张雪峰.skill：把一位高考志愿名师的认知框架打包成 Agent Skill

类型：典型 Agent Skill 项目解读（快速上手 + prompt/工具设计点评） 适合读者：在 Claude Code、Codex、Cursor、OpenClaw 等 AI 编程/对话工具里使用自定义 Skills 的工程师与产品经理；对「把人物认知蒸馏成 prompt」这件事感兴趣的从业者。 本文立场：纯技术视角，评测 SKILL.md 工程实现、prompt 设计、数据来源声明；不替读者下任何高考/考研/职业规划建议。

一句话判断

alchaincyf/zhangxuefeng-skill（下文简称「张雪峰.skill」）的工程价值不在于「用 AI 模仿张雪峰说话」，而在于它把一个真实人物的多源素材（5 本著作、15+ 篇深度采访、30+ 条一手语录、11 条关键决策、完整时间线）压成了一份可以被任何 Skills 协议 runtime 加载的 SKILL.md——8k+ stars 的成绩说明「人物认知蒸馏为 Agent Skill」这条路在中文社区已经被验证。

它由同作者的 nuwa-skill（女娲.skill）按一套「6 agent 并行调研 → 交叉验证 → 提心智模型 → 写 SKILL.md → 跑回归测试」的流水线自动生成，仓库本身也是这条流水线的产物样本。

读完这篇文章你会知道

• SKILL.md 里的 5 个心智模型、8 条决策启发式和 5 对内在张力各管什么
• npx skills add 一键安装背后，CLI 是怎么找到你正在用的 runtime 的
• references/research/ 下的 6 个文件为什么是「证据链」而不是「参考资料」
• nuwa-skill 的 6 agent 并行调研流水线每一步产出什么
• 为什么 README 要显式排除知乎 / 微信公众号 / 百度百科三类来源

仓库基本面

说明：文章里所有「现在」「截至」之类措辞，都以缓存时间为准；下次复测请以 GitHub 实时数为准。

文章形态选择

按 github-article-writer/references/article-shapes.md 的路由判断：

• README 完整、安装命令清晰、examples/ 里给完整对话记录 → 倾向「快速上手」
• 仓库价值集中在 SKILL.md 的 prompt 设计、心智模型提炼、调研方法论 → 需要附一段「prompt/工具设计点评」
• 不是架构分析：没有并行机制、没有 benchmark、没有系统分层需要拆
• 不是源码分析：没有可读源码，全是 Markdown 资产

所以走 「快速上手 + prompt/工具设计点评」 组合形态：先用一节把安装/调用路径跑通，再用一节剖析 SKILL.md 的内部结构、心智模型表、调研方法，结尾给适用边界与采用顺序。

第一部分：快速上手

1.1 安装

README 提供三种安装方式，推荐第一条：

# 方式一：跨 runtime 自动检测（推荐）
npx skills add alchaincyf/zhangxuefeng-skill

# 指定 runtime（可选）
npx skills add alchaincyf/zhangxuefeng-skill -a claude-code
npx skills add alchaincyf/zhangxuefeng-skill -a codex
npx skills add alchaincyf/zhangxuefeng-skill -a cursor
npx skills add alchaincyf/zhangxuefeng-skill -a openclaw

npx skills 是 vercel-labs/skills 这个通用 CLI 安装器，它会探测当前 runtime 并把 SKILL.md 放到对应目录（Claude Code → ~/.claude/skills/，Cursor → ~/.cursor/skills/，Codex → ~/.codex/skills/，OpenClaw → ~/.openclaw/workspace/skills/，依此类推）。

# 方式二：手动 clone（适用于不被自动安装器识别的 runtime）
git clone https://github.com/alchaincyf/zhangxuefeng-skill <runtime_skills_dir>/zhangxuefeng-skill

# 方式三：直接当参考资料（最差方案）
# 把 SKILL.md 内容贴进对话，让 LLM 临时按里面的 prompt 行为作答

1.2 调用

装好之后，对话里说人话就行：

用张雪峰的视角帮我分析这个专业选择
张雪峰会怎么看这个职业方向？
切换到张雪峰，我孩子要填志愿了

Agent runtime 会按 Skills 协议自动把 SKILL.md 注入到 system prompt（具体时机取决于 runtime 的「auto-load / slash command / on-demand」策略——Claude Code 是「描述匹配即自动激活」类）。

1.3 最小验证用例

README 给了 4 个对照场景，这里只摘一个，看一下激活前后回答风格的差异：

问：我孩子今年高考，560分，河南的，想学金融，你怎么看？

未激活 SKILL：泛泛而谈「金融是个好专业，但要结合孩子兴趣和职业规划……」

激活 SKILL 后的回答节选（README 原文）：
  「停停停，你先别急着说金融。我问你几个问题。
   家里是做金融的吗？爸妈在银行、证券公司、基金公司？
   有没有亲戚在这个行业里？没有？那我跟你说，金融这个行业，千万别碰。
   你去看看每年金融专业毕业的学生，中位数去了哪？……」

提示词里同时触发了 README 自报的三个心智模型：就业倒推法（看中位数去向）、家庭背景分流（先问家里资源）、社会筛子论（双非金融 vs 985 的竞争现实）。这就是后面要讲的「为什么 SKILL.md 写得好，模型就会按框架思考，而不只是换语气」。

1.4 常见坑

• runtime 不识别 Agent Skills 协议：fallback 到「方式三 粘贴 SKILL.md」，但效果会下降——上下文没有协议层的自动激活机制，模型容易在长对话里漂移回通用语气。
• 跟其他 persona skill 冲突：仓库作者还出了乔布斯/马斯克/纳瓦尔/芒格/费曼/塔勒布 6 个 skill。如果一次会话里同时激活多个，模型会做平均，反而失去张力。建议一次只装一个用一段时间，确实稳定了再换。
• 当 ChatGPT 套皮用：README 自己声明「这不是 ChatGPT 套了个张雪峰面具」——意思是判断点不在「像不像」，而在「能不能稳定调用 5 个心智模型」。如果发现回答只有语气像，框架没出来，回退看 SKILL.md 是不是被 runtime 正确加载。

第二部分：SKILL.md 工程结构拆解

仓库根目录非常干净：

zhangxuefeng-skill/
├── README.md
├── SKILL.md                 # 可直接安装使用
├── references/
│   └── research/            # 6 个调研文件
│       ├── 01-writings.md   # 著作与系统思考
│       ├── 02-conversations.md  # 深度采访与对谈
│       ├── 03-expression-dna.md # 表达风格 DNA
│       ├── 04-external-views.md# 他者视角与批评
│       ├── 05-decisions.md  # 重大决策分析
│       └── 06-timeline.md   # 完整人生时间线
└── examples/
    └── demo-conversation.md # 实战对话记录

注意三个细节：

1. SKILL.md 是契约，6 个 references/research/*.md 是证据链。这跟普通 README-as-prompt 的最大区别：模型激活 skill 时，runtime 可以选择只注入 SKILL.md，也可以按需把 references/ 拉进上下文（取决于 runtime 实现）。这种「轻量契约 + 重证据库」的分层，是 Agent Skills 协议的典型用法。
2. examples/ 不冗余：demo-conversation.md 同时承担两个职责——既给用户做效果示例，也给模型做 few-shot 锚点（少样本示例）。README 里那句「完整对话记录在 examples/ 目录」实际是个隐式机制说明。
3. MIT + 显式允许再蒸馏：「随便用，随便改，随便蒸馏」——这跟后面要讲的 nuwa 流水线是一对配套工程：蒸馏器允许基于本 skill 再蒸馏新人物。

2.1 SKILL.md 内核：5 × 8 × 5 结构

公开 README 透露的 SKILL.md 内部组织是一个3 段 18 元素结构：

工程点评：5×8×5 这个数字组合的隐藏含义是「框架不互斥」。同一个问题可以同时触发多个心智模型（比如「560 分学金融」同时命中社会筛子论、就业倒推法、家庭背景分流），多个模型之间用张力表兜底，防止模型挑一个最顺手的简单回。这种「多框架 + 显式张力」的设计，是 SKILL.md 比「一张 prompt 卡片」更稳的关键。

2.2 数据来源声明（不取代原始材料）

README 显式排除了知乎/微信公众号/百度百科三类来源。剩余一手 + 二手来源合计 13 个，全部是出版著作、官方演讲或主流媒体深度对谈：

• 一手（8）：《你离考研成功，就差这本书》(2016) · 《方向比努力更重要》(2021) · 《选择比努力更重要》(2021/2023 修订) · 《决胜大学》(2024) · 《从就业看专业》(2025 遗作) · B 站《演说家》完整版 · 新浪财经 CEO 邓庆旭深度对谈 · 界面新闻 / 中国新闻周刊采访
• 二手（5）：钛媒体 / 虎嗅 / 三联生活周刊 / 36 氪 / 21 经济网

这条来源声明在 Agent Skill 类项目里其实是个工程信号——它告诉我们 SKILL.md 的事实判断锚点是哪几本书，模型遇到超出这 13 个来源的问题时，应该回退还是应该拒绝，prompt 里有据可查。

2.3 Prompt 设计点评

把 SKILL.md 当 prompt 文本读，有几条值得抄：

1. 可被 runtime 索引的 frontmatter：所有 Skills 协议 runtime 都会先解析 SKILL.md 的 YAML frontmatter，再决定激活条件。README 隐含了 frontmatter 至少有 name、description 两个字段，否则 Claude Code 不会做描述匹配。注意：本文作者从公开页面只能确认 SKILL.md 存在，不能确认 frontmatter 字段细节；要写新 skill 时请直接看本仓库的 SKILL.md 源文件。
2. 框架优先于语料：5 个心智模型是「思维工具」，8 条决策启发式是「操作步骤」，表达 DNA 是「语气」。先定框架，再定语料，最后定语气——这比直接喂语料稳得多。
3. 显式张力避免单线人格：5 对内在张力是反 prompt 漂移的护栏——很多「名人 persona prompt」用着用着就退化成单线金句复读机，张力表就是拿来打断这个过程的。
4. 冷启动 few-shot：examples/demo-conversation.md 给了 4 段完整对话作为少样本锚点。注意点：README 自报在效果示例里就把触发了哪些心智模型标在对话后面，这种「例题 + 解题思路」的形式比单纯「例题 + 答案」对模型推理更友好。

第三部分：女娲（nuwa）流水线——SKILL 是怎么造出来的

仓库 README 末尾直接给出了元仓库 alchaincyf/nuwa-skill 的入口和女娲的工作流：

输入一个名字
  → 6 个 Agent 并行调研（著作 / 对话 / 表达 / 批评 / 决策 / 时间线）
  → 交叉验证提炼心智模型
  → 构建 SKILL.md
  → 质量验证（3 个已知测试 + 1 个边缘测试 + 风格测试）

把这条流水线映射回仓库结构：

工程意义：这条流水线意味着「张雪峰.skill」不是手工雕出来的 prompt 艺术品，而是一个可复制的工程产物。同作者下乔布斯、马斯克、纳瓦尔、芒格、费曼、塔勒布 6 个 skill，理论上都可以由 nuwa 用相同步骤蒸馏出来——这是 Agent Skills 生态里「人物即包」范式的真正工程底座。

第四部分：适用边界与采用顺序

4.1 适合用

• 你的 runtime 支持 Agent Skills 协议自动加载（Claude Code / Cursor / Codex / OpenClaw / Gemini CLI / OpenCode 等）
• 你需要给团队配一个语气稳定、框架可解释的对话 persona（比如「产品评审视角」「风控视角」），并且愿意用 SKILL.md + research/ 的分层来管理事实锚点
• 你想研究「人物认知蒸馏」这条 pipeline 自己复制——直接装 nuwa-skill 跑一遍就能拿到一个新人物的 SKILL.md

4.2 不适合用

• 你的 runtime 不识别 Skills 协议，只能用「方式三 粘贴 SKILL.md」——这时效果会明显下降，建议直接放弃或先升级 runtime
• 你期待 SKILL.md 给出超出 13 个公开来源的事实判断——prompt 里没有的东西，模型编不出来
• 你在做真实的高考志愿决策——SKILL.md 是工程产物不是职业咨询，本文作者无法替读者承担任何决策责任；具体报考请以高校官方招生章程和省级考试院政策为准

4.3 团队采用顺序建议

1. 先装 nuwa-skill，跑一遍它的 demo，熟悉 6 agent 调研流水线的输出格式
2. 再装一个你熟的人物 skill（推荐芒格或费曼，结构化程度高），用它写一份工作周报或代码评审，观察 SKILL.md 是否被 runtime 真正激活
3. 最后才装张雪峰.skill——它带「社会筛子论 / 阶层现实主义」这类强观点框架，更适合有判断场景的对话，不适合「随便聊聊」

4.4 这篇文章刻意不覆盖

• 真实张雪峰本人的观点是否完全被 SKILL.md 复刻——这是人物本人 / 家属的事，本文无法核证
• 张雪峰的具体志愿建议是否适用于某一年的某一分数段——边界外，省考试院政策每年都在变
• 8k+ stars 是否能持续——流量本身不是工程指标，看后续 PR / Issue 活跃度更准
• nuwa-skill 的具体 prompt 与代码实现——属于另一仓库，本仓库 README 只给安装命令

进阶路径

阶段 1：装一个人物 skill 跑通（1 天）

先别装张雪峰，装一个结构化程度高的（推荐芒格或费曼）。在 Claude Code 里跟它聊一个你熟悉的话题，观察回答里有没有触发心智模型。如果回答只是「语气像」，那 SKILL.md 没被真正激活。

阶段 2：读 SKILL.md 的 3 段 18 元素（2-3 天）

打开你装的 skill 的 SKILL.md，对照文章第 2.1 节的表格，找一找 5 个心智模型、8 条决策启发式和 5 对内在张力。这个练习做完，你也就知道了「怎么写一个稳的 persona prompt」。

阶段 3：跑一遍 nuwa-skill 的 demo（1 周）

npx skills add alchaincyf/nuwa-skill，然后按 README 给的样例输入一个人物名字。6 个 Agent 并行调研需要 10-40 分钟（取决于网络和被调研人物的资料丰富度）。跑完之后读 references/research/*.md，感受「证据链」长什么样。

阶段 4：给自己或团队做一个定制 skill（持续）

如果你有一个反复在对话里要求的「视角」——比如「从运维视角看架构提案」或「从用户留存视角看产品改动」——可以用 nuwa 流水线把它蒸馏成 SKILL.md。这个 SKILL 会变成你团队的共享判断基准，而不只是你个人的口头习惯。

参考与延伸阅读

• 仓库本体：alchaincyf/zhangxuefeng-skill
• 蒸馏器（女娲）：alchaincyf/nuwa-skill
• 同流水线其他产物：乔布斯 / 马斯克 / 纳瓦尔 / 芒格 / 费曼 / 塔勒布（README「更多 .skill」一节列出安装命令）
• 通用 Skills CLI：vercel-labs/skills（npx skills add 来源）
• 本文站内延伸：[Agent Skills：addyosmani 的生产级 AI 编程工程技能框架]({{< relref “agent-skills-addyosmani-production-engineering-guide.md” >}}) · [9arm-skills：让 AI 编程助手按流程干活的合约式 Skills]({{< relref “9arm-skills-claude-code-agent-skills-guide.md” >}})

数据来源声明：本文所有事实点（stars / forks / license / 仓库结构 / SKILL.md 元素 / 13 个调研来源 / nuwa 流水线）均来自上文 GitHub 仓库 README 与缓存抓取（2026-06-12 15:14 BJT），未补充任何外部未在仓库中公开声明的信息。