今天周末，和各位精神股东们聊点不一样的，经常聊编程，代码，也枯燥无味，你们听的也腻了，这两年AI和创意视频行业发展迅猛，很多短剧，创意广告都已经开始由AI介入完成了，这对于视频行业18线以下的从业者冲击很大，最近很多视频平台演员都在说横店很多主演都只能接到300一天的片酬的邀约，并且主演稍微一犹豫角色就没了的行情，早已不是动辄千万上亿片酬的年代了。

AI行业过去几年，竞争的核心一直围绕“大模型能力”展开。从GPT、Claude、Gemini到各种国产大模型，各家公司不断提升参数规模、推理能力和上下文长度，希望让AI更加接近人类专家。但随着AI Agent逐渐进入实际工作场景，一个新的问题开始出现：模型足够聪明之后，如何快速获得专业领域经验？ 毕竟，一个顶级设计师、程序员、摄影师或者企业家的能力，并不只是来自知识，而是来自多年积累的工作流程、判断逻辑和解决问题的方法。

最近，“AI视频蒸馏（Video Distillation）”成为AI社区讨论的新方向。它并不是简单让AI帮你总结一个5小时视频，而是尝试进一步提取视频中的核心方法、操作流程、经验规则以及专家决策方式，并将这些内容转换成AI Agent可以调用的 Skill（技能模块）。简单来说，过去是人花几个小时观看教程，再自己总结经验；而现在可以让AI读取视频内容，把专家的方法拆解出来，形成一个可以重复使用的AI能力。

这种玩法之所以被很多人称为“AI知识黑客”，是因为它改变了传统学习方式。一个优秀设计师的视频教程、一套企业培训课程、一次行业专家访谈，过去只能被观看和收藏，而经过AI蒸馏之后，它们可能变成一个真正可以工作的AI助手。例如，一个5小时Blender教程，不再只是生成一篇“教程总结”，而是可以进一步转换成包含建模流程、材质逻辑、灯光规则和渲染经验的Blender设计Skill。

“蒸馏”为什么突然成为AI行业热点？

近期，AI行业围绕“模型蒸馏（Model Distillation）”出现了大量讨论。Anthropic曾公开表示发现部分AI公司通过调用Claude模型输出，用于改进自身模型能力，并将这种行为归入模型蒸馏相关争议，不过，需要明确区分两个完全不同的方向：

简单理解：模型蒸馏，是让一个AI学习另一个AI，Skill蒸馏，是让AI学习人类解决问题的方法，而本文讨论的视频蒸馏，更接近第二种方向。

从“观看视频”到“提取能力”，AI正在改变学习方式

过去，一个专家的经验通常隐藏在大量内容中：

普通用户想掌握这些能力，需要投入大量时间学习，但视频蒸馏正在尝试建立一种新的路径：视频内容 → AI分析 → 方法提取 → Skill生成 → Agent调用。例如，一个建筑设计师分享完整方案制作过程，AI不仅可以理解最终效果，还可以分析：

最终，这些经验可以被封装成一个AI设计助手。这意味着未来AI竞争可能不只是：谁的大模型参数更多。而是：谁拥有更多高质量、可执行、经过验证的Skill。

一、什么是“视频蒸馏 Skill”？

很多人第一次看到“视频蒸馏”这个概念，第一反应都是：不就是让AI帮我总结视频吗？ 其实两者的目标完全不同。普通的AI视频总结，重点是把几个小时的视频压缩成一份文字摘要，让你快速知道视频讲了什么；而“视频蒸馏 Skill”更进一步，它试图从视频中提取真正具有复用价值的知识、经验、操作流程和判断逻辑，再将这些内容整理成AI Agent能够理解和调用的技能。换句话说，普通总结解决的是:

而视频蒸馏解决的是:

例如:

这对于快速了解课程内容非常有用，但真正需要操作的时候，你依然需要自己重新翻教程、找参数、理解老师为什么这么做。而经过 Skill 蒸馏之后，AI会进一步尝试分析教程背后的方法：

最终，这些经验可以被整理成一个类似“Blender室内设计 Skill”的能力模块，让AI从“知道教程内容”进一步走向“按照教程方法解决问题”。

因此，视频蒸馏真正有意思的地方，并不是让AI替你“看完5小时视频”，而是尝试把视频 → 知识 → 方法 → Skill → Agent执行这一整条链路建立起来。

比如用户以后只需要告诉AI：“帮我制作一个现代风格客厅效果图”，如果对应的 Blender 室内设计 Skill 已经经过提取和测试，Agent就可以根据其中的空间规划、建模、材质、灯光和渲染方法来辅助完成任务。这样一来，原本只能被人观看的一套教程，就有机会变成一个可以被AI反复调用的专业能力。

二、视频“蒸馏”到底解决了什么问题？

现在的AI其实已经很擅长“读取内容”。无论是PDF、网页、视频字幕还是各种文档，只要内容能够被转换成AI可以理解的文本或结构化信息，AI通常都能快速完成总结、提炼和问答。但问题也恰恰出在这里：AI能够理解一份资料，并不意味着它真正掌握了这份资料中的方法，更不意味着它能够在新的任务中主动调用这些知识。 例如，你把一本完整的摄影教程交给AI，它当然可以告诉你什么是黄金分割构图、什么是三分法、什么是引导线，但当你真正上传一张拍得不够好的照片，让AI判断“为什么这张照片不好看”时，普通知识库往往只能进行概念层面的回答，很难稳定地把教程中的方法转化成具体的分析流程。

视频蒸馏解决的核心问题，就是把“AI知道什么”进一步变成“AI应该怎么做”。它并不是简单地把视频、书籍或者文档压缩成一份摘要，而是尝试从内容中提取其中的经验、判断逻辑、方法论、案例和执行步骤，再组织成可以被Agent调用的Skill。这样一来，原本只能作为参考资料存在的内容，就变成了一套可以反复使用的“操作方法”。还是以摄影教程为例，普通AI可能告诉你黄金分割是什么，而Skill模式则可以进一步按照教程中的方法判断主体位置、分析画面的空间关系、寻找视觉重心，并根据问题给出具体的构图调整方案。

从这个角度看，视频蒸馏真正改变的并不是“AI能读取多少资料”，而是知识进入AI之后究竟以什么形式存在。传统知识库更像是给AI准备了一座巨大的资料仓库，AI需要从里面寻找答案；而Skill则更像是把资料中的高手经验整理成一套可以直接调用的工作流程。当用户提出一个具体任务时，Agent不只是检索相关信息，而是能够按照Skill中的方法去分析、判断和执行，这也是“视频蒸馏”真正有价值的地方。

因此，可以把整个过程简单理解成一条链路：视频 / 书籍 / 文档 → 知识 → 方法 → Skill → Agent执行，这也是cangjie-skill最核心的价值：不是让AI“看完了一个视频”，而是让AI尽可能把视频里的经验变成以后真正能用的方法。

三、为什么这个项目被称为“AI知识黑客”？

过去，如果你想获得一个专家的能力，通常需要：

但是AI Skill时代正在尝试改变这个过程，一个专家的视频教程，本质上包含两部分内容：

例如判断标准、工作习惯、解决问题方式，真正有价值的，其实是第二部分，例如一个摄影大师的视频，普通用户看到的是：

而AI希望进一步理解：

这就是视频蒸馏最大的价值：从结果中提取过程，从内容中提取能力。

四、视频“蒸馏”如何把视频变成AI Skill？

视频蒸馏并不是简单复制视频内容，而是一个完整的知识转换流程，根据项目介绍，cangjie-skill采用 RIA-TV++ 方法，将长内容转换为结构化Skill，流程包括整体理解、多方向提取、验证筛选、Skill构造、知识关联以及压力测试等阶段，大致流程如下：

例如：一个5小时建筑设计课程，AI不会只生成：“第一章介绍建筑理念。”而会提取：

最后形成：

五、为什么视频比文字更适合AI蒸馏？

很多专业经验，其实并不存在于文字里，例如：

这些判断过程，才是真正的专业经验，视频最大的优势，就是记录完整过程，因此AI视频蒸馏关注的不只是：“他说了什么。”而是：“他为什么这么做。”这也是为什么长视频、课程、访谈和播客成为Skill蒸馏的重要来源。明确支持书籍之外的长视频、播客、课程等内容，只要其中存在可提取、可验证、可迁移的方法论，就可以转换成AI Skill。

六、对于设计师、程序员和创作者意味着什么？

如果视频蒸馏和AI Skill技术继续发展，它带来的影响可能不仅仅是改变学习方式，而是改变各个行业获取专业能力的方式。过去，一个行业专家需要多年积累经验，而未来这些经验可能通过课程、项目复盘、教程视频等形式，被AI提取并转换成可重复调用的技能模块。

对于3D设计和视觉创作行业来说，这种变化尤其明显。一个优秀的Blender、3ds Max、V-Ray或者建筑设计教程，过去只能帮助学习者掌握软件操作，而经过Skill蒸馏之后，AI可以进一步提取其中的设计逻辑、制作流程和优化方法，形成不同类型的专业Skill，例如：

未来设计师面对一个新的项目时，不一定需要重新翻阅大量教程，而是可以直接让AI调用这些技能，根据已有经验辅助完成方案设计、模型制作和效果优化。

对于程序员和开发团队来说，视频蒸馏同样具有巨大价值。一个高级开发课程、一套架构设计分享或者一次代码复盘，都包含大量经验判断，而这些内容往往比单纯代码更加重要。AI可以将其中的软件设计思想、调试流程和开发规范提取出来，形成：

这意味着未来AI编程助手不只是会生成代码，而可能逐渐拥有类似高级工程师的开发习惯和解决问题的方法，对于企业和团队管理来说，Skill蒸馏可能会成为新的知识资产管理方式。过去企业培训资料通常只是存放在文档库、视频库中，新员工需要重新学习，而未来这些内部培训内容可以转换成企业专属AI能力，例如：

未来企业拥有的不只是一个存储资料的知识库，而是一套能够持续调用、不断优化的：

从这个角度来看，未来AI竞争的核心可能不只是模型能力，而是谁能够拥有更多高质量、经过验证的行业Skill。模型负责思考，工具负责执行，而Skill负责提供专业经验，这可能会成为AI Agent进入实际生产环境的重要基础。

七、视频蒸馏和普通知识库有什么区别？

未来AI Agent真正需要的，不只是更多资料，而是：更多可以执行的方法。

八、对于设计师和开发者，这可能改变工作方式

对于设计师、程序员和内容创作者来说，视频蒸馏真正有价值的地方，并不是单纯帮你节省几个小时的观看时间，而是可以把原本需要人长期学习才能掌握的工作方法，进一步整理成AI能够理解和调用的能力。以3D设计为例，一个优秀的室内设计教程通常不只是讲软件按钮怎么使用，更包含空间规划、建模流程、材质选择、灯光处理以及渲染优化等大量经验。通过视频蒸馏，这些内容可以从单纯的课程资料变成结构化的方法论，让AI在面对实际设计任务时，不只是“知道室内设计是什么”，而是能够按照提取出来的流程和规则参与具体工作。

对于程序员来说，同样可以把高级开发课程、技术分享或者项目复盘中的经验转换成代码审查、架构设计、Debug调试等Skill。过去程序员遇到问题时，需要自己翻阅文档、搜索案例，再结合经验进行判断；如果这些经验已经被整理成可调用Skill，AI Agent就可以在面对类似问题时参考对应的方法进行分析。运营、营销以及内容创作领域也存在类似的应用场景，例如将营销课程中的用户分析、内容策划、转化优化方法整理成营销Skill，让AI从简单的“写一篇文章”进一步变成能够按照一套成熟方法分析问题和制定方案的助手。

这意味着未来个人和企业积累的知识，很可能不再只是放在网盘、知识库或者课程文件夹里，而是逐渐变成可以被AI调用的能力资产。目前已经展示了将视频课程蒸馏成可调用Skill的案例，例如《给所有人的AI入门课》就被整理成了一组面向Agent执行的AI Skills，这说明“课程 → 方法论 → Skill”已经不只是概念，而正在形成实际的工作流。

因此，未来设计师真正拥有的可能不只是几十套教程，而是一套可以随时调用的AI专业技能库。当AI模型负责理解和推理、工具负责执行操作、Skill负责提供专业经验时，原本分散在视频、课程和专家脑中的知识，就有机会逐渐变成能够参与实际工作的AI能力。这也是视频蒸馏比普通“AI总结视频”更值得关注的地方：它试图把学习资料从“内容资产”进一步转换成“能力资产”。

九、AI未来竞争可能从“大模型战争”进入“Skill战争”

过去几年，大家关注：

但是进入Agent时代之后，一个新的问题会更加重要：AI到底会不会做事？一个模型再强，如果没有行业经验、工作流程和专业方法，它依然只是一个聊天工具，未来AI系统可能由多个部分组成：

其中Skill可能成为连接：知识 → 行动，的重要桥梁。

结语：未来收藏的不再是教程，而是教程里的能力

视频蒸馏真正值得关注的地方，并不是简单地让AI替你少看几个小时的视频，而是它正在改变“知识如何进入AI”的方式。过去我们保存一个教程，保存的是一个视频文件；收藏一本书，保存的是一堆文字资料；购买一门课程，得到的是一套学习内容。但这些内容最终能不能转化成实际能力，仍然需要人自己学习、理解和反复实践。视频蒸馏则提供了另一种思路：让AI去分析这些内容背后的方法、经验和决策逻辑，再把它们进一步整理成可以调用的Skill，让原本静态的知识资料开始具备“可使用”的属性。

从这个角度来看，一本专业书籍、一门完整课程、一个优秀设计师的教程，甚至一个专家多年积累的工作经验，都可能成为AI能力的来源。所探索的方向，本质上就是尝试解决这样一个问题：如何把人类积累的方法论转换成AI能够理解、调用和执行的能力。 当这些Skill与AI Agent、工具以及各种工作流结合之后，AI就不再只是一个负责回答问题的聊天机器人，而可以根据不同任务调用不同的专业方法，逐渐形成属于个人或者企业自己的AI能力体系。

所以未来真正值得收藏的东西，可能不再是“我硬盘里存了多少教程”，而是“这些教程最终给我留下了多少可以调用的AI能力”。一个5小时的视频，不一定只是5小时的视频，它可能是一套完整的工作流程；一门课程，也不一定只是课程文件，它可能成为一个专业AI助手；当越来越多Skill被组合起来之后，甚至有可能形成一支围绕个人工作方式运行的AI团队。过去我们收藏的是知识，未来我们可能真正开始收藏能力。