最適合誰
想系統性建立思維模型工具箱的研究者和決策者。如果你常常想用 Feynman 的方式拆解問題、用 Munger 的多元模型做投資決策、用 Taleb 的反脆弱框架分析風險，但覺得手動整理這些框架太花時間——這個工具把整個研究和蒸餾過程自動化了。
我實際怎麼用
告訴 Claude 我想蒸餾哪位思想家的認知框架，nuwa-skill 會啟動六路研究代理——分別從著作、訪談、表達 DNA、批評、決策案例、時間線六個角度平行蒐集資料。然後把蒐集到的素材通過三重驗證（跨域複現 + 預測力 + 排他性），過濾掉「聽起來對但沒有實際用處」的框架。
最終產出是一個可直接安裝使用的 Claude Code Skill。之後我可以隨時啟動特定思想家的視角來分析問題。
整個過程大約需要幾分鐘，產出品質遠超自己手動整理——因為三重驗證會強制過濾掉那些表面上有道理但經不起檢驗的心智模型。
真正強的地方
- 每個心智模型必須通過三重驗證（Triple-Verification）：跨域複現（不同領域都能用）、預測力（能預測結果）、排他性（這個模型獨有的洞察）。聽起來漂亮但無法複現的模型會被直接過濾
- 每個生成的 skill 必須明確寫出「我不能做什麼」（Honest Limits 強制聲明）。這在 AI 工具生態中少見但很重要
- Agentic Protocol 防幻覺：回答前先查事實再組織答案，不直接編造，在知識蒸餾這種容易出幻覺的場景中是關鍵保障
- 六路平行研究代理做多角度交叉驗證，比單線研究品質高很多
失敗模式與不該用的情境
- 目標人物的公開資料太少時，六路研究代理找不到足夠素材，產出會變薄。名人效果好，小眾學者效果差
- 這是「生成 skill 的 skill」（meta-skill），不直接回答你的問題。現在就要答案的話，先去用已經生成好的 perspective skill
價格、上手門檻與風險
完全免費，MIT 授權。安裝一行指令完成。上手需要理解 meta-skill 的概念——你是在生成工具，不是在使用工具。Python 88.9% + Shell 11.1%，但使用者不需要碰程式碼。
無隱私風險，研究過程基於公開資料。安全評級低風險。
結論
如果你認為「用正確的思維模型看問題」比「更努力地想」更重要，nuwa-skill 是目前自動蒸餾方案中做得最系統的。17.2k Stars 背後是 Triple-Verification 和 Honest Limits 兩個實在的設計理念，光是這兩點就值得研究。但它是元工具，急著要答案的人別從這裡開始。