先说清楚
这里的“知识蒸馏”，不是大模型技术里的那个模型压缩概念。
我说的是一件更朴素的事：把有经验的人处理一件事的判断、步骤和坑，系统地提取出来，变成 AI 可以执行的东西。
老师傅脑子里有你花钱买不到的东西：什么情况先做什么、哪个数字不对要停下来、客户说哪句话意味着什么。这些东西不写下来，AI 永远学不会。
蒸馏的四样产物
对一件事做知识蒸馏，你要拿出四样东西：
| 产物 | 回答什么 | 周报示例 |
|---|---|---|
| SOP | 每一步的输入、动作、输出 | 周二 9 点导出三表 → 按口径合并 → 套模板 → 发群 |
| 判断规则 | 什么情况走 A，什么情况走 B，什么情况必须停下来问人 | 缺当日数据 → 标红并 @同事，不猜数 |
| 提示词 | 把上述规则翻译成 AI 能稳定执行的指令 | 按「总量 / 环比 / 异常」三段生成摘要，只陈述不推测 |
| 验收清单 | 怎么检查它干得对不对 | 人看异常段，与原始数据逐条对得上 |
四样凑齐，这个环节才能交给 AI。
一个真实样例
以“每周整理三份系统数据出周报”为例：
- SOP：周二 9 点导出 A/B/C 三表 → 按口径合并 → 套模板 → 发群
- 判断规则：某表缺当日数据 → 标红并@对应同事，不猜数
- 提示词：给定合并表，按“总量/环比/异常”三段生成摘要，只陈述不推测
- 验收：人看异常段是否与原始数据对得上
原来每周 2 小时的活，蒸完馏之后人的部分只剩 5 分钟验收。
蒸馏的两个常见坑
- 蒸得太全：想把老师傅所有经验一次写完。错。先蒸一个环节，跑通再扩展
- 只蒸步骤不蒸判断：步骤好写，判断难写。而 AI 最需要的恰恰是判断规则
知识蒸馏是 AI员工陪跑第一周的全部内容——这一周没有 AI 什么事，但决定后面三周的成败。
工具从哪来？见《工具底座》。