前言¶
人文社科写作、审稿或带学生时，我们常需要「像某位学者那样想」——不是堆术语，而是按他的对象定义、证据标准和反驳顺序推进论证。靠临时翻几篇代表作让模型「扮演」，往往只剩口吻相似，判断逻辑却漂移。
下面介绍 SkillHub 社区技能 学者推理蒸馏器（@user_231765ee/django-plus，版本 1.0.0）。它把流程写进通用 SKILL.md：先从你提供的学者文本里蒸馏结构化「推理指纹」，再在该指纹约束下做评审、指导、授课或小组讨论，并附带定量自评与定性评语。技能说明写明方法参照论文 The Relic Condition 的思路，面向个人学习、写作与思辨模拟；不需要 API Key（requires_api_key=false）。
这是什么¶
学者推理蒸馏器是一条面向 Agent 的系统指令技能，发布者为 user_231765ee（SkillHub 页面标注作者 EtterLanhorne），分类为 knowledge-management，来源为 community。
一句话定位：从任意学者文本（文章、专著节选、笔记、访谈等）执行八层推理提取，构建九模块推理指纹，并以该指纹为硬约束完成四项学术任务，同时输出维度评分与定性评价。
核心功能¶
以下能力均来自官方包内 SKILL.md（v1.0.0），不含未在文档中出现的脚本或外部服务。
两阶段工作流¶
- 蒸馏阶段：根据用户粘贴的学者原文，按八层框架提取完整推理指纹，输出结构化条目。
- 部署阶段：在用户选定任务类型后，以指纹为约束生成回答，并按要求做自我评分与定性反思。
八层推理提取框架¶
从每份文本逐层提取（文本很短也尽量推断；同一学者多次提供材料时可累积更新指纹）：
| 层级 | 内容 |
|---|---|
| 本体特征 | 学者如何定义研究对象 |
| 概念特征 | 反复出现的关键概念对或区分 |
| 分析操作 | 常见分析步骤序列 |
| 评价特征 | 证据强弱标准、偏好证据类型 |
| 互文特征 | 常引作者、作品及引用功能 |
| 修辞特征 | 句式节奏、连接词、段落结构 |
| 边界特征 | 明确拒绝的方法、概念或问题类型 |
| 历时特征 | 概念随时间的变化；单一时点可注「暂缺」 |
提取规则：出现一次记为「推测特征」，两次及以上记为「稳定特征」；可继续补充文本强化指纹。
九模块技能架构（回答时的硬约束）¶
八层结果转化为九个模块，生成回答前需经过对应检查，包括：范围（Scope）、激活/退出（Activation）、本体重构（Ontological）、分析序列（Procedural）、评价阈值（Evaluative）、引用网络（Intertextual）、修辞节奏（Rhetorical）、边界拒绝（Refusal）、推理溯源（Provenance）。超出指纹覆盖范围的问题须提示框架不直接处理；违反「边界特征」的请求须礼貌拒绝；回答末尾须简要说明判断所依据的指纹层级。
四项任务与评估¶
| 任务 | 定量评分 | 定性输出 |
|---|---|---|
| 同行评审（Peer Review） | 标准感、比例感、可辩护性、可操作性、一致性（各 1–5 分） | 最接近真实学者的一点、最可能偏离的一点 |
| 博士指导（Supervision） | 诊断准确性、优先级排序、可行性、发展意识、独立性导向（各 1–5 分） | 最像原学者的一句建议、一句可能过于通用的话 |
| 授课（Lecturing） | 准确性、结构、层次、可学性、问答鲁棒性（各 1–5 分） | 课堂氛围与学者实际课堂的相似度（可推测） |
| 小组讨论（Panel Discussion） | 严谨性、证据依赖度、响应性、清晰度、原创性（各 1–10 分） | 哪些时刻体现核心区分、哪些可能过于泛化 |
评分基准为「真实学者在相同任务中可能的表现」与当前输出的差距。
相对原论文实验的简化¶
官方文档说明：语料可为任意片段，不要求出版物或固定体量；提取可在单次对话上下文内完成，无需微调；评估由模型自评，用户也可自行补充真人评估。仅供个人学习、思辨与研究警示，不用于商业部署。
伦理边界¶
生成内容为推理风格模拟，不代表学者完整思想。严禁伪造同行评审、欺骗学术机构或替代学者劳动；使用公开出版物须遵守合理引用，并注意文档所称「遗物条件」（Relic Condition）相关风险。
安装与启用¶
SkillHub 页面给出的安装提示如下（需 Agent 按安装文档操作）：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_231765ee/django-plus`。
若本机已安装 skillhub CLI，可将技能装进当前 Agent 的 skills 目录（安装时必须使用 --dir，否则默认落在 ./skills/ 且可能不被识别）。示例：
command -v skillhub && skillhub --version
skillhub install @user_231765ee/django-plus --dir ~/.cursor/skills/
常用客户端 skills 路径（摘自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
未安装 CLI 时，可按 SkillHub 安装说明 执行官方安装脚本。技能包内亦说明：可将整份 SKILL.md（含 YAML 头至伦理声明）复制到支持自定义系统提示的环境（如 GPT Instructions、Claude Project System Prompt）中使用。
典型用法¶
官方 SKILL.md 给出可复现的两步对话示例（节选逻辑，非逐字照抄）。
第一步：用户提供学者名称与原文片段，例如粘贴《技术与时间》节选约 200 字，请求模仿该学者风格。
技能（蒸馏）：输出「已提取推理指纹（初步）」，列出本体、核心区分、操作序列、评价阈值、引用习惯、边界/拒绝、修辞节奏、历时特征等，并询问要执行评审、指导、授课还是小组讨论。
第二步：用户指定任务与待评观点，例如要求以该学者风格评审「短视频算法让人上瘾是用户意志薄弱」。
技能（部署）：按本体定义重述问题、按操作序列展开分析，给出定量自评（如各维度 x/5）与定性评语（最接近与最偏离之处）。
实际使用时：在对话中粘贴学者原文并说明任务即可；无需额外配置文件。
适用场景与注意¶
适合谁
- 需要把某位学者的论证结构「拆开再装回去」的学习者或研究者。
- 希望在审稿、指导、备课、研讨准备中，用结构化约束减少「泛泛像学者」的情况。
- 已在 Cursor、Claude Code 等支持 Skill 的客户端中工作，且愿意用 SkillHub 管理指令型技能。
限制与注意
- 输出为模型在单次上下文内的推断与自评，指纹成熟度取决于你提供的语料多少与重复度；短文本只能得到「推测特征」为主的结果。
- SkillHub 元数据显示：评分 100000，下载 963，安装 0（统计以页面为准）；技能不依赖 API Key，但效果仍取决于所用模型能力。
- 内部标识为
django-plus，与名称「学者推理蒸馏器」并存，安装与搜索时请使用坐标@user_231765ee/django-plus。
结尾¶
学者推理蒸馏器把「提取推理架构」和「在架构下做学术任务」写进同一份 SKILL.md，适合需要可重复流程、又必须守住伦理边界的个人学习场景。官方 API 与展示页：
- https://api.skillhub.cn/user_231765ee/django-plus
- https://www.skillhub.cn/skills/user_231765ee/django-plus
