知识注入的两条路：RAG知识库与Skills蒸馏

实证案例：heart-net 个人知识库（pgvector + rerank 两阶段检索 / 100 题评测集 / run #1~#5 真实跑分）与同仓库的《RAG 评测体系生产实践指南》构成姊妹篇------那边讲"怎么测"，这篇讲"两种知识形态为什么测法天生不同"。

本文所有数字均为真实跑分数据；所有对比均来自同一项目里两种形态并存的实际使用，不是思想实验。

0. 这篇博客讲什么、给谁看

一句话定位：AI 应用里有两种把知识塞给模型的方式------知识库（RAG）和 Skills。大多数人两种都在用，但很少想清楚它们的本质区别，结果是把"必须每次都在"的知识赌在概率检索上，或者把"海量长尾"的语料硬蒸馏成卡、把最贵的注意力烧在低价值内容上。

先用人话说清楚各自干什么（后文所有抽象都从这两个场景里长出来）：

知识库（RAG）用来回答"我读过的东西怎么说" 。你把文档原文一篇篇存进向量库；每次提问，系统现场按语义相似度从库里捞回最相关的几小片原文，喂给模型作答。它是你的第二大脑书架------"我的知识库里 JUC 是怎么讲的""那份手册里这个参数配多少"，都是它在干活。
Skills 用来告诉模型"动手前必须知道什么" 。每张卡是一份事先写好的规程------项目架构导览、开发红线、工作流程------任务对得上就整卡加载进上下文。它是 AI 的上岗手册------不负责"知识是什么"，只约束"这件事该怎么做、什么绝不能碰"。

给谁看：

读者	读法
同时维护知识库和 skill 卡的人	通读，重点 §2 四层区别 + §4 漏斗结构
搭 RAG 的工程师	重点 §3------失败模式为什么必须靠仪器量化，仪器本身怎么工作
写 skill 卡 / 维护 agent 规则的人	重点 §2.4 + §3.6------skill 的"失败可见"是资产，"没仪器"是代价
纠结"这段经验到底放哪"的人	直接看 §4 的判断标准 + §5 的价值排序

贯穿全文的实证对象：heart-net 是一个个人知识库项目------RAG 侧是 41 篇文档、约 4000 chunks 的向量库加两阶段检索；Skills 侧是十几张 SKILL.md 卡（项目架构卡、开发红线卡、各专题素材卡）。同一个仓库里两种形态并存且互相喂数据，这让"对比"有了实打的现场，而不是纸上谈兵。

写作约定：每个抽象概念配一个"通俗例子"框；每个论断尽量配实测数据；关键结构配图。

1. 同一道题的两种解法

1.1 问题从哪来：权重冻结，知识却活着

先立住问题的根。大模型的权重是冻结的------训练完那一刻，它知道什么就固定了。而你自己的知识是活的、私有的：今天踩了个坑、明天读了一篇文档、后天公司改了一条规矩。模型永远不可能通过"再训练"来实时跟上你------且不说成本，你的私有知识本来就不该进任何权重。

所以必须有一套机制，把"对的知识"在"这一刻"塞进模型有限的上下文窗口。这类问题统称上下文工程（Context Engineering）：窗口就这么大（几万到几十万 token），知识无限，选什么进来、怎么放进来，决定了这个 AI 是"懂你的"还是"泛泛的"。

通俗例子：开卷考试。书带不进考场（权重冻结），但可以带小抄（上下文）。小抄只有一张 A4 纸（窗口有限）------抄什么、怎么排版、按什么顺序找，就是全部学问。

RAG 和 Skills 是这张小抄的两种做法。它们不是互相竞争的技术路线，而是同一道题的两个解------分歧只出现在两个决策点上。

1.2 先拆词：Skills 是容器，蒸馏是装法

"Skills 蒸馏"是个合成词，很容易被读成"Skills 本身就是一门蒸馏技术"。不是------它压着两个层次的东西，拆开才立得住。

Skills 的本体是一种加载机制 。物理形态上一个 skill 就是"一个文件夹 + SKILL.md"：文件头写名字和描述，正文写内容。运行时规则只有一条------模型读描述判断当前任务用不用得上，用得上就把整张卡加载进上下文。它是一个按需加载的上下文模块，本身不生产任何知识。

蒸馏是一种内容加工工艺 ：把几万字原文消化成几百字结论------读原文、提炼、核对、定稿。它跟 skill 机制没有绑定关系：SKILL.md 只规定格式，没规定内容必须是蒸馏产物------把整篇原文贴进一张卡，机制照样触发、照样加载，合法，只是蠢。

两个维度交叉，看得最清楚：

内容 \ 载体	RAG 库（相似度检索）	skill 卡（触发整卡加载）
原文 chunk	经典 RAG------本文左列	可行但蠢：整卡原文轰进窗口，有用的就两句
蒸馏产物	中间层飞轮------LLM 详解文档回流知识库（§4.2 展开）	经典 skill------本文右列的最佳实践

所以本文对比表的两列，严格说是两个"机制 × 内容"的组合：左列 = RAG 机制 + 原文内容，右列 = skill 机制 + 蒸馏内容。"Skills 蒸馏"指的就是右边这对搭档------后文沿用这个简称，但概念上记住它是两个东西。

为什么这对搭档绑得这么紧？机制塑造内容的最优解。skill 的机制约束是"整卡加载"------卡内每个 token 都是直接成本，没有"卡内再检索"这回事，卡必须字字有用，高信噪比是硬要求；而把内容压到字字有用的主流工艺就是蒸馏。再加上 skill 的典型使命是装红线、纪律、流程------这类知识天然就是结论形态（"数据库写操作必须先确认"本来就是一句话，没人把六百字事故报告原文塞进卡）。反过来，RAG 按需取片、给出处------原文的冗余在它那里不是成本（反正只取几片），出处属性反而是资产，原文于是成了它的合理内容。

顺带校准一个常见说法：把 skills 叫"工具包"只对了一部分------它装的不全是能力。heart-net 的卡里有学习路线（能力）、项目架构（导览）、开发红线（纪律）、博客素材（事实存档），共同点只有机制。一句话定义：skill 是按需加载的上下文模块；"工具包"只覆盖装能力的那部分，"蒸馏"则根本不是 skill 的一部分，只是跟它最搭的装法。

1.3 分歧的两个决策点

决策点一：什么时候压缩？

知识从原始形态（几千字的文档）到进窗口（几百 token 的有效内容），必然经历一次压缩。分歧在于压缩发生在什么时刻：

RAG：用时压。原文整篇躺在库里不动，检索那一刻才决定取哪几片------压缩发生在"回答这个问题的瞬间"，压缩结果由相似度现场裁决。
Skills：入库时压。写卡的那一刻就完成了蒸馏------原文被消化成结论和纪律，卡片定稿后每次加载的都是同一份压缩结果。

决策点二：怎么找到该给的那份知识？

RAG：相似度检索 。把问题变成向量，在库里找"语义最近的几片"------这是概率匹配，这次问法和上次差一个词，捞回来的东西就可能不一样。
Skills：触发词整卡加载 。靠卡片描述、关键词触发，一旦命中就整卡进来------不取半句，不挑段落。

1.4 一句话定调

两个决策点组合起来，可以把两种形态的性格压缩成一句话：

RAG 是存储时保真、检索时赌博；skill 是写卡时定稿、使用时保真。

这句话值得逐词拆开------尤其当心：前后两个"保真"不是同一个意思。

RAG「存储时保真」 ：入库那一刻什么都没发生------原文原样进库，没人改写、没人提炼，引用有据、细节无损。保的是内容真实：存的东西是真的。
RAG「检索时赌博」：所有决定被推迟到"回答这个问题的瞬间"------取哪几片、gold 排第几，全部由相似度现场裁决。同一个问题今天捞回 A、B、C，明天措辞变一点就捞成 B、D、E。赌的是"这一枪打得中"，赔率实测过：Hit@1 = 55%；更糟的是赌输了不一定知道------模型拿着不完整的材料照样一本正经作答。
skill「写卡时定稿」：压缩被提前到入库那一刻，一次性做完、永久固定。写得好，以后每次用都好；写得偏，以后每次用都偏（直到有人修卡）。所有判断在写卡那一瞬间锁死。
skill「使用时保真」 ：这个"保真"保的不是内容真实，是传输一致------卡触发后整卡进来、一字不差，今天加载和明年加载是同一份，零损耗、零现场裁决。使用时没有赌局。

通俗例子 ：图书馆每来一位读者都现场翻一次目录------同一个问题今天和明天复印给你的那几页可能不一样，每局都赌 ；工作手册付印那天就定版，谁翻开都是同一页------一次押注，赌注全压在写手册那一次：写得偏了，往后每件事都按偏的方式错，好在错得一致、看得见、能修。

所以这句定调真正说的是风险的位置 ：RAG 把不确定性摊到每一次使用，skill 把不确定性集中在一次写卡。风险的位置决定质量守护的手段------RAG 必须配仪器 （评测体系，否则等于每局都赌还从不看战绩），skill 只需能修卡（事故回溯）。§3 那组"仪器 vs 肉眼"的对称，根子就在这里。这是下一节的主题。

2. 四层本质区别

2.1 全景对比表

先上全表。这张表是本文的骨架，后面每一小节展开一层：

维度	知识库（RAG）	Skills 蒸馏
知识形态	原文 chunk，带出处	结论、纪律、决策、流程
压缩时机	检索时（相似度决定）	写卡时（人/AI 协作定稿）
触发方式	向量相似度，概率匹配	描述/触发词，整卡加载
失败模式	隐蔽（漏召回/误召回不专门评测就不知道）	可见（没触发就是没加载）
信噪比	chunk 几百 token 可能只有一两个结论	卡内字字是必须执行的约束
运行成本	每问一次跑一遍召回+rerank	一次注入 N 次生效，边际成本零
更新成本	加料便宜，质量靠入库闸	蒸馏贵（消耗注意力），但条条高信噪比
量级	大而全、覆盖长尾	少而精
服务的对象	分身智能体------回答"我读过的东西怎么说"	开发搭档 AI------决定"动手前必须知道什么"
对应人的什么	见闻、经历	原则、方法论

2.2 知识形态：原文与结论

RAG 库里存的是原文切片（chunk）------带标题路径前缀、带出处、可能有代码和上下文的原始段落。它不替你判断轻重，原文怎么说它就怎么存。好处是保真：引用有据、细节无损、不掺二次理解。代价是冗余：一个几百 token 的 chunk 里，真正是"结论"的可能就一两句，剩下的都是铺垫。

Skill 卡里存的是蒸馏产物------结论（"rerank 分数是请求内相对值，不是绝对置信度"）、纪律（"数据库写操作必须先经用户确认"）、决策（"个人项目引 Python 技术栈不值，评测内嵌 Java"）、流程（"先查字典→带分类检索→标注来源"）。没有原文，全是"怎么做、别踩什么坑"。

通俗例子：RAG 是图书馆------原文在架上，用时翻几页；skill 是老员工的工作手册------没有原文，全是门道。

2.3 压缩与触发：两种"运气"的分布

把压缩时机和触发方式合起来看，会发现两者的不确定性分布完全不同：

RAG 的不确定在每次使用：同一类问题，这次捞中了、下次措辞变了就没捞中；捞中的三片里 gold 排第一还是第三，也是现场才定的。
Skill 的不确定只在触发那一刻：触发词设计得好不好决定卡会不会被加载，但一旦触发，内容是定稿的、完整的、每次一致的。

运行成本跟着这个分布走：RAG 每问一次就要跑一遍"召回 + 精排"，模型调用一次不少；skill 注入一次，之后的 N 轮对话都在生效，边际成本归零。

2.4 失败模式：隐蔽与可见

这是最容易被忽视、却最致命的一层区别。两种形态都会失败，但失败被发现的难度天差地别：

RAG 的失败是隐蔽的 。漏召回（库里明明有 gold，这一枪没打中）、误召回（捞回来一堆擦边但不该命中的），都发生在一瞬间，表面上什么都看不出来------模型会拿着不完整的材料"一本正经地回答"，你只觉得答案质量一般，不知道病根在检索。不专门建评测体系，这些失败永远不可见。

Skill 的失败是可见的。卡没触发就是没加载，行为上立刻能看出来------该守的红线没守住、该走的流程没走。失败模式和行为后果直接绑定，肉眼可查。

一句话：**RAG 是"有仪器才知道失败"，skill 是"失败了自然露馅"。**这个不对称引出了一个更深的对称------两种形态的可评测性恰好互补。这是下一节的主题，也是这两种形态对比里最值得展开的一层。

3. 失败模式的量化：55% 是怎么测出来的

上一节说 RAG 的失败隐蔽、需要仪器。这一节就讲这台仪器------它怎么工作、为什么便宜、以及一个反直觉的事实：给它打分的不是任何模型，是几十行 Java 代码。

3.1 先看仪器测出了什么

heart-net 的评测集里有 11 道跨文档题（比如"对比 MVCC 与 redo log 在并发控制上的分工"------答案横跨两篇文档）。对这批题反复跑分，实测结果：

Hit@1 = 55% ：11 道题里只有 6 道，正确文档（gold）排在检索结果第 1 位------近一半的问题，第一枪打不中 gold。
Hit@3 = 100%：但 11 道题的 gold 全部进了前 3------材料是捞到了的，输在排序。
MRR = 0.73：平均排位倒数------第 2 名贡献 0.5，第 3 名贡献 0.33。

更有说服力的是后面三轮调参：依次扩召回宽度（30→40）、收粗排闸（0.8→0.5）、放分数闸（0.3→0.2），Hit@1 纹丝不动地停在 55%。参数确实生效了（快照如实记录，候选池确有微变），但变化没强到翻转任何一题的排位。这不是仪器失灵------这是"当前结论对这几个参数稳健"的证据，三次实验免费验证了稳健区间。

还有失败模式的另一面：给评测集加进负例（库里没有答案的问题）后，8 道负例有 3 道被误召回，且三条全命中同一篇 1085 chunks 的《面试题大全》大杂烩------任何"......的基本原理是什么"式的问法都能在那篇里蹭出浅相似。误召回和漏召回一样，不专门测就永远看不见。

3.2 反直觉的事实：L1 评分没有裁判模型

讲仪器的原理前，先纠正一个常见误解。很多人（包括一周前的我）会假设：既然是"AI 的考试"，那总得有个 AI 裁判来打分吧？

没有。L1 检索评测的裁判是纯 Java 代码，全程没有一个模型参与评分。

这里要把两个角色分清楚，因为 L1 的链路里确实有模型，但它们的身份是考生，不是裁判：

角色	谁	判定依据
考生	embedding 模型 + rerank 模型（就是生产检索链路本身）	它们的输出在被比对------top3 列表
裁判	Java 代码（集合比对 + 排位计数 + 除法）	它在做比对------gold 在不在 top3、排第几

容易混淆的点：rerank 确实在"打分"（relevanceScore），但那是考生草稿纸上的数字------它是被测系统的内部排序机制，不是评测的分数。评测的分，是拿考生的最终答案（top3 列表）对标准答案（gold 文档集合）机械比出来的。

3.3 机器阅卷的四个步骤

整个评分流程四步，每一步都简单到可以手算复验：

第一步：人标标准答案。出题的时候人工标注 goldTitles------"这道题的答案物理上在哪篇文档"。这是唯一的"主观"环节，且主观性被压缩到"指认出处"这个最小动作上（不用写参考答案，只需指出答案在哪）。

第二步：考生作答 。用真实的生产检索链路跑这道题------embedding 向量化、向量粗排、rerank 精排、topK 截断，一步不 mock。评的就是当前线上这套配置，不是理想化的替身。

第三步：代码阅卷 。遍历考生交回的 top3：第 1 名的 docId 在 gold 集合里吗？在，hitRank = 1。不在，看第 2 名、第 3 名。负例更简单：召回列表是空的 → 拒答成功（hits.isEmpty() → rejected，一行代码）。

第四步：除法聚合。

ini 复制代码

Hit@1 = hit1 ÷ 正例总数          （排第 1 的题占比）
Hit@3 = hit3 ÷ 正例总数          （进前 3 的题占比）
MRR   = Σ(1 ÷ hitRank) ÷ 正例总数（排位倒数的平均）

验证一下手感能不能复算：11 题中 6 题排第 1、2 题排第 2、3 题排第 3 →

ini 复制代码

MRR = (6×1.0 + 2×0.5 + 3×0.33) ÷ 11 ≈ 0.727

和报告里的 0.73 对上了。报告数字可以拿笔算出来，因为评分过程没有任何模型主观判断------这就是"机器阅卷"四个字的完整含义。

通俗例子 ：L1 是选择题 ------答案唯一、答题卡机器阅卷，快、准、零争议；L2（生成质量评测）是作文题------质量是连续光谱，没有标准答案可比，才需要请一位"老师"（裁判模型）通读全文打 1~5 分。选择题能用答题卡判的，绝不请老师人工批------这不是省钱技巧，是方法论。

3.4 机器阅卷的三笔红利

"能用代码判的绝不请模型"带来三笔实打实的红利，每一笔都在 heart-net 的实践里兑现过：

红利一：确定性 。评分环节没有模型 = 没有采样噪声。实测证据：两轮等效条件下的跑分，rerank 分数小数点后 16 位逐位一致。这直接决定了两种评测的阈值策略可以不同------L1 的阈值可以贴着基线钉死（逐位复现，差一位都是回归）；L2 的阈值必须留容差（生成和裁判都带采样抖动，贴太紧一半红灯是噪声不是回归）。

红利二：便宜 。L1 每题 2 次模型调用（embedding + rerank，约 3 秒）；L2 每题再加 2 次（生成 + 裁判，15~23 秒）。L1-only 扫参便宜两个数量级------大规模网格扫参数时先跑 L1 筛出头部参数组，少数决赛组再上 L2 验证，这个分层控制成本的生产惯例，物理依据就是"评分零模型调用"。

红利三：可解释。每个分数都能翻明细落到具体某题排第几、distance 多少、rerank 分多少------55% 的损失具体丢在 5 道题的排序上，一览无余。L2 才需要裁判额外产出"幻觉句清单"来把主观扣分落到句子上；L1 的扣分天生就长在题上。

3.5 对称的另一半：skill 没有这台仪器

现在把镜头转回 skill，就能看到一组漂亮的对称：

	RAG	Skills
失败的可见性	隐蔽------不测就不知道	可见------没触发就是没加载
可评测性	极好------gold 命中是选择题，机器阅卷、零噪声、便宜	差------行为质量没有 gold 排位可比
质量守护方式	靠仪器：离线评测体系、指标门禁	靠肉眼：使用中盯行为、事故回溯修卡

为什么 skill 建不成这种仪器？因为评分的第一步"人标标准答案"在 skill 的世界里没有对应物------你可以给一道检索题标注"答案在这篇文档"，但没法给一次开发协作标注"此刻模型必须想起卡上第 3 条纪律"并把它变成集合比对。skill 的"考卷"是行为层面的：红线守没守住、流程走没走对，只能在真实使用中观察，靠事故回溯来修卡。

heart-net 的开发红线卡就是这么来的------"数据库写操作必须先经用户确认"这条纪律，背后是一次 schema.sql 整文件重放把 doc 表清空的事故。RAG 的卡片靠出题标金，skill 的卡片靠事故回溯------两种知识形态的质量守护方法论，也随形态本身分化了。

而这组对称恰恰是补偿设计：

RAG 失败隐蔽，所以必须建仪器------不建等于裸奔；
skill 失败可见，所以敢整卡加载------错了会露馅，露馅就能修。

3.6 推论：必须每次都在的知识，不能赌检索

把 §2.4 和本节合起来，可以立一条工程上的铁律：

"必须每次都在"的知识不能交给概率检索。

红线、纪律、关键流程，属于"错一次就出事故"的知识------55% 的 Hit@1 意味着赌检索有近一半概率第一枪落空，这个赌注对红线类知识完全不可接受。这类知识的正确归宿是 skill（触发词整卡加载，零漏项），再配一层自动召回的 memory 做双保险------heart-net 的架构里，开发红线卡（skill 形态）+ 关键约束自动注入（memory 形态）双轨并行，依据就是这条推论。

反过来，"错了能重问一句"的查询类知识、海量长尾的原始语料，才适合放 RAG------失败成本低，换取的是覆盖广度和存储便宜。

4. 漏斗结构：正确答案不是二选一

4.1 为什么全蒸馏不行，全 RAG 也不行

前面对比了这么多"差异"，容易读成"选边站"。但实践中的正确答案是两者分层共存------因为各自的"不行"恰好卡死在对方的"行"上：

全蒸馏为什么不行：蒸馏消耗的是人的注意力------读原文、提炼、核对、定稿，一条卡的诞生要以小时计。几百篇文档不可能都成卡；而且长尾语料（可能一年就查一次的技术细节）根本不值得这个成本。蒸馏的单位成本，决定了它只配给"反复被用到"的知识。

全 RAG 为什么不行：上一节的推论已经回答------必须每次都在的知识（红线/纪律/核心流程）赌不起 55% 的命中率。

4.2 知识金字塔：三层各就各位

正确的结构是一座金字塔，越往上数量越少、信噪比越高、执行性越强：

层	住什么	形态	成本特性
底层（最宽）	海量原始语料，全量入库	RAG	加料便宜、容量无限、给出处、覆盖长尾
中间层	机器生成的详解文档、摘要	LLM 自动蒸馏	密度高于原文、成本远低于手工
顶层（最窄）	反复被用到的结论与纪律	手工 Skills	蒸馏贵，但条条是必须执行的约束

中间层值得单独说一句：它是用 LLM 自动做漏斗中间层的蒸馏------把一篇 80 万字符的原始文档自动生成一份几万字符的详解文档再反哺入库。这层的价值在于它站在两种形态的甜点交叉处：比原文密度高（信噪比向 skill 靠），比手工蒸馏便宜两个数量级（成本向 RAG 靠）。heart-net 的"详解文档反哺入库"飞轮（详解管道生成的文档自动打分、高分回流知识库）就是这层的落地------LLM 生成的详解文档经过裁判打分闸门，回流后又成为下一轮检索的弹药。

4.3 四条蒸馏产线的实例

heart-net 仓库里，这座金字塔的实际运转长这样------四条产线各有产出，且知识库（RAG）是所有产线的原料来源：

markdown 复制代码

                    ┌─→ learn-* 五张学习路线卡     （方法论蒸馏，个人目录）
原始语料（知识库）──┼─→ heart-net 五张项目经验卡   （工程纪律，项目内）
                    ├─→ docs/ 博客与指南           （面向人的系统化整理）
                    └─→ 知识库自身                 （原始语料，全量保真）

一个耐人寻味的细节：这几条产线的产出互相喂数------项目经验卡（skill）记录"评测体系怎么建"，博客（docs）把卡展开成面向陌生读者的完整叙事，而写博客的过程又会逼出新的认知、回头修订卡。蒸馏不是单向漏斗，是循环。

5. 蒸馏自己的价值：单位 token 信息增量最高

前四节讲的都是"怎么选"。这一节讲"什么最值得蒸馏"------因为金字塔顶层的位置稀缺，放什么进去是个价值判断。

判断标准：这段知识在模型权重里存在吗？

外部公开文档（官方文档、经典书籍、技术博客）：预训练大概率见过。RAG 它们的收益只是"精确化、私有化"------让模型引用你指定的那本书、你锁定的那个版本，而不是它记忆里可能过时、可能张冠李戴的模糊印象。这个收益是真实的（尤其对抗幻觉和版本漂移），但不是"新知识"。

个人决策史、教训、约束 ：这些是权重里绝对不存在的知识------"数据库写操作必须先确认"是炸过一次库换来的；"评测内嵌 Java 不引 Python"是个人项目约束拍板的；"gold 标注要独立于检索预览"是差点考卷污染的教训。模型读一万遍互联网也学不到你的事故史。

所以蒸馏的价值排序很清晰：

蒸馏自己，注入的是模型永远学不到的信息------单位 token 信息增量最高的知识。

一条红线卡防住一次炸库事故------这种价值的知识，交给概率检索"hopefully 命中"是不行的；而它恰好又是"必须每次都在"的知识，于是又回到 §3.6 的铁律：进 skill，配 memory 双保险。

这也解释了为什么"个人知识引擎"类产品里，最有护城河的资产从来不是接入了多少公开文档------那人人都能接------而是用户自己的蒸馏产线：踩过的坑、拍过的板、付过学费的结论。公开知识拼接入，私有知识拼蒸馏。

6. 收尾：记忆与人格

最后把三种机制放进一张完整的图景。除了 RAG 和 skill，实践里还有第三种存在------memory（自动召回的长期记忆）。它是杂交体：内容形态像 skill（蒸馏过的要点，不是原文），召回机制像 RAG（按上下文自动带入，不靠触发词）。它填的是两种纯形态之间的空隙------"值得每次都在、但不想手工维护成卡"的中间地带。

于是有了这个终极比喻：

RAG 库是分身的记忆海马体------读过什么、见过什么； skills 和 memory 是分身的人格与前额叶------怎么想事、什么绝不能碰。只有记忆没有人格是复读机，只有人格没有记忆是空想家。

回到开头的问题："这段经验放知识库还是写成 skill？"现在可以给出完整的判断流程：

错一次会出事故吗？ 会 → skill + memory 双保险（§3.6 铁律）
是海量长尾、偶尔查用的原文吗？ 是 → RAG（底层全量保真）
高频使用、值得压缩、但手工蒸馏太贵？ → 中间层自动蒸馏（LLM 生成 + 质量闸）
是你自己的教训、决策、约束吗？ 优先级无条件调到最高（权重里不存在的知识，§5）

知识库管见闻的广度，蒸馏管原则的深度。两条路都要走，但每一段知识，只有一条属于它的路。