讓 AI 使用高手視角，不等於叫它模仿名人的口頭禪。真正有價值的做法，是把公開資料中的心智模型、決策規則、反模式與誠實邊界，整理成可以被測試、被修正的認知系統。
這篇文章以女媧 Nuwa-Skill 的五層蒸餾框架為基礎，說明如何避開角色扮演的幻覺陷阱，建立可供教學、決策與內容創作使用的高品質 Skill。
▋ Belief：像某個人說話，不代表像他一樣思考
只要輸入「請用某位企業家的口吻回答」，AI 往往能產生熟悉的語氣、常見金句與表面立場。問題是，這種輸出很容易把網路印象、二手評論與模型猜測混在一起。讀者聽見了聲音，卻沒有得到可以追溯的判斷方法。
蒸餾不是模仿，而是提取認知操作系統。一套可用的認知 Skill，至少要回答五個問題：這個人如何看世界、如何做判斷、如何表達、哪些做法堅決不採用，以及在什麼地方必須承認不知道。
角色扮演追求「像不像」；認知蒸餾追求「遇到新問題時，能不能依照一致原則做出可解釋的判斷」。
女媧 Nuwa-Skill 所整理的案例橫跨創業、產品、人工智慧、內容創作、投資、教育與風險管理。這種多元性提醒我們，好的框架不能只重複人物最知名的口號，而要在不同情境中仍然具有生成力。例如第一性原理若只用來談火箭，就還只是故事；能否用它重新拆解企業成本、課程設計或個人決策，才是框架是否可遷移的測試。
三種最常見的劣質蒸餾
- 金句拼貼：收集大量引言，卻沒有說明何時使用、何時不適用。
- 成功者神化：只留下事後看似正確的選擇，忽略失敗、修正與時代條件。
- 全能化：把特定領域專長延伸成無所不知，甚至代替醫療、法律或財務專業判斷。
真正可靠的 Skill 必須保留限制。素材中的品質守則說得很清楚：寧可做出一個誠實標示局限的六十分 Skill，也不要做出一個看似完美、實際依賴編造的九十分 Skill。這不是降低標準，而是把可信度放在戲劇效果之前。
▋ Desire：我們要的不是數位偶像，而是可複用的決策資產
對個人而言，認知 Skill 可以在寫作、學習與重要選擇前，提供不同角度的檢查。對企業而言，它更大的價值是把老闆、資深主管或專家的隱性經驗，轉成新人能使用、團隊能討論、未來能持續改版的知識資產。
想像一位有二十年經驗的顧問。他判斷客戶需求時，可能只說「我憑感覺知道哪裡不對」。如果這份感覺沒有被拆解，組織就只能依賴本人；一旦他休假、離職或無法親自參與，決策品質便會下降。蒸餾的目的，是把這些判斷線索轉成問題清單、優先順序、警訊與停止條件。
一套好 Skill 應留下四種企業能力
- 共用語言：團隊用一致術語描述問題，減少各說各話。
- 決策檢查：面對新案件時，有固定問題可以逐一確認。
- 教學資產：新人能透過案例與反例理解資深者的判斷。
- 治理邊界：清楚知道哪些建議可自動產生，哪些必須由人類負責。
成本面也不能忽略。六路採集、交叉驗證與雙 Agent 精煉需要時間，也可能產生模型費用。若目標只是一次性的社群貼文，建立完整人物 Skill 未必划算；若這套思維會反覆用於顧問服務、課程、內容審查或管理決策，前期研究就可能轉化為長期可重用資產。
最好的投資標的通常不是「最有名的人」，而是最貼近你的高頻問題的人。對創業團隊，可能是產品與組織決策；對教師，可能是解釋、提問與評量；對一人公司，則可能是內容、銷售與風險取捨。
▋ Intention：用五層蒸餾流程，把人物印象變成可測試 Skill
Phase 0：先做入口分流，不要急著開始蒐集
如果已有明確人物，就先定義使用情境，例如「用於產品取捨」而不是籠統的「複製整個人」。如果只有模糊需求，例如「我需要一位能幫我做風險決策的顧問」，則應先比較候選框架，再決定蒸餾對象。目標越清楚，後續越不容易收集一堆無法使用的資料。
Phase 1：六路並行採集，避免被單一來源綁架
採集面向包括著作、長篇對話、表達方式、他者觀察、重要決策與時間線。著作呈現整理後的理論；訪談能看見即時推理；決策紀錄能檢查他是否真的依照自己宣稱的原則行動；時間線則可以辨認觀點是否曾經改變。
來源必須分級。本人著作、演講、論文與完整訪談應優先；二手摘要只能當導航，不能直接當最終證據。若不同時期說法衝突，不應偷偷選一個較好看的版本，而要記錄情境、時間與可能的演變。
Phase 2：用三重驗證提煉，而不是憑感覺挑金句
- 跨域複現：同一原則是否在多個問題中重複出現？
- 生成力：它能否協助處理原素材沒有直接回答的新情境？
- 排他性：它是否真的能區分這套框架與一般常識？
若一條原則只是「要努力」「重視使用者」或「保持好奇」，它可能正確，卻不足以構成獨特 Skill。好的決策啟發式應包含觸發條件、判斷步驟、取捨方式與失效情境。
Phase 3：把資料寫成可執行的 SKILL.md
文件不應只是人物介紹，而要包含適用任務、核心模型、操作流程、反模式、來源與誠實邊界。表達 DNA 可以保留，但只能服務理解，不能凌駕事實。若涉及真實人物，也應避免宣稱自己就是本人，而要明確說明這是一套根據公開資料整理的思考框架。
Phase 4：用已知、邊緣與風格三類測試驗證
已知測試檢查它能否正確處理人物公開談過的問題；邊緣測試把框架放進陌生領域，觀察是否仍能保持原則又不胡亂延伸；風格測試則確認輸出是否清楚一致，而不是只會堆疊口頭禪。
Phase 5：用雙 Agent 精煉，分離建構者與挑錯者
第一個 Agent 負責整理與建構，第二個 Agent 專門尋找證據不足、邏輯矛盾、過度推論與缺漏邊界。這種分工的價值，在於避免同一個建構者對自己的成果過度寬容。最終仍應由人類決定哪些內容能進入正式版本。
一週內可完成的最小版本
- 1，選題：只鎖定一位人物的一種高頻決策。
- 2，採集：至少涵蓋不同形式與不同時間的來源。
- 3，提煉：先做三到五個能被解釋的核心模型。
- 4，設界：明列不適用領域、證據缺口與必須人工判斷的事項。
- 5，測試：用正常案例、極端案例與反例挑戰輸出。
- 6，迭代：保留版本紀錄，讓 Skill 隨新證據更新，而不是一次定型。
▋ 結語：最有價值的 AI 分身，是一套能被質疑的思考方法
人物魅力可以吸引注意力，但只有可驗證的認知結構，才能累積成長期資產。當你把心智模型、決策規則、反模式與邊界寫清楚，AI 才不只是表演某個角色，而是成為一面能協助團隊檢查思考的鏡子。
如果你想把企業主、資深主管或專家的經驗，整理成可教學、可測試、可持續改版的 AI Skill，與蔡教練聊聊您的數位轉型需求，先從一個高頻決策開始蒸餾。
