程可能需要多次迭代和追问。你可以把AI初步提炼的结果，与你自己的认知进行对比，修正后再让AI分析，直到得出那几条让你觉得“对，这确实就是我”的核心特征。

4.3 第三阶段：边界追问与人格完善

这是让“数字分身”脱离“伟光正”形象，变得有血有肉的关键一步。yupi-skill的蒸馏过程中提到了“12个追问挖掘”，我们可以借鉴，设计一些尖锐的自我拷问，让AI帮我们回答：

• 观点边界 ：“在什么情况下，你会改变你常说的‘XX原则’？”
• 决策失误 ：“回忆一个你印象深刻的判断失误或失败项目，当时是哪个思维环节出了问题？”
• 说做不一 ：“你有没有公开宣扬过某个观点，但自己私下并没有完全做到？为什么？”
• 绝对不做 ：“在你的领域里，有哪些事是你明确认为‘绝对不值得做’的‘蠢事’？”
• 价值取舍 ：“如果必须在‘项目快速上线但有瑕疵’和‘延期但保证完美’之间选择，你的决策框架是什么？”

把这些问题的答案（同样用你的风格和思维来回答）整理出来，加入到 identity.md 中。这能防止你的技能包变成一个只会说正确话的“圣人”，而是一个有局限、有偏好、有真实经验的“人”。

4.4 第四阶段：技能编写与迭代测试

现在，你可以按照AgentSkills标准，创建你自己的技能文件夹了。

1. 编写 identity.md ：将第二阶段提炼出的心智模型、决策规则，以及第三阶段追问的答案，用清晰的结构写下来。开头明确定义“我是谁”。
2. 编写 voice.md ：将分析出的表达风格、常用句式、口头禅整理成文，并附上几段最典型的原始对话作为“样本”，让AI有更直观的参照。
3. 编写 knowledge-sources.md ：列出你的知识来源。可以是你的博客地址、你常引用的权威文档、你维护的GitHub Wiki等。确保AI在需要查证时，是去向“你信任的信息源”寻找答案。
4. 编写 SKILL.md ：定义技能的元信息、触发关键词（如你的名字、你擅长的领域术语）、以及加载上述文件的工作流。
5. 测试与迭代 ：将技能包安装到你的AI工具中。不要问太简单的问题，而是模拟真实场景进行“压力测试”：
   • 一致性测试 ：问同一个问题多次，看风格和核心观点是否稳定。
   • 边界测试 ：问一些你素材中没提过、但属于你领域边沿的问题，看AI是否会诚实地说“这个我没深入思考过”，而不是胡编乱造。
   • 对比测试 ：同一个问题，关闭技能和开启技能各问一次，感受回答的差异是否明显。

根据测试结果，回头调整 references 下的文件。这是一个持续打磨的过程。

5. 常见问题与避坑指南

在实践这套方法的过程中，我和一些尝试复现的朋友遇到了不少典型问题。这里集中记录一下，希望能帮你少走弯路。

5.1 技能安装后不生效？

这是最常见的问题。请按以下步骤排查：

1. 检查安装路径 ：这是最可能的原因。确保技能文件夹被克隆到了 正确的、且AI工具能识别的目录 下。对于Cursor，通常是项目根目录下的 .cursor/skills/ 或用户主目录的对应路径。有时候工具更新会改变路径规则，务必查阅最新官方文档。
2. 检查技能格式 ：确保根目录下有 SKILL.md 文件，并且其格式符合AgentSkills标准。一个常见的错误是 SKILL.md 的YAML Front Matter（元数据部分）格式错误。可以用在线YAML校验器检查。
3. 重启AI工具 ：安装技能后，完全退出Claude Code或Cursor再重新打开，以确保其重新扫描技能目录。
4. 手动触发测试 ：先不要依赖自动触发。直接在对话中输入“请使用[你的技能名]技能来回答”，看AI是否会切换风格。如果手动触发有效而自动触发无效，问题可能出在 SKILL.md 中定义的 triggers （触发词）不够精准。

5.2 感觉AI只是在模仿语气，没学到思维？

这说明你的 identity.md 文件可能写得不够深入，停留在了表面特征。

• 心智模型太空洞 ：避免写“保持乐观”、“持续学习”这种放之四海而皆准的话。要写像“用80%时间打磨20%的核心功能”、“在接到需求时先问‘为什么’再想‘怎么做’”这样具体、可操作的决策原则。
• 缺乏矛盾场景 ：在你的素材和追问中，必须包含处理两难选择、权衡利弊的例子。例如，“当用户需求和开发成本冲突时，你通常如何决策？”AI需要看到你在具体矛盾中的思考过程，才能学会“判断”。
• 补充反面案例 ：在 identity.md 中，不仅要写“我主张什么”，也要写“我反对什么”以及“为什么反对”。明确的边界能让AI的“人设”更立体。

5.3 回答风格不稳定，时像时不像？

风格不稳定通常源于 voice.md 文件提供的样本不足或指令冲突。

• 样本要足够多且典型 ：不要只放一两段话。至少提供5-10段不同场景（如讲解技术、安慰鼓励、犀利批评、幽默自嘲）下的完整对话样本。样本质量比数量更重要，要选最能代表你语言特色的内容。
• 量化描述特征 ：不要只说“说话直接”，要描述成“习惯用‘说实话’、‘讲真的’开头，结论通常放在第一句，避免使用‘可能’、‘也许’等模糊词汇”。
• 检查指令冲突 ：确保 SKILL.md 、 identity.md 、 voice.md 之间的指令没有矛盾。例如， identity.md 说“沟通要直接”， voice.md 的样本却都是委婉冗长的，AI就会困惑。

5.4 如何让技能随着我一起成长？

一个静态的技能包很快就会过时。yupi-skill采用了“引用外部知识源”和“模块化更新”的策略，这非常值得学习。

• 动态知识源 ：像鱼皮那样，在 knowledge-sources.md 里指向你自己的博客、知识库或Notion页面。当你发布了新文章、有了新观点，AI通过联网搜索就能获取到，无需修改技能包本身。
• 定期更新 references ：每季度或每半年，回顾一下自己的新产出。将新的代表性文章片段加入 voice.md ，将新的重要决策原则补充进 identity.md 。然后重新克隆或更新技能包。
• 建立更新流水线 ：你可以将技能包仓库与你的博客RSS或Notion数据库通过GitHub Actions等工具连接起来，设定规则自动抓取新内容并生成更新摘要，半自动化地维护技能包。

5.5 这个技能包可以商用或分享吗？

这取决于你技能包中内容的版权和你的目的。

• 个人使用/团队内部使用 ：完全没问题。这是提高效率的利器。
• 开源分享 ：如果你像鱼皮一样，希望分享自己的思维模型帮助更多人，可以遵循MIT等开源协议将技能包开源。但务必 清理所有隐私和敏感信息 。
• 商用 ：如果你计划将某个专家的思维技能包打包出售， 必须获得该专家的明确授权 。直接使用他人公开内容制作技能包并盈利，可能涉及版权和人格权问题。最稳妥的方式，是从零开始蒸馏自己的知识体系。

制作自己的yupi-skill，本质上是一次深度的自我复盘和知识产品化尝试。它逼着你把那些藏在经验里的“隐性知识”变成可表述、可结构化的“显性知识”。这个过程本身，就是一次巨大的成长。当你看到AI能用你的口吻，有条不紊地解答他人困惑时，那种感觉，就像看到了一个更理性、更高效的自己。