Skill 是指针，知识在后端规则库。生产时蒸馏知识，运行时引擎消费——
两条流，同一个 rule_library_id 连接一切。
蒸馏是一次性的知识生产过程。把法规条文、专家方法论、个人准则翻译成四个结构化组件，存入 PostgreSQL 规则库。这个过程需要"方法论翻译者"——但和合规审计把法规翻译成检查项是同一种能力。
核心公式：专家知识 → [蒸馏：结构化提取] → 规则库记录。蒸馏产出的是数据，不是代码。
法规条文 / 行业标准
专家方法论 / 个人准则
团队规范 / 纪律体系
① 拆解 check_items[]
② 设定 scoring{} 权重
③ 设计 report_template
④ 标注 metadata
rule_library_id
check_items: [{id, title, criteria}]
scoring: {method, weights, threshold}
metadata: {type, version, author}
| 组件 | 作用 | 示例（CCPA） | 示例（健身纪律） |
|---|---|---|---|
| check_items[] | 逐项检查的依据 | 20 项法定要求 | 15 项每日打卡项 |
| scoring{} | 评分逻辑配置 | weighted_pass_rate | adherence_rate |
| report_template | 报告生成模板 | compliance_report.html | discipline_report.html |
| metadata | 版本/作者/类型 | type=compliance, v1.0 | type=discipline, v1.0 |
关键洞察：蒸馏无法完全自动化——需要"方法论翻译者"把隐性知识提取成结构化清单。但这正是我们的核心能力：合规审计就是把法规翻译成检查项，和把专家直觉翻译成检查项，是同一种结构化提取能力。
引擎是每次知识消费的过程。只需两个输入：用户回答 + rule_library_id。引擎代码（加载→检查→评分→报告）对所有规则库完全相同，零改动。
核心公式：用户输入 + rule_library_id → [引擎：加载→检查→评分→报告] → 检查报告 + 审计记录
用户回答（对话/问卷/数据）
+ rule_library_id
例：ccpa-v1 / buffett-v1
① 加载规则库
② 逐项检查（AI/规则匹配）
③ 评分计算
④ 报告生成
检查报告（HTML/PDF）
合规分数 / 依从率
修复建议 + 行动项
审计记录（audit_log）
| 步骤 | 动作 | 输入 | 输出 |
|---|---|---|---|
| 1. 加载 | 从 rule_libraries 表读取规则库 | rule_library_id | check_items[] + scoring{} + template |
| 2. 检查 | 逐项比对用户回答与 check_items | 用户回答 + check_items[].criteria | 每项 pass/fail/partial + evidence |
| 3. 评分 | 按 scoring.method 计算总分 | 各项结果 + scoring.weights | 分数（0-100）+ 等级 |
| 4. 报告 | 用 report_template 渲染输出 | 检查结果 + 评分 + 模板 | HTML 报告 + 行动项 + audit_log |
D 产出的每个组件，就是 E 消费的每个输入。两条流通过 rule_library_id 永久连接。
| D 蒸馏产出 | E 引擎消费 | |
|---|---|---|
| rule_library_id | → | 加载规则库的 key |
| check_items[] | → | 逐项检查的依据 |
| scoring{} | → | 评分计算的配置 |
| report_template | → | 报告生成的模板 |
引擎代码零改动：compliance / discipline / expert 三类规则库的差异只在数据内容（check_items 数量、evidence_type、scoring method、branding），不在代码逻辑。从合规到纪律的扩展，边际技术成本几乎为零，但市场放大 3 倍以上。
不同 Skill 的唯一区别就是传入的 rule_library_id 不同。以下三个例子共享完全相同的引擎代码路径。
| 维度 | 合规检查 | 通用清单 | 专家方法论 |
|---|---|---|---|
| rule_library_id | ccpa-v1 | fitness-daily-v1 | buffett-v1 |
| type | compliance | discipline | expert |
| check_items | 20 项法定要求 | 15 项每日打卡 | 12 项投资原则 |
| evidence_type | 文档/截图 | 日志/打卡 | 决策记录 |
| scoring | weighted_pass_rate | adherence_rate | principle_match |
| 报告 | 合规审计报告 | 通用追踪报告 | 方法论对标报告 |
| 引擎代码 | 完全相同 | ||
当前服务端的 regulations 表（71 条）本质上已经是规则库，只是只支持 compliance 类型。泛化最小路径如下。
表结构：id, rule_library_id (unique), type, check_items (JSON), scoring (JSON), report_template, metadata
从 regulations 表导入，type 统一标为 compliance
Skill 改调新端点，rule_library_id 替代 jurisdiction 参数
测试不同 type 的规则库是否都能正确加载、检查、评分、报告
这是一个不大的重构——核心检查→评分→报告逻辑在 Skill 端已实现，只需迁移到服务端或保持分工。引擎已有 81 项自动化测试覆盖，重构后可立即验证。