AI+电商：电商人应该如何蒸馏自己想学的任何知识？（附完整思路和 Skill）

很多人拿到一份资料后，第一句话就是：

帮我总结一下。

AI 很快会给出一份重点摘要。读的时候感觉什么都有，真正遇到业务问题时，却还是不知道该怎么判断。

因为下面几件事看起来相似，实际得到的东西完全不同：

比如一段直通车课程说：“点击率低时，要先优化创意。”

普通摘要记下这句话就结束了。

真正的蒸馏还会继续追问：

• 什么情况下才算点击率低？
• 应该和行业、竞品，还是自己的历史数据比较？
• 问题来自主图、关键词、人群，还是展示位置？
• 修改后观察多久、积累多少样本再判断？
• 能不能同时修改图片、出价和人群？
• 哪些类目和场景不能直接套用？
• 这条结论来自哪一页课程、哪一段视频或哪份官方规则？

这些条件保留下来，AI 学到的才不是一句结论，而是一套判断方式。

摘要压缩的是篇幅，蒸馏保留的是判断能力。

同一份课程，可以被整理成完全不同的东西。

如果只是想快速读完，生成摘要和思维导图就够了。

如果以后要频繁查找，就应该做成带页码、时间戳和来源的知识库。

如果希望 AI 面对新问题时给出判断，就必须继续提取触发条件、所需数据、判断标准、推荐动作和禁用条件。

如果还希望 AI 读取报表、计算指标并输出方案，最终就要把知识和执行流程结合成 Skill。

我通常把蒸馏结果分成四层：

1. 能找到：知道规则、案例和原文在哪里；
2. 能理解：能区分事实、作者观点、案例和推断；
3. 能判断：面对新场景，知道应该调用哪条方法；
4. 能执行：能生成 SOP、检查表、诊断结果或报告。

很多蒸馏项目最后生成了一大堆文件，却不好用，不一定是 AI 能力不够，而是最开始只说了“帮我整理”，没有说明以后希望它替自己完成什么任务。

我拿一套爆品运营课程做过测试。

这类 PDF 有一个常见问题：看上去是文档，实际上每一页都是扫描图片。普通工具可能抽取不到正文，也可能把表格顺序读乱。

所以第一步不是直接处理整本，而是先抽取前、中、后几页测试：

• 有没有文本层；
• 表格会不会错列；
• 图片里的文字能不能识别；
• 手写批注会不会遗漏；
• 页码和章节能不能保留。

确认读取路线后，再进入正式处理：

保留原始 PDF→ 提取目录、正文、表格和图片→ 按页或章节拆成可验收的小批次→ 区分观点、规则、案例和操作步骤→ 补齐条件、例外与适用边界→ 按真实运营任务重新组织→ 建立来源索引→ 生成知识库、SOP 和 Skill→ 用真实业务问题验收

这里最容易犯的错误，是按照原书目录逐章压缩。

人可以从第一章读到最后一章，但 AI 工作时面对的是一个具体问题。因此，最终的知识结构应该围绕业务任务重新组织，例如：

• 如何判断一个商品值不值得测试；
• 新品应该先测图还是先测款；
• 测试阶段应该观察哪些过程指标；
• 什么情况下继续、暂停或补数据；
• 如何判断高投产是不是带来了真实增量；
• 如何复盘一次推广测试。

每个主题至少保留六部分：什么时候使用、需要什么输入、判断规则、操作步骤、案例与反例、原始证据。

视频比 PDF 多一层难度。

它的知识同时存在于声音、字幕、屏幕操作和前后语境里。只把声音变成文字，很容易丢掉操作界面、时间顺序和讲师当时的限定条件。

我之前处理直通车视频时，最后整理出了资料索引、学习地图、术语字典、逐条学习卡、核心知识、操作 SOP、避坑清单、实操题、检查表、HTML 知识库，以及一套完整的淘宝单品起款与投放手册。

当时的第一步，是先把下载到本地的视频交给 faster-whisper，用中文模型批量生成带时间戳的逐字稿。

每条视频不只保存一份文字，还同步保留三类结果：方便阅读的 Markdown 逐字稿、记录每句话开始与结束时间的分段数据，以及模型、语言、视频时长和处理状态等元数据。

这样做的好处是，后面发现某个术语识别错误，或者某条运营建议缺少上下文时，可以沿着视频编号和时间戳回到原视频核验，而不是在一堆失去来源的文字里猜。

整体流程是：

盘点视频与来源→ 读取视频音轨→ 语音转写→ 保留视频编号和时间戳→ 清理口语、重复和识别错误→ 按主题聚类→ 提取规则、操作、案例和风险→ 关联原视频与关键画面→ 生成不同用途的知识文件→ 汇总成知识库、手册或 Skill

视频蒸馏有几个字段不能省略：

• 视频名称、讲师和课程版本；
• 原视频编号和关键内容时间戳；
• 操作画面截图；
• 讲师观点和平台事实的区分；
• 数字阈值的适用范围；
• 需要回听、重转或人工确认的内容。

语音识别很容易把平台名、指标名和行业术语转错。如果不保留原视频和时间戳，后面发现一句话不合理时，就很难回到证据重新确认。

视频蒸馏不是把声音变成文字，而是把散落在不同视频里的经验，重新拼成一套完整的方法。

为了方便大家复现，我把这套流程整理成了一个脱敏版“电商视频知识蒸馏工具包”。里面包含批量转写脚本、素材索引脚本、环境安装说明、蒸馏提示词和一个可继续修改的 Skill。

PDF 和视频只是两种常见资料。电商人的知识来源很多，每一种资料的价值和风险都不同。

这里尤其要区分“课程知识”和“平台事实”。

讲师说某个指标达到多少可以放量，可能只是某个类目、某个客单价和某段时间里的经验；平台官方说明某个功能如何归因，则属于需要保留版本和发布日期的事实。

两者都可以使用，但不能混成一句没有来源、没有条件的标准答案。

不要用生成了多少文件来判断蒸馏是否完成。

更有效的方式，是拿真实问题测试它。

第一类：事实题

让它回答某个规则是怎么定义的，并给出原文页码、视频时间戳或来源链接。

第二类：场景题

换一个课程里没有出现过的商品和数据，看它能不能选择正确的方法，而不是机械复述原案例。

第三类：反例题

故意缺少利润、样本量、购买周期或类目基准，看它会不会提醒补数据，而不是强行给结论。

第四类：冲突题

同时提供旧平台规则、新平台公告和讲师经验，看它能否区分时间、来源和证据等级。

最后再问自己七个问题：

1. 遇到真实问题时，它知道应该读取哪部分资料吗？
2. 能给出原始依据吗？
3. 能区分事实、观点和推断吗？
4. 能说明适用条件和例外吗？
5. 数据不足时会拒绝乱下结论吗？
6. 能给出可执行的下一步吗？
7. 规则更新后，能找到受影响的内容吗？

这些问题基本都能通过，资料才算开始从“收藏”变成“能力”。