distill-mentor

distill-mentor 技能概览

distill-mentor 是做什么的

distill-mentor 技能会通过收集公开信息、分析论文与表达风格，把一位真实的学术导师沉淀成可复用的 AI persona，方便你后续持续对话使用。它面向的不是“一次性 prompt”需求，而是更看重长期可复用结果的用户：比如比较潜在导师的学生、研究某个实验室研究偏好的研究者，或想打造可分享数字导师的教育工作者。

谁适合安装 distill-mentor 技能

如果你需要的是结构化的导师画像与导师风格提炼，而不只是一个摘要，那么这个 distill-mentor skill 会更适合你。它尤其适合关注研究方向、方法论偏好、沟通风格和学术理念的用户。
如果你只是想快速拿到一段 bio 或论文列表，普通 prompt 会更快；但如果你希望把产物保存到 ~/.claude/mentors/，并在 ~/.claude/skills/ 下生成一个可复用技能，那么 distill-mentor 明显更对路。

distill-mentor 的差异化优势

它最核心的区别在于“深度”。仓库里明确写到了以浏览器优先的采集流程、浏览器失败后的回退搜索机制、双语支持，以及在 docs/DEEP_ANALYSIS_GUIDE.md 中更深入的论文分析方式。和泛用 prompt 相比，distill-mentor for Agent Orchestration 提供了清晰的触发方式、预期输出和可重复执行的工作流，目标是基于公开证据构建“导师式助手”，而不是临时模仿一个口吻。

如何使用 distill-mentor 技能

distill-mentor 安装与首次运行

在 Claude Code 或兼容的 skill runtime 中，添加仓库后即可直接调用该技能。一个实用的起步方式是：

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

文档给出的默认方式是浏览器搜索；如果浏览器搜索失败，则会回退到类似 DuckDuckGo 的采集模式。仓库还注明需要 Node.js >=18，而浏览器路径可能会通过 puppeteer 拉取 Chromium，这会直接影响运行环境体积，以及 CI 类安装场景的可行性。

哪些输入能明显提升 distill-mentor 使用效果

这个技能在以下信息齐全时效果最好：

• 导师全名
• 当姓名有歧义时提供所属机构
• 在第一条消息里说明语言语境
• 你真实想完成的任务目标

一个较弱的 prompt 是：distill Geoffrey Hinton
一个更强的 prompt 是：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.

后者能更好地帮助系统消除检索歧义，也能明确告诉分析器，在生成导师 persona 时应该重点突出哪些维度。

采用 distill-mentor 的最佳工作流，以及先看哪些文件

如果你想快速判断这个 distill-mentor 是否适合安装，建议按以下顺序阅读：

1. QUICKSTART.md：看命令、运行模式、输出路径和质量评分
2. SKILL.md：看触发条件、允许使用的工具和运行时行为
3. docs/DEEP_ANALYSIS_GUIDE.md：看“深度分析”到底会抽取出哪些内容
4. docs/CHANGELOG.md：理解浏览器优先策略的变化，以及 --no-browser 的意义

如果你不是只想跑默认流程，而是希望调优输出，再继续看 prompts/intake.md、prompts/analyzer.md、prompts/style-analyzer.md、prompts/deep-paper-analyzer.md 和 prompts/builder.md。

实际限制与输出预期

使用 distill-mentor 前，最好先接受两个现实权衡。
第一，结果质量高度依赖公开信息足迹：有较多论文、演讲、主页资料的知名学者，通常会比公开资料稀少的导师产出更好。
第二，基于浏览器的采集更慢，但信息更丰富；--no-browser 更快，但完整性会差一些。

仓库自己的 quickstart 也明确把质量定义为“数据依赖型”。所以如果某位导师得分偏低，或者输出显得比较泛泛，不要急着否定技能本身，先补充所属机构、代表论文或额外来源背景，再来判断效果。

distill-mentor 技能 FAQ

distill-mentor 比普通 prompt 更好吗？

通常是的，尤其当你需要一致性和可保存输出时。普通 prompt 当然也能模仿导师口吻，但在基于证据的综合提炼上，distill-mentor usage 更强，因为它把 intake、资料收集、论文分析、风格分析和技能构建拆成了明确阶段。这种结构能减少拍脑袋式生成，也更方便后续复用。

什么时候不该用 distill-mentor 技能？

如果目标人物几乎没有公开资料、你需要事实层面的绝对完整性保证，或者你的需求只是简单摘要，那就不建议用它。
此外，如果涉及机构内部的私有记录，除非你能通过自己的工作流以合法且技术可行的方式提供这些材料，否则它也不是合适的工具。

对新手友好吗？

整体算友好。命令面不复杂，尤其看完 QUICKSTART.md 后就能上手。新手最常见的门槛主要有两个：一是浏览器搜索相关的环境配置，二是理解为什么有的导师效果很好、有的导师效果一般。
如果你想走最省力的路径，建议先拿一位知名研究者做测试，再逐步尝试公开资料较少的目标。

distill-mentor 能融入更大的 agent 工作流吗？

可以。distill-mentor for Agent Orchestration 很适合这样的拆分流程：一个 agent 负责收集证据，另一个分析风格，再由另一个把结果打包成可复用的导师技能。相比单体式 prompt，仓库中的 prompt 文件和分阶段分析设计，更容易把职责切开。

如何进一步提升 distill-mentor 技能效果

给 distill-mentor 更强的消歧信号

提升效果的最高杠杆，其实是输入质量。导师姓名比较常见时，尽量补充所属机构、研究领域、代表论文或实验室名称。
例如：Distill Fei-Fei Li, Stanford, focus on computer vision leadership, student-facing advice style, and how she connects technical work to broader impact.

这样能明显降低错误来源检索的概率，也能让生成出的导师在语气和关注重点上更贴近目标人物。

让 distill-mentor 朝你真正需要的输出收敛

明确告诉技能，你想要的导师产物是哪一类：

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

如果不说明，输出很容易滑向泛泛的学术人物简介。
从这些 prompt 文件来看，系统本身能抽取研究主题、方法论、表达风格和公开形象等维度，所以你最好提前点明：下游使用里，哪些维度最重要。

提前处理 distill-mentor 的常见失败模式

常见问题包括：姓名歧义、证据过薄、过度受知名演讲影响，以及只基于少量论文做浅层风格模仿。
如果第一次结果看起来信息很多，但“不像导师”，可以这样调整：

• 从 quick mode 切回默认 browser mode
• 补充 affiliation
• 明确要求更重视 recent papers，而不是历史声誉

如果公开网页结果占比过高，就把本次运行重点锚定在论文分析，而不是人物 biography。

在第一次输出后继续迭代

最好的 distill-mentor guide 使用方式其实是两遍法：

1. 先生成第一版导师
2. 再针对缺口做精修

有用的后续指令包括：

• 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

这样一来，distill-mentor 就不再只是一次性生成器，而会变成一个可控的处理流水线；这也是它相对普通 prompting 最有优势的地方。