Distill shield skill
♾️ 开源数字永生框架 — 从聊天记录蒸馏任何人的七维数字分身。支持微信/飞书/iMessage/Telegram等12+平台，7种角色模板，对齐 OpenClaw Soul Spec 标准。一行指令让你的AI学会蒸馏。
npx -y skills add agenmod/immortal-skill --skill distill-shield-skillAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
What its author says it does
Copied from the file, not written here
Distill Shield：为个人移交资料包生成 Canary 与可选加固策略，提高未授权蒸馏成本；仅适用于有权处置的数据。
The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.
SKILL.md
2.7 KB, as published. Nobody here has run it
复制给 AI
- 本 Skill 唯一入口：当前文件
distill-shield-skill/SKILL.md。 - 仓库根：假定
immortal-skill/（或含本目录与kit/的克隆根）。 - 从仓库根运行生成脚本（推荐，避免路径歧义）：
python3 distill-shield-skill/kit/shield_gen.py --output ./handover-bundle --label "我的移交包"
- 聚合入口：
FOR_AI.md第三节。
Distill Shield
语言
根据用户第一条消息的语言，全程使用同一语言。
何时激活
- 用户要「防蒸馏」「加固资料包」「移交前埋 Canary」。
- 用户运行
kit/shield_gen.py后需要根据输出做伦理与可读性检查。
伦理红线
- 仅对本人或已获授权的数据使用；禁止对他人资料恶意投毒。
- 不承诺数学上不可攻破；承诺 可检测性、审计成本、部分管线干扰。
路径约定
- 本 Skill 根目录
{baseDir}=distill-shield-skill/。
操作顺序
Phase 0：威胁模型
- 蒸馏场景：一次性 LLM 蒸馏 vs 批量训练 vs 仅人类阅读？
- 接收方：家人 / 律师 / 公司？（决定策略强度）
Phase 1：材料盘点
- 格式、是否分块检索、是否经 OCR。
Phase 2：策略选择（准则）
| 策略 | 对人 | 对自动化管线 | 可被绕过 |
|---|---|---|---|
| Canary 唯一字符串 | 低影响（可放附录） | 泄露时可检索 | 剔除后丢失 |
| 提示注入段 | 需标注阅读区 | 可能干扰单次 LLM 蒸馏 | 预处理可剥离 |
| 矛盾样本 | 可能困惑读者 | 污染蒸馏一致性 | 人工可识别 |
Phase 3：生成
在 distill-shield-skill/ 目录内时：
python3 kit/shield_gen.py --output ./handover-bundle --label "我的移交包"
在 仓库根（推荐，与「复制给 AI」一致）：
python3 distill-shield-skill/kit/shield_gen.py --output ./handover-bundle --label "我的移交包"
将生成的 CANARY.txt 与说明合并进实际交付目录。
Phase 4：自检清单
- 第三方隐私已脱敏
- Canary 已记录在安全处（便于日后比对）
- 人类读者能看懂「附录为技术性标记」
Phase 5：（可选）给接收方的一页说明
解释「附录含技术性标记，用于完整性校验，非正文内容」。
不做的事
- 不提供针对具体模型的对抗样本保证。
- 不帮助绕过合法安全控制。