distill-persona

name	distill-persona
description	从人物样本中蒸馏可复用的 Agent 技能 profile。当需要：(1) 从一组问答样本提取某人的决策风格和表达习惯， (2) 生成可执行的 skill profile (profile.json + skill.md + skill.py)，(3) 自动评判和修复 profile 质量， (4) 批量蒸馏多个 persona 为独立 skill 时使用。输入为人物名称 + 样本列表，输出为完整 skill 包。

Distill Persona

Overview

从一组人物的问答/行为样本中，蒸馏出一个可被 Agent 执行的 skill profile。包含完整的闭环链路：

1. DistillProfile — 从样本提取 profile（风格规则、决策启发式、红线、输出模板）
2. ProfileJudge — 审计 profile 是否完整、一致、可执行
3. ImitationTest — 用 profile 生成测试输出
4. ImitationJudge — 判断生成效果是否符合原始样本风格
5. AutoRepair — 根据 failure mode 自动修复 profile

最终输出：profile.json + fewshot.json + skill.md + skill.py + judge_report.json

Language Style Extraction

pipeline 中包含专门的 Style Extractor 步骤，从 10 个维度深度分析语言风格：

维度	分析内容
tone	整体语调（直接/委婉、热情/冷淡、讽刺/真诚）
formality	正式程度（口语化/中性/正式），俚语/缩写使用
vocabulary_traits	用词偏好、口头禅、专业术语 vs 通俗表达
sentence_patterns	句式模式（长短句、排比、反问、条件句）
rhetorical_devices	修辞手法（比喻、夸张、类比、重复、对比）
punctuation_habits	标点习惯（省略号、感叹号、破折号使用）
sentence_length	句子长度分布（短促/混合/冗长）
opening_patterns	开头模式（直答/共情/反问/故事/类比）
closing_patterns	收尾模式（总结/号召/开放问题/情绪钩子）
emotional_coloring	情感色彩（冷静/激动/紧迫/共情/疏离）

每个维度都会从样本中提取具体例子，确保风格可复现。结果合并到 profile.language_style 中，ImitationJudge 也会评估风格还原度。

When to Use

Input Formats

skill 接受三种输入，自动解析为结构化 Q&A 对：

1. 直接粘贴对话文本

用户在聊天窗口直接粘贴对话内容。支持格式：

• Q: ... A: ... / 问：... 答：...
• User: ... Assistant: ... / 用户：... 助手：...
• A: ... B: ... / 甲：... 乙：...
• 你：... 我：...
• 纯段落交替（奇数段=问题，偶数段=回答）
• 无法识别的格式 → 自动用 LLM 智能解析

2. 上传文件

用户上传 txt、md、json 文件：

• .json — 必须是 [{input, output}] 格式
• .txt / .md — 自动检测对话格式或段落结构

3. 结构化 JSON

直接提供 [{input, output}] 列表。

Input Schema

{
  "persona_name": "string",
  "samples": [{"input": "...", "output": "...", "meta": {}}],
  "target_domain": "string (optional)",
  "output_language": "zh",
  "strictness": "high | medium | low",
  "desired_skill_type": "advisor | writer | planner | coder | teacher",
  "judge_test_cases": [{"task": "...", "context": "..."}],
  "judge_pass_threshold": 0.75,
  "max_repair_rounds": 2
}

Workflow

samples → DistillProfile → ExtractLanguageStyle → merge into profile
                                                       ↓
                                              ProfileJudge → pass?
                                                                 ↓ no
                                                          AutoRepair → retry
                                                                 ↓ yes
                                                    ImitationTest → ImitationJudge → pass?
                                                                                          ↓ no
                                                                                     AutoRepair → retry
                                                                                          ↓ yes
                                                    ExtractFewshot → GenerateSkillMD + GenerateSkillPY
                                                                                          ↓
                                                    save_to_folder()

1. 运行 scripts/distill_skill.py 或按步骤调用各方法
2. distill_profile() 提取决策 profile 后，extract_language_style() 单独做 10 维度语言风格分析
3. 两者合并到 profile.language_style，确保风格可复现
4. ProfileJudge 审计完整性，ImitationJudge 同时评估决策逻辑和语言风格还原度
5. 未通过则自动修复（最多 max_repair_rounds 轮）
6. 通过后提取 fewshot，生成 skill.md 和 skill.py

Prompt Templates

详细的 prompt 模板见 references/prompts.md，包含：

• DISTILL_PROFILE_PROMPT — 蒸馏 profile 的主 prompt
• PROFILE_JUDGE_PROMPT — profile 审计 prompt
• IMITATION_TEST_PROMPT — 模仿测试 prompt
• IMITATION_JUDGE_PROMPT — 模仿评判 prompt
• PROFILE_REPAIR_PROMPT — profile 修复 prompt
• EXTRACT_FEWSHOT_PROMPT — fewshot 提取 prompt
• GENERATE_SKILL_MD_PROMPT — skill.md 生成 prompt
• GENERATE_SKILL_PY_PROMPT — skill.py 生成 prompt

Usage Example

方式一：通过 Agent 对话触发（推荐）

用户在聊天窗口直接说：

• "把下面这段对话蒸馏成一个 skill：[粘贴对话]"
• "我上传了一个对话记录文件，帮我蒸馏一下"
• "从这些问答中提取这个人的风格"

Agent 读取上传文件或粘贴文本 → SampleParser.parse() → parse_and_run() → 输出 skill 包。

方式二：Python REPL 中调用（原始文本）

from app.core.container import get_llm
from distill_skill import DistillSkill, MiniClawLLM

llm = MiniClawLLM(get_llm())
distiller = DistillSkill(llm)

raw_text = """
问：我该选什么专业？
答：先看省份分数位次，再看家庭资源...

问：土木还有前途吗？
答：如果你家没资源，你就别碰...
"""

out = distiller.parse_and_run("zhangxuefeng_v1", raw_text=raw_text, target_domain="career advice")
distiller.save_to_folder(out, "generated_skills/zhangxuefeng_v1")

方式三：Python REPL（上传文件）

out = distiller.parse_and_run("expert_v1", file_path="data/chat_log.txt", target_domain="finance")
distiller.save_to_folder(out, "generated_skills/expert_v1")

方式四：命令行

# 从文件蒸馏
python -m distill_skill --samples chat_log.txt --name my_persona --domain "career"

# 从 JSON 蒸馏
python -m distill_skill --samples samples.json --name my_persona --domain "career"

Output Files

File	Description
profile.json	蒸馏出的 persona profile（风格规则、决策启发式、红线等）
fewshot.json	提取的代表性 few-shot 示例
skill.md	生成的 skill.md 文件
skill.py	生成的 Python skill 运行时
judge_report.json	评判报告（profile_judge + imitation_judge + repair_rounds）

Important Notes

• 不要声称"身份复制" — 提取的是决策启发式和结构习惯，不是人格复制
• judge_pass_threshold 默认 0.75，可根据场景调整
• 样本数量建议 ≥5 条，越多 profile 越稳定
• _json_safe() 方法会尝试从 LLM 输出中提取 JSON，容错性较强