竞赛奥卡姆蒸馏

当输入是一堆参赛项目截图和介绍时，真正的难题不是“看不懂”，而是“看不清”。

常见场景是：评审面前摆着 N 个项目材料，有截图、有简介、还有演示视频片段。每个项目都写了自己解决的问题，但描述往往被营销语言、技术热词和功能列表淹没。结果是评审者很难快速回答一个问题——这批作品到底在共同解决什么？

更麻烦的是，如果只是逐项复述项目介绍，得到的往往是一份更厚的清单，而不是更清晰的结论。

这个技能把输入蒸馏成可决策的结论

它采用三步奥卡姆蒸馏法：

• 第一步：扫读归因

每个项目只回答一个问题：“这个项目解决的最根本问题是什么？”
答案必须 ≤8 个字。这一步强制剃掉营销语言、技术包装和功能堆叠，只保留最本质的问题定义。

• 第二步：聚类归并

把第一步得到的“本质标签”分组。这里不按 技术类型 分，比如 Web/CLI/Mobile；也不按技术栈分。
而是按 “解决什么人的什么问题” 分组。
每组不超过 4 个项目，如果超过，就拆成子主题。每组提炼一个核心主题名。

• 第三步：行动映射

对每个核心主题回答三个问题：
- 我们的系统缺这个吗？
- 缺的话怎么补？
- 不缺的话怎么强化？

最终输出包括：奥卡姆结论、分点总结、行动指南。其中分点总结使用 ① ② ③ ④ 等序号，每条先给 ≤6 字关键词，再写核心总结，条与条之间空一行，便于阅读和归档。

示例：16 个参赛项目，蒸馏成 3 个核心方向

一个参考案例来自某竞赛，输入是 16 项作品材料，覆盖多 Agent 协作、数字员工、研究分析、安全审计等领域。

蒸馏后得到 3 个核心主题：

| 主题 | 代表作品 | 共性方向 |
|---|---|---|
| 对抗验证体系 | re-forge | 多 Agent 互检，不通过不上线 |
| AI 原生协作 | Helio | AI 有身份、邮箱和主动性 |
| 可信数据流 | Investment Detective + SkillTrust | 交叉验证 + 权限审计 |

最终结论不是“这 16 个项目各自做了什么”，而是：

16 个项目 → 3 个方向 → 1 个终极问题：如何让 AI 从能干活进化到可信可控。

适用场景与注意点

适合：

• 黑客马拉松 / 创业大赛作品评审
• 竞品分析，尤其是多产品横向对比
• 技术趋势扫描，从散点中找主线
• 团队内部灵感板，把参赛作品转成自身系统改造清单

需要注意：

• 输入质量决定输出质量。截图太糊、描述太短、项目之间口径差异太大，都会影响归因。
• ≤8 字法则 不是为了写得短，而是为了逼出本质。如果某个项目 8 个字说不清，通常说明材料本身还没收敛。
• 票数不等于质量。高票反映需求共识，低票项目可能更前瞻，也可能需要单独观察。
• 如果两个项目看起来相反，它们可能指向同一问题的两端，而不是两个无关方向。
• 最终归因要回到 “解决谁的什么问题”，不要停留在技术分类上。