[alchaincyf/nuwa-skill](https://github.com/alchaincyf/nuwa-skill) 很容易让人先想到一句话：让 AI 模仿名人的口吻回答问题。但它真正有意思的地方，不在“像不像”，而在于它试图把“蒸馏一个人的思维方式”做成一条可重复执行的流程。
这件事一旦成立，价值就不只是做几个好玩的角色 prompt，而是把某个人的判断框架、关注重点、常见启发式和表达习惯，沉淀成一个可以反复调用的 skill。你要的不是一句像某某说出来的话，而是一个更接近“如果他来分析这件事，会先看哪里、怎么取舍、会质疑什么”的工作接口。
它解决的不是“模仿”，而是“建模”
很多所谓的人物 prompt，本质上只是风格贴皮。
它们通常会要求模型：
- 用某个人的语气说话
- 多引用这个人的经典句式
- 尽量模仿他公开表达里的措辞
这样做在演示里很抓眼球，但一到真实任务就很容易露馅。原因也很简单：语气是表层，判断结构才是核心。一个人物之所以有辨识度，不是因为他爱说哪几个词，而是因为他在面对问题时，总会用某些稳定的方法切入。
nuwa-skill 的方向更像是把这种“稳定的方法”提取出来。换句话说，它关心的不是“怎么说得像”，而是“怎么想得像”。
一个更完整的工作流
从仓库说明来看，nuwa-skill 想做的是一套端到端流程：输入一个人名，然后自动完成调研、提炼、验证，再把结果组织成能在 Claude Code 里调用的 skill。
这背后有几个很关键的变化。
第一，它默认蒸馏对象可以不是你团队里的同事。很多人第一次接触这类能力，会先想到“把优秀同事的方法论沉淀下来”。这当然有价值，但边界也很明显：可学习样本有限，而且往往只覆盖团队内部经验。nuwa-skill 直接把对象扩展到更广的人群，比如创业者、投资人、科学家、产品经理、写作者。
第二，它强调的是“自动完成”，而不是让用户手工拼 prompt。真正让这类能力能落地的，不是 prompt 文案写得多华丽，而是你能不能稳定完成资料搜集、观点归纳、模式抽取和结果校验。只要其中某一步完全依赖手工，复用成本就会快速上升。
第三，它试图把产物变成一个 skill，而不是一段一次性对话。前者可以被多次调用、组合、迭代；后者往往只在当前上下文里有效，过几轮就散了。
为什么这种方向值得关注
如果把 AI 当成问答机，最自然的用法是“给我一个答案”。但如果把 AI 当成工作台，问题就会变成“给我一个看问题的方法”。
nuwa-skill 的价值，更偏向后者。
比如你面对一个产品决策，想要的未必是一个标准答案，而是几种截然不同的分析框架：
- 有人会先看长期复利
- 有人会先看资源约束
- 有人会先看用户体验的一致性
- 有人会先看市场进入时机
如果这些框架能被稳定封装出来，AI 的角色就会从“替你写一段话”变成“帮你快速切换视角”。这比单纯模仿名人语录有用得多，因为它直接作用在决策质量上。
它最打动人的地方：把隐性知识变成可调用资产
很多高价值能力本来就很难写成 SOP。
一个人为什么判断比别人准，往往不是因为他掌握了更多显性规则，而是因为他在长期实践里形成了一套隐性的筛选机制：
- 什么信号值得优先关注
- 什么噪音应该直接忽略
- 哪些问题要拆开看
- 哪些问题要反过来问
- 哪些结论必须等待更多证据
这类能力平时很难沉淀，因为它不总能被本人完整说清楚。也正因为如此，一旦能被结构化提取，价值会很高。nuwa-skill 吸引人的地方就在这里：它想处理的不是表面知识搬运，而是认知习惯的再组织。
适合什么场景
我觉得这类 skill 最适合以下几种场景。
1. 决策前的多视角审视
当你已经有一个方案，但担心自己只是在顺着熟悉的路径思考时，切换到不同“人物视角”去审视同一问题，会比让模型继续顺着你的原话扩写更有价值。
2. 学习某类高手的判断框架
很多人学习高手，习惯收藏语录、看访谈、抄摘要，但最后往往只记住了几句漂亮话。把思维模式做成 skill 之后，学习方式会更接近“带着问题反复调用”，而不是“做一堆静态摘抄”。
3. 让团队共享一种分析方式
团队里真正稀缺的，不只是知识文档，而是“我们遇到问题时通常怎样想”。如果未来这套流程成熟，它也可以反过来用于沉淀组织内部高手的方法论，只是它显然不打算把这个能力局限在组织内部。
这类项目真正难的地方
当然，方向有吸引力，不代表问题已经解决。
这类项目最难的，从来不是安装一个 skill，而是下面几件事：
- 资料源是否足够可靠
- 提炼出的模式是不是稳定，而不是偶然语料带来的错觉
- 模型是在使用人物框架分析，还是只是在复述常见印象
- 不同人物之间的边界会不会被模型自动抹平
也就是说，最关键的不是“能不能生成一段像样的话”，而是“这个 skill 产出的认知框架是否经得起多任务复用”。如果未来它在验证环节继续做深，这类项目的可信度会明显提高。
为什么它比“提示词模板库”更进一步
过去不少项目会把这类能力做成模板库：一个人物对应一段 prompt，用户复制进去就用。问题是模板库本质上还是静态资产，更新慢、验证弱，而且很难形成完整的生产流程。
nuwa-skill 更进一步的地方，是它把“人物蒸馏”从一个模板问题，推进成一个流程问题。
一旦工作重心从“写一段 prompt”转到“如何系统生成、校验、迭代一个人物 skill”，这件事就更像工程，而不是灵感。对真正想长期使用的人来说，后者显然更重要。
结语
nuwa-skill 有意思，不是因为它把 AI 变成了名人模仿秀，而是因为它把“如何学习一个人的思考方式”这件事，往可执行、可复用、可迭代的方向推进了一步。
如果说很多人物 prompt 解决的是“像谁说话”，那它想解决的，是“像谁那样看问题”。前者适合演示，后者才更接近生产力工具。