“见贤思齐焉，见不贤而内自省也。” — 《论语·里仁》

首图

这两天在 GitHub 上，xixu-me/awesome-persona-distill-skills 挺醒目。项目首页那句“同事.skill、前任.skill、女娲.skill、自己.skill、乔布斯.skill……”一眼看去像个梗，细想却很抓人，因为它把一件原本抽象的事说清楚了：人们想要的，不只是一个会答题的模型，而是一个能带着特定视角做事的模型。

需要先说明一句，避免误会：这个仓库本质上是汇总、收录类的 Awesome 清单——按主题整理各路作者发布的 xx.skill 等资源，并在 README 里链到具体条目与出处；它并不是把所有人设蒸馏的代码、模型或实现都打包在一个单体项目里。你看到的名字再花，具体内容、版本和维护责任，仍在各自链接指向的地方。

截至 2026-04-10，我抓取仓库主页时，它已经有 2275 个 GitHub Stars。这个数字本身当然会变，但热度背后的信号比数字更值得看。

一个项目为什么会突然出圈

我觉得它火，不是因为“角色扮演”这个题材新鲜，而是因为它踩中了三个更底层的变化。

第一，它把 prompt 从一句话，变成了一个可分享的工作单元。
以前大家聊提示词，常常是截图、长段文本、零散经验。现在换成 .skill 这种文件化表达，味道就不一样了。它更像一个可复用组件：你可以保存、分发、组合，也可以拿来继续改。

第二，它把“能力”重新包装成“视角”。
很多人用 AI 卡住，不是因为模型不会写，而是因为它给出的答案太平均。平均往往意味着安全，也意味着不够锋利。colleague.skill、feynman.skill、product-manager.skill 这类名字真正吸引人的地方，在于它们承诺的不是知识总量，而是看问题的角度。

第三，它迎合了 agent 时代的接口需求。
当 AI 不只是陪聊，而是真的要帮人写、搜、整理、拆任务时，“你是谁、你按什么原则做判断”就变得重要了。很多时候，用户不是缺一个更大的模型，而是缺一个更稳定的行为边界。

“人设蒸馏”真正有价值的，不是模仿语气

一说到 persona，大家很容易想到语气模仿，比如更毒舌、更温柔、更像某位名人。但我觉得，真正值钱的部分不在这里。

更有价值的是把一套判断偏好和处理顺序稳定下来。比如：

  • 有的 skill 强调先问目标，再拆约束
  • 有的 skill 强调第一性原理，先砍掉伪问题
  • 有的 skill 强调共情，先理解情绪再给建议

这类东西一旦写清楚，就不只是“像谁”，而是“按哪种方法工作”。换句话说，所谓 persona distill，真正蒸馏的不是脸谱，而是工作流里的默认姿势。

这也是为什么这类清单所代表的 skill 形态，比一般的娱乐化角色扮演更值得关注。它已经在往一个更实用的方向挪了：把抽象的认知风格，变成可加载的执行约束。

这股热潮会把 AI 产品往哪推

如果顺着这个方向往下看，我觉得接下来会出现两类分化。

一类是“展示型” persona。它们适合社交传播，名字响，效果直观，拿来试用很有趣，容易形成讨论。

另一类是“任务型” persona。它们不一定有名人光环，但更适合落在真实工作里，比如面试官视角、研究员视角、老师视角、审稿人视角、客服视角。真正能沉淀进产品价值的，大概率是后一类，因为用户最终买单的不是新鲜感，而是结果更稳。

所以我更愿意把这波热潮理解为一个提醒：未来的 AI 产品，不只是拼模型能力，也会拼“默认站位”设计得好不好。
谁能把一套值得信任的视角、边界和输出习惯，包装成用户愿意反复调用的模块，谁就更接近产品层的护城河。

也要警惕：别把“人设”写成“刻板印象”

这件事也有明显边界。

一是模仿不等于理解。如果只是抓几个金句、几个口头禅，最后做出来的往往是 caricature，不是方法。

二是真实人物的授权和名誉问题绕不过去。尤其是仍在世的公众人物，若把他们的名字直接包装成可调用身份，天然就会碰到责任边界。

三是情绪型 persona 容易让人误把陪伴当判断。像“前任”“父母”“心理导师”这类设定，如果没有足够克制的边界设计，很容易把产品带到一个更敏感的区域。

所以我对这类 skill 的期待，不是越像越好，而是越清楚越好。清楚来源，清楚边界，清楚它究竟帮用户完成了什么。

璞奇启示

这波 persona skill 热潮，对璞奇最直接的启发，不是“也去做一堆角色”，而是重新想学习产品里的“视角层”。

第一，学习内容不只要被压缩，还要被赋予进入角度。
同一段材料，如果用老师视角、面试官视角、研究者视角去拆，用户最后练出来的不是同一种能力。璞奇如果要帮用户真正掌握内容，就不能只做摘要和问答，还要帮用户切换“我是从哪个位置理解这件事”。

第二，练习题可以不只是考记忆，还能考站位。
AI 生成练习最容易做的是事实回忆题，但更有意思的，是让用户带着某种角色或任务去回答。比如读完一篇文章后，不只是问“作者说了什么”，还可以问“如果你是产品经理/老师/投资人，你会抓住哪三个判断点”。这会让练习更接近真实迁移。

从这个角度看，persona skill 的流行，其实是在提醒学习产品一件事：知识进入大脑，不只是记住信息，还包括形成看问题的默认姿势。

小结

awesome-persona-distill-skills 作为一份高可见度的索引，之所以被这么多人转发，不只是因为条目名字好玩，而是因为它把一个越来越清晰的需求提前说破了：我们开始希望 AI 不是“什么都会一点”，而是在具体任务里，能以一种更稳定、更像人的方式参与工作。

这件事最后会不会演化出新的产品形态，我还不敢下结论。但至少有一点已经很明确了：下一阶段的 AI 体验，竞争点不只是谁更聪明，也是谁更有立场。

信息说明