当前AI领域在构建“技能”（Skills）时，普遍采用“蒸馏”人类数据的方式。然而，有观点认为这仅仅是“最方便”而非“最好”的来源。人类的思考受限于生理机能，倾向于利用固有经验减少劳动量，追求性价比，这导致蒸馏出的技能也带有局限性。文章提出，AI不应追求模仿人类的省力模式，而应追求更强的性能和专业性。这就引入了一个在旧时代被称为“杜撰”的概念——即通过合成而非模仿来生成新技能。通过“杜撰”，可以构建出超越单一个体能力的复合型角色。例如，设计一个集法律检索、规则分析与脚本执行（Python/JS/Shell）于一体的“投机家”技能，用于寻找规则漏洞；或者构建一个结合了营养师指南、身体数据分析与健身指导的“全能教练”技能。这种通过将权威知识库（如膳食指南）、脚本能力与特定逻辑相结合的“杜撰”方法，往往能比直接蒸馏人类经验产生更实用、更强大的功能。
事件分析
这一讨论触及了AI Agent与大模型应用开发的核心范式转变：从“模仿人类”向“架构组装”进化。所谓的“杜撰”，本质上是一种基于RAG（检索增强生成）与工具调用的复合智能体架构设计。在传统模式下，蒸馏模型受限于人类数据的分布，往往继承了人类的认知瓶颈与效率优先逻辑。而文章提出的观点，实际上对应了当前Agent开发中“Workflow（工作流）”与“Chain of Thought（思维链）”的深度定制。通过明确角色的知识边界（如特定书籍或法规）、赋予其脚本执行能力，开发者可以创造出超越普通人类专家水平的垂直领域智能体。这种“合成式”的技能生成方式，标志着AI开发正在从“数据驱动”向“定义驱动”转型，即通过工程化手段定义技能的逻辑与行为，而非单纯依赖模型对人类行为的概率预测。
核心观点：AI技能开发应超越对人类经验的单纯模仿，利用知识库与工具调用的合成编排，构建具备超常能力的专家级智能体。
原文链接：Linux.do
