鲲鹏 Skill

适用于Vibe Coding和YES工程师的skill，能够把网页、开源仓库、产品和多媒体素材蒸馏成可复用的方法论、技术选型、UI设计理念与产品方案。

鲲鹏 Skill 目的是能够完整蒸馏代码仓库、网页动效、UI设计理念、视频、图片或文章，并把其中高价值的东西整理成其他智能体可以继续执行的规范。

这些结果既能进入本地资料库，成为个人知识库随时被提取，也能直接用于网页UI、App、小程序、游戏、Agent、桌面端和品牌视觉等新产品的规划。

它解决什么问题

• 收集不再只是存链接：保留核心功能、技术栈、核心流程、数据流、外部依赖、UI/交互亮点和整理重点。
• 蒸馏不止输出形容词：把“高级、电影感、像某种风格”展开成构图、参数、节奏、步骤、边界和验收条件。
• 参考库真正参与产品决策：规划产品时检索本地资料库，综合已有经验，但不向最终使用者暴露内部来源和检索过程。
• 非技术人员也能读懂：先解释用户、成本和维护后果，再给技术名称，不把框架选择重新丢给使用者。
• 长素材不会一次塞满上下文：视频先做时间轴，文档先分块，资料库先索引，再按需深读。

四种工作模式

flowchart LR
    A["项目与素材"] --> B["本地提取"]
    B --> C["证据与结构"]
    C --> D["方法蒸馏"]
    D --> E["可再生成规范"]
    D --> F["产品与开发方案"]

交互原则

只有用户要规划或开发新产品时，Skill 才会一次询问 1–5 个真正影响方案的问题。

多媒体能力

标准版优先调用已部署的完整本地处理链，不额外调用托管推理 API：

“反向提示词”不会被单独做成一段万能文本。最终蒸馏结果会形成模型无关的可再生成规范：明确不可变项、内容变量、生成顺序、参数、负向约束和验收表，再按 Seedance、图像模型或写作模型的格式进行适配。

支持的 Agent

Skill 使用通用的 SKILL.md + references/ + scripts/ 结构。以下宿主可以使用同一份内容，宿主专用元数据只作为可选增强：

不同版本的目录约定可能变化，以宿主当前官方文档和 Skills 诊断结果为准。

快速配置

Codex 一键安装

在 Codex 中直接发送：

请使用 $skill-installer 从 GitHub 安装 kunpeng-skill：

https://github.com/hufeng173/kunpeng-skill

Skill 位于仓库根目录，path 为 .，安装名称为 kunpeng-skill，安装到默认的 $CODEX_HOME/skills 目录。不要覆盖已有同名目录；如果已安装，请先报告。完成后验证 SKILL.md，并告诉我下一轮如何调用。

1. 挂载完整目录

复制或链接整个 kunpeng-skill，必须同时保留：

kunpeng-skill/
├── SKILL.md
├── README.md
├── agents/
├── assets/
├── references/
├── scripts/
└── requirements-standard.txt

2. 创建项目级 Python 环境

在 Skill 根目录执行：

python -m venv .venv

Windows PowerShell：

.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install -r requirements-standard.txt

Linux、macOS 或 WSL：

./.venv/bin/python -m pip install --upgrade pip
./.venv/bin/python -m pip install -r requirements-standard.txt

3. 安装 FFmpeg

FFmpeg 从官方下载页获取。它会修改系统环境，必须由使用者主动执行：

Windows: winget install Gyan.FFmpeg
Ubuntu/WSL: sudo apt install ffmpeg
macOS: brew install ffmpeg

4. 官方获取地址

目标电脑只需手动安装 Python 和 FFmpeg；其余 Python 组件会由 requirements-standard.txt 安装到 Skill 自己的 .venv，通常不需要逐个下载。

首次运行 faster-whisper 或 PaddleOCR 时还会从其公开模型仓库下载免费模型文件；这不是付费 API 调用。完整来源、许可证和离线模型说明见本地工具链。

5. 检查能力

统一入口会自动优先使用 Skill 自己的 .venv：

python scripts/kunpeng.py probe --profile video
python scripts/kunpeng.py probe --profile image
python scripts/kunpeng.py probe --profile document

以上是普通任务的能力发现，即使缺工具也会输出替代路由并继续。安装完成后的全链验收使用：

python scripts/kunpeng.py probe --profile all --strict

模型准备完成后，可以指定本地模型目录，并使用 --offline 完全离线处理。

执行优先级与结果

执行顺序固定为：已部署标准本地工具 → 已实际核实的 Agent 能力 → 确定性本地替代 → 标记未覆盖。标准组件可用时不会为了省事跳过，只对缺失或失败的单项降级。

脚本无法自行判断 Codex、Claude Code、WorkBuddy、OpenCode 或 Hermes 当前会话是否具备视觉等宿主工具，因此会列出 host_review_required 并先保持 partial。Agent 必须真的打开相应素材后才能在最终报告中认定为 degraded 覆盖，不能只凭“宿主支持”推断完成。

Hermes 与 WSL

Hermes 运行在 WSL 时，不要直接复用 Windows 创建的 .venv。在 WSL 文件系统中放置 Skill 并重新创建 Linux 虚拟环境；Windows 资料可以继续通过 /mnt/<盘符>/... 只读访问。

Skill、模型缓存和 .venv 放在 WSL 文件系统通常更快；大型视频可以留在 Windows 盘，但大量关键帧和 OCR 过程文件建议输出到 WSL 工作目录。

使用示例

Codex：

使用 $kunpeng-skill 完整收录这个项目，保存到我的资料库。
使用 $kunpeng-skill 蒸馏这批视频，输出同风格新内容的可再生成规范。
使用 $kunpeng-skill 根据现有资料库，规划一个面向设计师的桌面 App。

Claude Code 或其他宿主：

请使用 kunpeng-skill 分析这个图片目录，提取稳定视觉系统和验收标准。
请使用 kunpeng-skill 蒸馏这些文章的表达方法，用于新主题写作。

CLI 入口

python scripts/kunpeng.py probe --profile <video|image|document>
python scripts/kunpeng.py video <视频或目录> --output <过程目录>
python scripts/kunpeng.py images <图片或目录> --output <过程目录>
python scripts/kunpeng.py documents <文档或目录> --output <过程目录>
python scripts/kunpeng.py compare <参考文件> <候选文件> --mode style
python scripts/kunpeng.py index --library <资料库目录>
python scripts/kunpeng.py search --index <索引文件> --query "产品需求" --limit 6
python scripts/kunpeng.py validate <产物路径> --profile distillation

脚本默认只读源素材，不覆盖已有输出目录。只有明确继续中断任务时才使用 --resume。

本地与费用边界

• 媒体提取、ASR、OCR、镜头切分、音频分析和文档解析全部在本机完成。
• Skill 不读取 API Key，也不会自行调用额外的 OpenAI、Claude、Gemini 或其他托管推理 API。
• 宿主 Agent 本身的订阅或调用费用仍按宿主服务规则计算，不属于 Skill 增加的媒体处理费用。
• 首次模型下载会使用网络和磁盘；模型准备完成后可以离线运行。

结果边界

• 忠实重建只适用于用户拥有或获得授权的素材。
• 不承诺逐帧、逐像素或逐字完全一致；生成模型能力和随机性仍会影响结果。
• 颜色、边缘、节奏和文风统计只是证据，最终语义、审美和连续性必须由智能体复核。
• 同风格任务迁移结构和表现机制，不复制 Logo、角色、整套品牌身份或标志性长段内容。

进一步阅读

• 本地工具链与 Agent 配置
• 视频蒸馏
• 图片与视觉蒸馏
• 文章与表达蒸馏
• 可再生成规范
• 资料库检索
• 质量门