kscz0000 知识提取
从任意 AI 模型中提取结构化、带质量评分的领域知识——会话内从闭源模型提取（无需 API 密钥），或通过 Ollama 从本地开源模型提取。
概述
bdistill 将你的 AI 订阅会话转化为持续积累的知识库。智能体回答针对性的领域问题，bdistill 对回答进行结构化和质量评分，输出累积为可搜索、可导出的参考数据集。
对抗模式会质疑智能体的断言——强制提供证据、纠正错误、承认局限——从而产出经过验证的知识条目。
何时使用此技能
- 需要任意领域的结构化参考数据时（医疗、法律、金融、网络安全）
- 构建查找表、问答数据集或研究语料库时
- 为传统 ML 模型生成训练数据时（回归、分类——不是竞争性 LLM）
- 需要跨模型的领域知识对比时
工作原理
步骤 1：安装
pip install bdistill
claude mcp add bdistill -- bdistill-mcp # Claude Code
步骤 2：会话内提取知识
/distill medical cardiology # 预设领域
/distill --custom kubernetes docker helm # 自定义术语
/distill --adversarial medical # 带对抗验证
步骤 3：搜索、导出、积累
bdistill kb list # 显示所有领域
bdistill kb search "atrial fibrillation" # 关键词搜索
bdistill kb export -d medical -f csv # 导出为电子表格
bdistill kb export -d medical -f markdown # 可读知识文档
输出格式
结构化参考 JSONL——不是训练数据：
{
"question": "What causes myocardial infarction?",
"answer": "Myocardial infarction results from acute coronary artery occlusion...",
"domain": "medical",
"category": "cardiology",
"tags": ["mechanistic", "evidence-based"],
"quality_score": 0.73,
"confidence": 1.08,
"validated": true,
"source_model": "Claude Sonnet 4"
}
表格型 ML 数据生成
为传统 ML 模型生成结构化训练数据：
/schema sepsis | hr:float, bp:float, temp:float, wbc:float | risk:category[low,moderate,high,critical]
导出为 CSV，可直接用于 pandas/sklearn。每行追踪 source_model，支持跨模型分析。
本地模型提取（Ollama）
用于本地运行的开源模型：
# Install Ollama from https://ollama.com
ollama serve
ollama pull qwen3:4b
bdistill extract --domain medical --model qwen3:4b
安全与注意事项
- 会话内提取使用现有订阅——无需额外 API 密钥
- 本地提取完全通过 Ollama 在本机运行
- 不向外部服务发送数据
- 输出是参考数据，不是 LLM 训练格式
相关技能
@bdistill-behavioral-xray- 透视模型的行为模式
局限性
- 仅当任务明确匹配上述范围时使用此技能。
- 不要将输出替代环境特定的验证、测试或专家审查。
- 如缺少必要输入、权限、安全边界或成功标准，请停下来请求澄清。