Expertise Distiller 用于把领域专长蒸馏为高质量的智能体技能，核心是让模型像专家一样思考，而不是机械执行步骤。它提出四条核心原则：传递专长而非指令、追求产出而非中间文档、语气贴合领域、聚焦优于全面。
适用场景：从零创建新技能；某技能表现不佳需要重新设计；想理解某些模式为何有效；需要在取舍内容时做艰难权衡。不适用于对可用技能做快速迭代（应使用标准 skill-creator），也不适用于仅打包已有技能（应直接使用打包脚本）。
十步流程：理解问题、探索模型失败点、研究领域专长、综合原则、起草技能、严格自我批判、根据反馈迭代、在真实场景测试、最终确定结构、打包分发。其中强调必须实际观察失败模式而非想象，并据此设计。
技能结构采用渐进式披露：SKILL.md 承载核心工作流与原则（建议少于 500 行），references/ 存放按需加载的深度知识，scripts/ 存放可执行代码，assets/ 存放模板。frontmatter 需写明 name 与具体触发场景的 description。
文档还给出常见模式（高层指南加深度引用、脚本为主、模板驱动）、反模式（超长 SKILL.md、逐步配方、泛泛建议、假设模型无能、README/CHANGELOG 等元文档、一次性加载全部内容、触发描述模糊）以及自由度框架：高自由度用原则加示例，中自由度用决策框架，低自由度用脚本或严格模板。
工具方面使用标准 skill-creator 脚本：scripts/init_skill.py 初始化结构，scripts/package_skill.py 校验并打包，scripts/quick_validate.py 仅检查结构。打包命令示例：scripts/package_skill.py /path/to/skill-folder /output/directory，生成 .skill 文件（本质是 zip）。
限制：资料未提供该技能的收费、价格、平台支持范围或具体效果数据，暂未提供。