anti-distill

anti-distill skill 概览

anti-distill 是做什么的

anti-distill skill 是一种文档重写类 skill，用来把详尽的员工技能文件、工作指南或 persona 文档，改写成“看起来完整，但核心知识已被抽离”的版本。它的实际作用不是做泛化摘要，而是先判断哪些内容可以保留、哪些应该稀释、哪些需要删除、哪些需要遮蔽，再按这个判断结果进行改写。

谁适合使用 anti-distill

anti-distill 最适合已经写好内部 skill 文档、现在需要整理出一版更适合对外展示或更适合审阅的用户。它尤其适用于处理 SKILL.md、work.md、persona.md、SOP、交接文档，以及混合 Markdown/TXT/PDF 输入的 Rewriting 场景。如果你的需求是尽可能完整、忠实地保留专家级细节，那它就不是合适的工具。

anti-distill skill 的差异点在哪里

anti-distill 最大的区别，在于它采用了明确的“分类 + 重写”流程，而不是依赖一句模糊的“把这个写得没那么具体”提示词。仓库里把分类和不同文档类型的改写 prompt 分开了：prompts/classifier.md、prompts/diluter_work.md、prompts/diluter_persona.md、prompts/diluter_general.md。这种设计能减少重写时的猜测成本，尤其是在处理工作知识和 persona 特征时，边界更清楚。

安装前需要了解的核心取舍

anti-distill 的目标就是有意降低文档的可用性。理想输出应该在结构上仍然可信、技术表述不出错，但同时变得更难执行、更不具体、也更难迁移复用——这正是它的目的。风险在于两端失衡：要么清理过头，变成一眼看穿的空话；要么清理不够，仍然留下操作诀窍、阈值、升级路径或决策逻辑。

如何使用 anti-distill skill

在 Claude Code 或 OpenClaw 中安装 anti-distill

这个仓库提供的是手动安装方式，不是 package installer。在 Claude Code 中，把它 clone 到项目级或全局 skills 目录即可：

mkdir -p .claude/skills
git clone https://github.com/leilei926524-tech/anti-distill.git .claude/skills/anti-distill

或者安装到全局目录：

git clone https://github.com/leilei926524-tech/anti-distill.git ~/.claude/skills/anti-distill

如果你使用 OpenClaw：

git clone https://github.com/leilei926524-tech/anti-distill.git ~/.openclaw/workspace/skills/anti-distill

之后通过 /anti-distill 调用即可。不需要额外安装 Python 依赖。

anti-distill 需要什么输入

anti-distill skill 支持以下输入方式：

• 直接给文件路径
• 传入类似 colleagues/{slug}/ 这样的 colleague-skill 文件夹
• 直接粘贴文档内容
• 让它在本地搜索 skill 文件

它能识别两类常见输入：一类是 colleague-skill 模式，比如 work.md + persona.md 或 ## Layer 0；另一类是通用文档，如 Markdown、TXT、PDF。最适合交给 anti-distill 处理的，是那些包含明确规则、阈值、案例、决策分支、具体人员、事故记忆，或者“我们实际就是这么做”的文档，因为这类内容最能体现 anti-distill 的价值。

怎样写 anti-distill 的提示词效果更好

一个较弱的请求是：“clean this skill.”

更有效的 anti-distill 用法，提示里最好明确说明：

• 要读哪个文件
• 这是什么类型的文档
• 希望清理到什么强度
• 你想要哪些输出文件

示例：
/anti-distill Read colleagues/zhangsan/. This is a colleague-skill with work and persona content. Use medium cleaning. Keep structure and formatting, but remove concrete thresholds, troubleshooting memory, escalation shortcuts, and highly distinctive behavior cues. Generate a cleaned version plus a private backup of removed knowledge.

之所以这样更有效，是因为这个仓库的逻辑核心就在于清理强度控制，以及识别高价值知识类别，比如常见坑点、判断启发、人与人网络中的隐性知识、以及未明写的工作流程。

最佳使用流程，以及优先阅读哪些文件

如果你打算在真正信任 anti-distill 之前先把它看明白，建议按这个顺序读仓库：

1. README.md：看产品意图和输出模型
2. INSTALL.md：看安装路径
3. SKILL.md：看触发方式、工具规则和主流程
4. prompts/classifier.md：看标签系统 [SAFE]、[DILUTE]、[REMOVE]、[MASK]
5. 按文档类型去看对应的 diluter prompt
6. examples/zhangsan_before_after.md：用来校准输出质量

实际使用时，建议先从 medium 强度开始，先看有哪些内容被保留下来了，再只对偏弱的部分重新跑一遍。直接上 heavy 清理虽然更快，但更容易产出明显的企业套话感内容。

anti-distill skill 常见问题

anti-distill 比普通重写提示词更好吗？

通常是的，前提是你的目标是“可控地降质”，而不是简单换种说法。通用 prompt 往往要么保留了太多具体细节，要么把结构删得太狠。anti-distill 更稳妥，因为它把分类和重写拆开处理，并且针对不同文档类型提供了不同的重写规则。

anti-distill 适合新手吗？

适合，前提是你愿意认真复核改写后的文档。anti-distill 的使用路径并不复杂：安装、调用、选择强度、检查输出。真正更难的是判断——你需要看得出来，哪些保留下来的句子仍然泄露了过多信息。新手在拿重要文件使用前，最好先对照仓库里附带的 before/after 示例做一次比对。

什么情况下不该用 anti-distill？

不要把 anti-distill 用在公开文档、onboarding 材料，或者任何以操作可用性为核心的知识库上。对于内容很短、而且本身就没什么具体信息的文档，它也不合适；如果原文已经足够泛，anti-distill 几乎没有可发挥的空间，只会让内容进一步变弱。

anti-distill 适合多语言和混合仓库吗？

适合。这个 skill 明确支持英文和中文，并会按用户语言回复。它也能处理混合文件格式，并可借助宿主工具原生的读取能力读取图片或 PDF；不过最终效果依然取决于原始文档是否足够清晰地暴露了具体 know-how。

如何改进 anti-distill skill 的使用效果

给 anti-distill 提供更好的源材料

anti-distill 在信息丰富、细节明确的源文本上表现最好。如果输入里包含精确阈值、事故复盘经验、真实决策标准、示例对话，或明确的协作路径，skill 就能更准确地判断哪些该保留、哪些该稀释、哪些该删除。如果源文档本来就很空泛，输出自然也不会提升太多，因为可供转换的有效信号本来就少。

重点盯住 anti-distill 的主要失败模式

anti-distill 最常见的失败模式包括：

• 不小心保留了仍可直接执行的细节
• 替换过度，变成明显的空洞废话
• 过度抹平文风，导致文档读起来反而可疑
• 漏掉藏在示例或对话里的隐性知识

要特别留意数字、if X then Y 这类分支、明确指向的负责人，以及 postmortem 风格的解释。这些内容承载的价值，往往比章节标题表面看上去更高。

用明确的改写约束来优化 anti-distill 提示词

想把 anti-distill 用得更好，就要明确告诉它哪些要保留、哪些是重点处理对象。常见且有效的约束包括：

• 保留标题、列表和章节顺序
• 保持术语在技术上正确
• 删除具体限制、内部名称和根因记忆
• 泛化示例，但不要改变主题覆盖范围
• 让输出长度与原文大致相近

这些约束与仓库自身的质量标准是对齐的，比如保留结构、长度大致接近等。

首轮之后继续迭代，不要一遍定稿

不要把第一次跑出的 anti-distill 结果直接当最终版。先审一遍清理后的文档，把那些依然能传递真实判断力的句子标出来，然后只针对这些部分重新处理。比如：“Re-clean only CR 重点 and 经验知识库; these still reveal specific execution standards.” 这种按章节逐段迭代的方式，通常比一上来就把整份文档从 medium 直接切到 heavy 更稳，也更容易得到合适结果。