Skill Distillation
Автор рассказывает, как использует фронтирные модели, чтобы обучать небольшие локальные модели работать так, как работает он сам. Его персональный агент на базе Pi управляет почтой, пайплайном сделок, публикацией в блоге, календарём и исследованиями и устроен как небольшая операционная система из трёх слоёв: QMD (локальная база знаний из ~80 markdown-файлов воркфлоу), Skills (атомарные файлы SKILL.md, которые пишет и оценивает фронтирная модель) и Agent Loop (цикл Plan → Tool Call → Observe → Refine с 17 Rust-API и MCP-интеграциями). Ключевой приём — «дистилляция навыков»: фронтирная модель (Opus 4.7, GPT-5.1, Gemini 3 Pro) пишет и дорабатывает навыки, а меньшая локальная модель (Qwen 35B или Gemma 26B) их исполняет, получая процедурное знание через markdown. В отличие от классической дистилляции знаний, instruction tuning и RAG, этот подход извлекает не факты, а процедуры — модели не нужно уметь оценивать компанию, достаточно следовать шагам. Каждую ночь система анализирует исторические логи, решая, какие новые навыки сгенерировать, а сама библиотека навыков превращается в институциональное знание компании.
Я использую передовые модели, чтобы научить небольшие модели, работающие на моём компьютере, тому, как работаю я.
Мой персональный агент на базе Pi управляет моим почтовым ящиком, пайплайном сделок, публикацией в блоге, календарём и исследованиями. Он похож не столько на чат-бота, сколько на небольшую операционную систему.
Первый слой — это QMD, локальная markdown-база знаний примерно из восьмидесяти файлов воркфлоу в ~/memories. Прежде чем ответить на любой процедурный вопрос, агент ищет в QMD нужный плейбук.
Второй слой — это Skills, атомарные файлы SKILL.md, каждый из которых описывает одну задачу. Эти навыки пишет фронтирная модель. Как и оценки (evaluations), которые их аттестуют. Одна и та же система пишет, тестирует и переписывает каждый навык, пока точность не сойдётся. Она также проверяет recall по QMD, чтобы по нужным ключевым словам всегда всплывал нужный навык.
Третий слой — это Agent Loop, модель, исполняющая цикл Plan → Tool Call → Observe → Refine, обращаясь к семнадцати Rust-API и нескольким MCP-интеграциям.
Один из приёмов, которые я начал применять, — это дистилляция навыков (skill distillation). Фронтирная модель — Opus 4.7, GPT-5.1, Gemini 3 Pro — пишет и дорабатывает файлы навыков. Меньшая модель — Qwen 35B или Gemma 26B, работающая локально, — их исполняет. Учитель передаёт ученику процедурное знание через markdown. Навык можно инспектировать, версионировать и заменять на лету.
Это принципиально отличается от классической дистилляции знаний, которая сжимает мягкие вероятностные выходы большой модели в веса меньшей модели. Это отличается от instruction tuning, который запекает поведение в веса через пары «промпт-ответ». Это отличается от RAG, который извлекает факты.
Дистилляция навыков извлекает процедуры. Меньшей модели не нужно знать, как оценивать компанию. Ей нужно лишь знать, как следовать шагам.
Каждую ночь система проходит по историческим логам, чтобы понять, какие новые навыки следует сгенерировать, повторяя тот самый цикл, который Pete Koomen описал в Y Combinator ранее на этой неделе.
Фронтирная модель становится учителем. Библиотека становится институциональным знанием компании. А учеником становится та модель, которая в этом квартале окажется самой дешёвой.