Distill · 知识蒸馏塔
Distill 是这套一人系统的知识运行层。它把来源、项目、概念、实体、决策、约束和输出接成可维护的知识对象。
进入系统的信息先被分类，再按价值和风险决定是否晋升。高价值信息会沉淀成可复用资产，低价值信息保留在原始层即可。
🧪 对象层 · 知识原料模型
Distill 不把知识视作一堆笔记，而是 7 种有明确命运的知识原料：
- 来源 — 原始输入，系统唯一入口
- 项目 — 正在推进的工作
- 概念 — 可复用的方法和认知
- 实体 — 人、工具、系统
- 决策 — 已经做出的取舍，必须记录原因
- 约束 — 踩过的坑和边界
- 输出 — 对内或对外的产物
🔥 生命周期 · 从输入到资产
每条知识从进入系统到归档，经历清晰的状态流转：
- raw — 原始输入刚进入系统
- parsed — 整理出元数据和摘要
- linked — 关联到项目或概念
- promoted — 晋升为稳定知识对象
- maintained — 纳入日常维护
- superseded — 被新证据替代
- archived — 归档，仅保留历史价值
不是所有信息都值得持续维护。大多数停在 raw 就够了，只有真正可复用的内容才需要进入更高层级。
⚗️ 运行原则 · 最短路径
核心原则：满足质量要求的最短路径。
流程强度跟着风险走，不跟着形式走。低风险直接落地，高风险再升级流程，把质量要求和流程成本分开管理。
🤖 人机协同
AI 做整理，你做判断。
在我的系统里，AI 自动完成来源对象创建、索引更新、双向链接补充、巡检和草稿生成。人负责价值判断、高影响决策确认和系统级规则变更。
distill-vault：把蒸馏塔变成可运行的知识图谱底盘 + 多平台 Skill 分发
distill-vault 是 Distill 的运行时实现：对象索引、图数据库、混合搜索、社区发现、MCP、健康检查与自动化钩子都落成了可用产品。
v6 新增平台差异化 Skill Renderer：一个 canonical spec 自动产出 Hermes、Codex、Claude 三种格式。install --to all / reconcile --to all 可以一键三端同步，让同一套知识结构直接进入不同 agent 的工作界面。
⚔️ Technical Knockout · 架构与实现参考库
Distill 管内部知识，Technical Knockout 管外部参考。它把优秀开源项目拆成可复用的架构模式、实现路径和关键取舍，为用 coding agent 构建产品提供高质量样本。
五层分析只是入口，真正沉淀下来的，是哪些模块划分值得借鉴、哪些扩展方式更稳、哪些实现路径适合复用、哪些坑应该提前绕开。
架构与实现参考库 · GitHub
- 沉淀内容：架构模式、实现路径、关键 trade-off 与反例
- 分析方法：定位、架构、质量、社区、决策五层全量拆解
- 最终用途：为用 coding agent 开发产品提供参考坐标，而不是每次从零摸索
知识只有进入运行时，才会持续参与下一次构建。