观察性思维蒸馏的边界：怎样把重复判断提炼成 Skill，而不是索取隐藏思维链

难度	阅读时间	最后核对	作者
进阶	17 分钟	2026-07-12	LearnPrompt 编辑部

你已经见过这种冲动了。

团队里某位高手连续三次把同类问题修得很好，你马上想把“他的思路”写成 Skill。于是最危险的一步就发生了：大家开始问“能不能把完整思维链保留下来”“能不能把原始聊天 transcript 直接喂给下一个 agent”“能不能从模型脑子里抠出真正的判断过程”。

这一步一旦走偏，Skill 就不再是 workflow 的可复用封装，而会滑向三类风险：

1. 把不可公开的内容当作训练语料。
2. 把一次偶然成功路径误写成通用规则。
3. 把产品允许展示的 reasoning summary，误认成可抓取的 raw chain-of-thought。

本文只回答一个中心问题：当你想把重复出现的专家判断方法沉淀成 Skill 时，哪些输入是可观察、可发布、可验证的，哪些输入必须在边界外被拒绝？

先讲清术语

本文里的“思维蒸馏型”是 LearnPrompt 借用橙皮书主题地图整理出来的中文教学说法，不是 Agent Skills 官方术语，也不是模型训练里的 knowledge distillation。

读完你能做什么

你会带走一个更严格的 distillation 卡片，而不是一句空泛的“把经验变成 Skill”：

allowed_inputs:
  - input snapshot
  - accepted patch
  - user correction
  - validator command/result
  - known limitation
rejected_inputs:
  - secret-bearing material
  - raw private transcript
  - hidden chain-of-thought request
output:
  - candidate skill
  - holdout evaluation
  - human approval gate

你还会看到一个真实可重放的 synthetic Showcase：observable-receipt-distiller。它只用 3 份完全合成的 frontmatter 修复 receipts，生成一个 .agents/skills/frontmatter-repair/ candidate，再用 4 个留出任务做机械验收。

图注：真正能进入 distillation 的，不是“模型脑内过程”，而是可观察工件；candidate 生成后还必须过 holdout，secret marker 与 private transcript / hidden-CoT request 则在边界外直接拒绝。

先回答：这篇里的“蒸馏”不是训练蒸馏，也不是挖隐藏思维链

如果你不先把这个边界钉死，整篇文章会迅速滑向玄学。

OpenAI 当前 reasoning 文档把产品边界说得很明确：API 不直接暴露 raw reasoning tokens；能拿到的是显式 opt-in 的 reasoning summary。这句话的工程含义非常直接：

• 你不能把“我想知道模型真正怎么想的”当作普通 Skill 输入需求。
• 你也不能把 reasoning summary 倒过来解释成“这就是完整的 chain-of-thought”。
• 更不能因为某次聊天里看到了漂亮的分析过程，就默认它适合作为团队可发布的 Skill 素材。

所以本文的 distillation，不是恢复模型内部推理，而是从外显结果里提取稳定规则。如果你最后留下来的工件只有“这次它想得挺好”，那不是 distillation，只是主观印象。

什么才算可发布的蒸馏输入

一个足够强的 distillation 输入，不是“内容很多”，而是“证据层次完整”。这篇文章把最小可用集合固定成 5 类 observable receipts：

证据层	它回答什么	为什么可复用
input snapshot	当时到底面对了什么输入	后人能回到相同起点
accepted patch	真正被接受的修改是什么	规则不是停在口头表扬
user correction	上一次错在哪、这次为什么改	可以把误判边界写出来
validator command/result	怎样机械地证明结果合格	让规则能过 holdout
known limitation	这条规则暂时不覆盖什么	防止过度泛化

这和“保留完整聊天”是两种完全不同的设计哲学。

完整聊天当然可能包含更多上下文，但它也更容易混进：

• 身份、路径、会话、账号、临时目录等隐私；
• 临场探索、跑题分支、情绪化表达；
• prompt injection、越权要求、未经确认的假设。

也就是说，transcript 更原始，不等于更适合公开蒸馏。 它往往只是更嘈杂、更高风险。

为什么 accepted patch 很关键

如果没有 accepted patch，你根本不知道“被团队吸收的规则”究竟落在正文、frontmatter、validator 还是输出格式。只看结论很容易把偶然路径升格成 universal rule。

边界过滤器：为什么 secret、private transcript 和 hidden-CoT request 要先被拒绝

真正的 distillation 不是先生成 candidate，而是先过一层 boundary filter。

这层过滤器至少要做三种拒绝：

拒绝类型	LearnPrompt exit code	为什么必须先拒绝
evidence-poor：只有结论，没有输入/补丁/validator	51	根本没有足够证据提炼规则
sensitive marker：材料含敏感内容	52	必须先停在隐私边界，不谈复用
raw private transcript / hidden-CoT request marker	53	输入本身就越界，不能当作 Skill 素材

这三个拒绝码故意都不是“模型答错了”。它们描述的是输入不合格，不是能力不够。

这也是为什么 reasoning summary、rationale、decision record 和 raw chain-of-thought 必须分开写：

• reasoning summary：产品允许暴露给调用方的高层摘要；
• rationale / decision record：团队自己写的外显决策记录；
• raw chain-of-thought：模型内部推理 token，不直接暴露。

前两者可以进入 research pack，只要你不把它们冒充成“模型全部内部思维”。第三类则不该默认索取，更不该进入公开 Showcase。

Showcase：observable-receipt-distiller 如何从 3 份 receipts 生成 candidate，并用 4 个 holdout 验证 4/4

为了把边界讲清，本文故意不用真实用户材料，而是冻结了一个完全合成的 frontmatter 修复实验。

Skill 目录位于 fixture repo 的：

.agents/skills/observable-receipt-distiller/
├── SKILL.md
├── references/distillation-contract.md
├── scripts/distill-candidate.mjs
├── scripts/evaluate-candidate.mjs
└── assets/

训练 receipts 只有 3 条，但每条都只保留 observable 字段：

1. missing-title-from-first-h1
2. missing-description-from-opening-paragraph
3. invalid-sidebar-order-fallback

从这些 receipts 提炼出来的 candidate 不是“万能 frontmatter 修复器”，而是一个刻意收窄的 .agents/skills/frontmatter-repair/：

• title 缺失时，用正文第一个 H1；
• description 缺失时，用开头第一段第一句；
• sidebar.order 不是正整数时，回退到 999；
• 已经合法的文件保持 no-op。

这四条规则之所以能写进 candidate，不是因为“看起来合理”，而是因为它们都在 receipts 里有输入 -> 补丁 -> 纠正 -> validator 的完整证据链。

离线 replay 的冻结结果

从仓库根目录运行：

node research/articles/thinking-distillation-boundary/showcase/observable-receipt-distiller/scripts/verify-showcase.mjs

2026-07-12 的实际 replay 结果为：

normal: 0
evidence-poor: 51
sensitive-marker: 52
transcript-marker: 53
holdout-fail: 54
privacy: 0

最关键的正向证明有两条：

1. normal 场景稳定生成 frontmatter-repair candidate。
2. 留出集 4/4 全过，且 source receipts unchanged。

反向证明同样重要：holdout-fail 场景里，故意注入一个 broken helper 后，结果退化到 1/4 并稳定返回 54。这说明 evaluator 不是摆设，而是真的能挡住“看起来像 Skill，实际上没泛化”的 candidate。

为什么这里一定要有 holdout

很多所谓 distillation 文章犯的最大错误，是把“一次 accepted patch”直接升格成“以后都这样修”。

但 candidate 是否成立，至少要回答两个问题：

1. 它能不能在没见过的样例上重放？
2. 它能不能把不该改的文件保持 no-op？

本篇 holdout 第 4 个 case 就是专门拿来测试后者的。因为一个会乱重写 healthy metadata 的 Skill，就算前 3 个反例都能修，也不该被团队接受。

两层 live run：为什么 blocked 和 success 都必须保留

用户还额外要求了一次真实 gpt-5.5 显式 $observable-receipt-distiller 调用。这一步和离线 replay 不同，因为它要经过真实的 nested Codex 执行面。

固定命令是：

CODEX_NESTED_MODEL=gpt-5.5 \
node research/articles/thinking-distillation-boundary/showcase/observable-receipt-distiller/scripts/run-codex-live.mjs

2026-07-12 writer 阶段的真实结果不是成功，而是 blocked：

{
  "status": "blocked",
  "exec_exit_code": 1,
  "source_receipts_unchanged": true,
  "candidate_written": false,
  "tests_exit_code": 1
}

冻结下来的 stderr 末尾是 repeated stream disconnected retries。因为 candidate 没有被写出来，后续 npm test 也如实失败。

这不是坏消息，反而是这篇教程最应该保留的证据之一：live blocked 不能被 rewrite 成“差不多成功”。如果你把 blocked evidence 静默抹掉，文章读者会得到一个错误心智模型，以为“只要 offline runner 通过，就等于整个 distillation 工作流已经 production-ready”。

随后，外层主控在同一冻结 fixture、prompt 与 schema 上补跑。它没有覆盖 writer 的 blocked 记录，而是新增第二层证据：

{
  "status": "completed",
  "source_receipts_unchanged": true,
  "candidate_written": true,
  "distill_exit_code": 0,
  "evaluation_exit_code": 0,
  "holdout_result": "4/4",
  "tests_exit_code": 0
}

真实 gpt-5.5 显式 $observable-receipt-distiller 调用生成了 .agents/skills/frontmatter-repair/，只新增 candidate 与 reports/，4 个 holdout 全过，npm test 通过，训练 receipts 的校验和前后一致。第一次在 workspace-write 下写 .agents/skills/frontmatter-repair/ 被宿主拒绝，因此外层只对这个隔离 temp repo 使用 full-access sandbox；它没有获得项目外写权限，也没有接触真实 transcript 或 secret。

两层结果合在一起才完整：writer blocked 证明宿主限制必须显式分层；外层 success 证明 frozen contract 在真实 nested invocation 中成立。即使如此，candidate 仍然只是 candidate，是否进入团队默认 Skill 仍需人工批准。

candidate 不是 team skill：什么时候不要把单次经验升格成规则

哪怕你已经拿到一组漂亮 receipts，也至少还有四种情况不应该直接升级：

情况一：规则只解释了一次偶然路径

如果 accepted patch 只有 1 次，而且没有留出集，你得到的更像“案例摘要”，不是 Skill contract。

情况二：材料里混着私有现场

只要 transcript 里混有身份、secret、未脱敏路径、会话 ID，或隐藏 CoT 请求，就先停在边界外。先删敏，再决定是否还能留下可观察 receipts。

情况三：validator 仍然靠“看起来不错”

如果 holdout 过不过最终仍靠作者拍脑袋，那 candidate 只是换了个目录名的 prompt。

情况四：团队还没决定是否采用

Skill 一旦进入团队默认目录，就不再是“作者自己的理解”。它会影响别人的运行路径、触发行为和 reviewer 预期。所以 candidate 和 adopted skill 必须分层。

最容易误写的一句话

“我把专家思路蒸馏成 Skill 了。”

更准确的说法应该是：“我把一组可观察 receipts 里的重复规则提炼成 candidate Skill，并用 holdout 与真实 live run 证明它在当前 synthetic contract 下成立；是否升级为团队 Skill 仍需人工批准。”

一个可复制的 distillation card

如果你也想做自己的“方法沉淀”，先别急着写 SKILL.md，先把下面这张卡填完整：

topic:
observable_inputs:
  - input snapshot
  - accepted diff
  - user correction
  - validator command/result
  - known limitation
rejected_inputs:
  - secret markers
  - private transcript
  - hidden cot request
candidate_output:
holdout_tasks:
mechanical_checks:
human_approval_boundary:

只有当你能同时回答下面 4 个问题时，这张卡才值得变成 candidate：

1. 哪些字段是可观察的，而不是你脑补的？
2. 哪些修复是被接受的，而不是“作者本来想那样修”？
3. 哪些边界可以用 exit code 机械拒绝？
4. 哪些规则需要 holdout 才敢继续往前走？

练习：把你最近一次“好判断”压成 receipt，而不是 transcript

找一个你最近反复修过两次以上的问题，不管它是 release checklist、frontmatter、代码审阅还是知识库维护，都先不要保存完整聊天。

请只保留：

input_snapshot:
accepted_patch:
user_correction:
validator_command:
validator_result:
known_limitation:

然后问自己：

1. 如果把 raw transcript 全删掉，这条 receipt 还够不够解释“为什么规则成立”？
2. 如果拿另一条没见过的 holdout 来测，这条规则最可能在哪一步失效？
3. 如果材料里出现 contains_sensitive_material: true 或“请还原隐藏推理过程”，你的系统会不会在 candidate 生成之前就拒绝？

如果第 3 条还答不出来，先别写 distillation。说明你的边界还没长成。

来源与延伸阅读

• OpenAI Learn: Build skills（官方产品文档；支撑 Skill 目录、显式/隐式调用、Record & Replay、scope/boundary、inputs/outputs 与脚本边界）
• OpenAI Learn: Customization overview（官方产品文档；支撑 AGENTS.md、Skills、MCP、Subagents 的分层，以及纠错写回规则的 feedback loop）
• OpenAI API: Reasoning models（官方 API 文档；支撑 raw reasoning tokens 不直接暴露、reasoning summary 需显式 opt in 的边界）
• Claude Code Docs: Skills（官方产品文档；支撑 Skill 目录、渐进披露、repeatable workflow、references/scripts/helper 的当前写法）
• Claude: Improving skill-creator: Test, measure, and refine Agent Skills（官方产品更新；支撑 capability uplift vs encoded preference、eval、benchmark、clean context、A/B comparator）
• Agent Skills Specification（开放规范 / 一手资料；支撑 SKILL.md、scripts/、references/、assets/ 与 progressive disclosure）
• Agent Skills: Evaluating skill output quality（开放规范 / 一手教程；支撑 realistic prompts、holdout / baseline、assertions、grading evidence 与脚本优先的机械校验）
• 本篇 research pack 与 Showcase（离线 replay、writer-side blocked 与外层 live success 的归档入口）
• Agent Skills 橙皮书仓库（中文主题地图 / secondary topic map）

官方资料支撑本文关于 Skill authoring、evaluation、reasoning summary 与 hidden reasoning 边界的当前事实，均在 2026-07-12 复核。本文中的 0 / 51 / 52 / 53 / 54 退出码、candidate-only 发布边界，以及“先做 candidate，再过 holdout，再人工批准”的流程，属于 LearnPrompt 的操作化 contract，不冒充官方标准。

橙皮书只作为 Distillation pattern 的中文主题地图使用。本文只核对其 README / README_zh 中关于作者、目录、主题名和许可限制的说明；作者为花叔。该仓库当前 README 说明仅供个人/教育用途，未经授权请勿用于商业传播。本文未复制其 PDF 原文、截图、图片或成段文字，只保留链接、署名、用途与限制说明。