distill-mentor

distill-mentor skill 概覽

distill-mentor 的功能是什麼

distill-mentor 會蒐集公開資訊、分析論文與表達風格，將真實學術導師整理成可重複使用的 AI persona，之後你可以直接與這個導師風格的 skill 對話。它不是為一次性 prompt 而設計，而是適合想要更深入成果的使用者：例如比較指導教授的學生、研究實驗室研究取向的研究者，或要打造可分享數位導師的教育工作者。

誰適合安裝 distill-mentor skill

如果你需要的是有結構的導師綜合建模，而不只是摘要，那麼這個 distill-mentor skill 會更適合你。它特別適合重視研究方向、方法論偏好、溝通風格與學術理念的使用者。若你只是想快速取得個人簡介或論文清單，直接用一般 prompt 反而更快；但如果你希望產出可保存到 ~/.claude/mentors/ 的成果，並在 ~/.claude/skills/ 下生成可重用的 skill，這個工具就更對路。

distill-mentor 有什麼不同

它最主要的差異在於深度。repo 內明確說明了以瀏覽器為優先的資料蒐集流程、搜尋失敗時的 fallback 行為、雙語支援，以及 docs/DEEP_ANALYSIS_GUIDE.md 中更深入的論文分析方式。和泛用型 prompting 相比，distill-mentor for Agent Orchestration 提供明確的觸發方式、預期輸出與可重複執行的工作流程，讓你是根據公開證據打造近似導師的助手，而不是靠臨場模仿。

如何使用 distill-mentor skill

distill-mentor 安裝與首次執行

在 Claude Code 或相容的 skill runtime 中，先加入 repo，再直接呼叫這個 skill。實務上可從以下方式開始：

• npx skills add ybq22/supervisor
• /distill-mentor "Geoffrey Hinton" --affiliation "University of Toronto"
• 可選快速模式：/distill-mentor "Geoffrey Hinton" --no-browser

文件記載的預設行為是先走 browser search；若瀏覽器搜尋失敗，會退回類似 DuckDuckGo 的蒐集流程。repo 也註明需要 Node.js >=18，而瀏覽器路徑可能會透過 puppeteer 拉入 Chromium，這對環境體積與類 CI 安裝場景都會有影響。

哪些輸入能讓 distill-mentor 用得更好

這個 skill 在你提供以下資訊時效果最好：

• 導師全名
• 若姓名容易混淆，附上 affiliation
• 在第一則訊息中說明語言情境
• 你真正要完成的工作目標

較弱的 prompt 例如：distill Geoffrey Hinton。
較強的 prompt 例如：Create a distill-mentor profile for Geoffrey Hinton at University of Toronto. I care most about his research evolution, supervision style, and how he frames risky ideas for PhD students.

這類更完整的輸入有助於提升檢索時的人名判別準確度，也能告訴分析流程在生成導師 persona 時該強調哪些面向。

最佳工作流程，以及優先閱讀哪些檔案

如果你是要快速判斷是否值得採用，建議依這個順序閱讀：

1. QUICKSTART.md：看指令、模式、輸出路徑與品質評分
2. SKILL.md：看觸發條件、允許使用的工具與 runtime 行為
3. docs/DEEP_ANALYSIS_GUIDE.md：理解所謂「deep analysis」實際會抽取哪些內容
4. docs/CHANGELOG.md：了解為何改成 browser-first，以及 --no-browser 的定位

如果你不只是想跑預設流程，而是想微調輸出，再進一步看 prompts/intake.md、prompts/analyzer.md、prompts/style-analyzer.md、prompts/deep-paper-analyzer.md 與 prompts/builder.md。

實際限制與輸出預期

使用前要先接受兩個取捨。第一，品質高度取決於公開資料足不足：有論文、演講與個人首頁資料的知名學者，通常會比公開足跡稀少的導師產生更好的結果。第二，瀏覽器式蒐集比較慢，但資訊更完整；--no-browser 速度較快，但完整度也較低。repo 自己的 quickstart 也明講品質與資料來源密切相關，因此如果某位導師分數偏低，或輸出看起來太泛，別急著否定這個 skill，先補上 affiliation、代表論文或其他來源脈絡再判斷。

distill-mentor skill 常見問題

distill-mentor 比一般 prompt 更好嗎？

通常是，尤其在你需要一致性與可保存輸出時更明顯。一般 prompt 也能模仿導師口吻，但 distill-mentor usage 在有證據支撐的綜合建模上更強，因為它把 intake、來源蒐集、論文分析、風格分析與 skill 建構拆成不同階段。這樣的結構能降低猜測成分，也讓後續重用更容易。

什麼情況下不適合用 distill-mentor skill？

如果目標人物幾乎沒有公開資料、你需要保證事實完整無缺，或你的需求其實只是簡單摘要，就不建議使用。若資料來自私有機構紀錄，除非你能透過自己的工作流程以合法且技術可行的方式提供那些材料，否則它也不是適合的工具。

對新手友善嗎？

算是相對友善。指令介面不複雜，特別是從 QUICKSTART.md 上手時更明顯。新手最常卡住的點，通常是瀏覽器搜尋相關的環境設定，以及不理解為什麼有些導師效果很好、有些卻一般。如果你想走最省力的路，先拿一位知名研究者測試，再逐步換到公開資料較少的對象。

distill-mentor 適合整合進更大的 agent workflow 嗎？

適合。當一個 agent 負責蒐集證據、另一個分析風格、再由另一個把結果包成可重用的導師 skill 時，distill-mentor for Agent Orchestration 就很有價值。repo 裡的 prompt 檔案與分階段分析設計，也比單一大型 prompt 更容易切分責任與流程。

如何把 distill-mentor skill 用得更好

為 distill-mentor 提供更強的人名判別訊號

影響最大的一項改善，就是把輸入補得更完整。當導師姓名常見時，加入 affiliation、研究領域、代表論文或實驗室名稱。例子：Distill Fei-Fei Li, Stanford, focus on computer vision leadership, student-facing advice style, and how she connects technical work to broader impact. 這能降低抓錯來源的機率，也會讓生成出的導師在語氣與優先順序上更準確。

讓 distill-mentor 朝你真正需要的輸出前進

直接告訴這個 skill，你要的是哪一種導師產物：

• advisor-style critique
• research direction guidance
• writing feedback voice
• lab culture and philosophy
• methodology preferences

如果不先講清楚，輸出很容易漂向泛泛的學術人物介紹。從那些 prompt 檔案可以看出，系統能抽取研究主題、方法論、表達風格與公開形象，因此最好明確指定哪些維度對你的下游用途最重要。

提早處理 distill-mentor 常見失敗模式

常見問題包括：人名混淆、證據過薄、過度依賴知名演講內容，以及只從少數論文做出淺層風格模仿。如果第一版結果看起來很廣泛、卻不像真正的導師，先把 quick mode 改回預設的 browser mode、補上 affiliation，並要求系統更重視近期論文，而不是歷史名聲。若公開網頁結果壓過了論文內容，就把這次執行明確錨定在 paper analysis，而非 biography。

在第一版輸出後做第二輪迭代

最實用的 distill-mentor guide 工作流程通常是兩輪：

1. 先生成初版 mentor
2. 再根據缺口進行修正

有用的後續指令例如：

• Rebuild this distill-mentor with more weight on recent publications from 2022 onward
• Reduce biography and increase supervision-style cues
• Compare methodological preferences across early, mid, and recent papers
• List weak evidence areas before regenerating the mentor skill

這樣一來，這個 skill 就不只是一次性生成器，而會變成可控制的 pipeline；而這正是它相較一般 prompting 最有優勢的地方。