技能蒸馏师

其他 社区

技能解读

当前原文的自动摘译,尚未人工审校。

参考文件

文件·内容·加载时间references/distillation-patterns.md·用于将推理转换为规则的模式目录·始终

先决条件

源技能必须存在并通过 package-evaluator >= 70% 可以访问源模型 (Opus) 和目标模型 (Haiku/Sonnet) 进行验证 surrogate-verifier 跨模型断言检查技能

第 2 阶段:痕迹收集

使用 Opus 执行 5 个代表性任务的源技能:从evals/cases.yaml(正面案例)中选择任务或生成新任务 对于每个任务,捕获完整的执行跟踪:进行的工具调用(哪些工具,按什么顺序) 输出中可见的中间推理

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
通用
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@Mathews-Tom · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第一阶段:复杂性分析

对源 SKILL.md 的每个部分进行推理难度评分: 复杂性信号 · 得分 · 具有 3 个以上分支的蒸馏操作决策树 · 高 · 转换为显式 if/then 查找表“使用判断”或“考虑上下文” · 高 · 用具体的启发式规则替换 多步推理链 · 高 · 分解为编号的原子步骤

02
第 2 阶段:痕迹收集

使用 Opus 执行 5 个代表性任务的源技能:从`evals/cases.yaml`(正面案例)中选择任务或生成新任务 对于每个任务,捕获完整的执行跟踪: 进行了工具调用(哪些工具,按什么顺序) 输出中可见的中间推理

03
第三阶段:模式提取

从收集的跟踪中,提取确定性模式: 决策路径 - 对于每个高复杂性部分,找到 Opus 在 5 个任务中做出的实际决策。如果 Opus 在 4/5 的情况下选择相同的路径,则该路径将成为默认规则 查找表 - Opus 应用领域知识的地方,构建显式查找表(例如,“如果输入包含 SQL,则使用这些模式;如果输入包含 Python,则使用这些模式”)

04
第四阶段:精炼重写

重写 SKILL.md,应用第 1 阶段中的所有蒸馏操作:源模式·蒸馏替换“分析代码并确定...”·“检查这 5 个特定模式:[列表]”“使用适当的格式”·“输出为包含列的降价表:[A、B、C]”“考虑上下文来决定...”·“如果 [条件 A]:执行 X。如果 [条件 B]:执行 Y。默认值:Z”

05
第五阶段:目标模型验证

在目标模型(Haiku 或 Sonnet)上运行蒸馏技能:在加载蒸馏技能的情况下执行第 2 阶段中相同的 5 个任务 使用`surrogate-verifier` 为每个任务输出生成断言 比较通过率:指标 · 源(作品 + 原始) · 目标(俳句 + 蒸馏) · Delta

06
第六阶段:跨模型报告

产生最终比较:

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。