想讓 AI 給你高手等級的建議，最沒效的一招，就是叫它「扮演一個高手」。

你大概都試過。在 system prompt 裡塞一句「你是查理·蒙格，請用他的智慧回答」，然後問它一筆投資該不該做。它回你一段四平八穩的話，提到護城河、提到能力圈、引了兩句聽起來很蒙格的格言。讀起來很像那麼回事，但你再追問一句「那如果這家公司的護城河正在被 AI 侵蝕呢」，它就露餡了——它只會把剛剛那幾個詞換個順序再講一遍。它記得這個人講過什麼，但完全不知道這個人遇到新問題時會怎麼想。

這就是模仿語氣跟移植思考的差別。而 nuwa-skill（女媧.skill）這個 Claude Code Skill，整個設計就是衝著後者去的。

它提取的不是金句，是「決策的骨架」

先把這件事講清楚，因為它是整個工具的地基。

一般的角色扮演，提取的是表層：語氣、口頭禪、招牌名言。這些東西在網路上一抓一大把，AI 學起來毫不費力，但也毫無用處——因為名言是結論，不是推導過程。你拿到結論卻拿不到那條導向結論的路，下次換個題目，你就接不上了。

女媧提取的是推導過程本身。同樣問「蒙格怎麼看這個投資」，它不會直接吐護城河三個字，而是先跑一遍逆向思考——「怎樣做這筆投資一定會賠錢」，把失敗路徑列出來，再從心理學、經濟學、生物學幾個角度交叉驗證，最後才收斂出判斷。你看到的不是一個答案，是一套你可以自己複用的思考流程。換成一個它從沒被問過的題目，這套流程照樣跑得動。費曼有句話放在這裡剛好：如果你教不了它，你就不懂它。女媧賭的就是——把一個人「怎麼想」教給 AI，比把他「說過什麼」餵給 AI 有用得多。

怎麼確保學到的是洞見，不是雞湯

這裡有個很現實的問題。網路上關於這些名人的內容，八成是雞湯——被轉了一萬遍、誰都能講、放諸四海皆準的正確廢話。如果蒸餾的時候照單全收，最後你得到的不是蒙格的腦袋，是一鍋心靈雞湯。

女媧的解法分三道工序，每一道都在過濾。

第一道是採集。它不是隨手 Google 一下，而是同時派出六個 Agent，各自負責一個方向：本人著作、播客訪談、社群發言、他人的批評、實際做過的決策、人物時間線。六份結果合併交叉比對才往下走。而且來源有分級——本人著作權重最高，二手轉述最低，知乎、百度百科那種地方直接排除在外。光這一步就把大半雜訊擋掉了。

第二道是驗證。一個觀點想被收錄成「心智模型」，得同時通過三關：在兩個以上不同領域都出現過（跨域復現）、能拿來推斷這個人對新問題的立場（生成力）、而且不是「所有聰明人都這樣想」的通用道理（排他性）。只過一兩關的，降級成普通的決策參考；一關都沒過的，丟掉。

第三關那個「排他性」是整套設計最關鍵的一刀。它直接問：這條觀點，是這個人獨有的，還是隨便哪個成功人士都會講的？如果答案是後者，那它就是雞湯，再漂亮也留不下來。雞湯跟洞見的差別，從來不在於對不對，而在於有沒有區辨力——能套在任何人身上的話，等於沒說。

五層往下挖

通過驗證的材料，會被拆進五個層次來描述一個人。表達 DNA（語氣節奏用詞）、心智模型（認知框架，每人三到七個）、決策啟發式（if-then 規則，五到十條，像「不能持有十年就別持有十分鐘」這種）、反模式（什麼事打死不做）、誠實邊界（明確標出他做不到什麼，例如巴菲特不碰科技股）。

最後那一層特別值得停一下。大部分人介紹一個高手，只講他擅長什麼；女媧硬是要你標出他「不碰什麼」。這其實是更深的理解——知道一個人的能力圈邊界在哪，比知道他圈內有多強更難，也更有用。一個只會告訴你「什麼都能分析」的 AI 顧問，跟一個會說「這題超出他的能力圈，他不會給意見」的 AI 顧問，後者才像真的學到了那個人。

裝起來大概長這樣

安裝很直接，一行指令的事：

1
2
3
4
5
6
7
# 裝女媧本體（之後可以自己蒸餾新人物）
npx skills add alchaincyf/nuwa-skill

# 或者直接裝已經蒸餾好的人物
npx skills add alchaincyf/munger-skill      # 蒙格
npx skills add alchaincyf/feynman-skill     # 費曼
npx skills add alchaincyf/paul-graham-skill # Paul Graham

裝完之後，在 Claude Code 裡用自然語言就能呼叫。「用蒙格的視角幫我分析這個投資決策」、「費曼會怎麼解釋 Raft 共識演算法，假設我只懂基本網路概念」、「切換到 Naval，我在猶豫三件事的優先順序」。它甚至吃得下模糊需求——你只說「我想提升決策品質」，它會反過來建議你該蒸餾哪個人物來裝。

想蒸餾一個現成清單裡沒有的人？也是一句話的事：「幫我做一個張小龍的視角 Skill」。它就會跑那套六路採集加三重驗證的流程，自己長出一個新的人格 Skill 放進 .claude/skills/。目前官方蒸餾好、可以直接裝的有十三個人物——Paul Graham、Karpathy、Ilya Sutskever、MrBeast、賈伯斯、馬斯克、蒙格、費曼、Naval、塔勒布等等。每個都附完整的調研文件，你可以一路追到每個心智模型背後的證據來源。

說個我自己的用法。這個部落格的寫作流程，背後就掛著一張「文章類型對應思想家」的對照表——技術工具文走 Paul Graham 的簡潔視角，新聞分析走塔勒布的風險眼，理財文走蒙格的多元思維。那張表的底子，正是從女媧蒸餾出來的八個人物來的。我不是讓文章去「模仿」誰講話（那反而會很假），而是借他們的認知鏡頭來決定一篇文章該從哪裡切入、該怎麼推進。用下來最大的體會是：換鏡頭比改措辭有用太多了。

它學不到的那一塊，也老實標了出來

工具講到這份上，最容易讓人過度樂觀，所以得把醜話說在前面——而且難得的是，這些醜話官方自己就標了。

蒸餾不了直覺。框架可以提取，靈光一閃不行。Skill 學得到一個人「怎麼一步步推理」，學不到他「為什麼突然就想到了」。公開不等於真實——所有材料都來自公開管道，一個人私下真正怎麼想，可能跟他公開講的完全是兩回事。冷門人物效果差，公開資訊少於十條的，心智模型會縮到剩兩三個，而且會老實標成「基於有限資訊推測」。還有最實際的一條：六個 Agent 並行加多輪驗證，一次完整蒸餾頗吃 token 跟時間，不是按一下就有。

原文來源：alchaincyf/nuwa-skill（MIT 授權，啟發自 colleague-skill）

把這些限制擺在一起看，反而更能看清這工具真正的位置。它不是要給你一個「數位版的蒙格」隨時待命幫你做決定——那種承諾本身就該打個問號。它做的事樸實得多：把一個人公開展示過的思考方式整理成一套你能反覆套用的流程。

而這恰好點出一件容易被忽略的事。當 AI 讓「模仿任何人講話」變得幾乎免費，模仿的價值就趨近於零了——誰都能讓 ChatGPT 假裝成蒙格講兩句。真正搬不動、也最稀缺的，是面對一個誰都沒見過的新問題時，那套「該先問什麼、再排除什麼、最後憑什麼下判斷」的流程。名言會過期，金句會被講爛，但一套好的提問順序不會。值得你費勁去複製的，從來不是高手的答案，是他們走向答案的那條路。