我手搓的橙皮书专家，去腾讯入职了！

每次我发橙皮书，评论区都有一类问题准时出现：花叔，橙皮书的 skill 能不能也发出来，我想用同款。

行，这次就发，而且用起来巨简单，你甚至不需要下载任何skill。我把它手搓成了一个「橙皮书专家」，放进了 QClaw 的专家广场。

这个「橙皮书专家」有什么用呢？我先给你提供个快速的案例帮你理解。

我丢给它一句话：「帮我搞懂 LLM 是怎么被训练出来的，写成一份给文科生也能看懂的橙皮书。」它先派几个 Agent 并行去调研，把「大模型怎么训练」拆成一张全景地图：预训练、有监督微调、对齐三大步，底下垫着 Transformer 这副骨架。地图铺清楚之后，它又把自己拆成 7 个 Agent 分头写 7 章，最后拼成一份 42 页、两万多字的橙皮书，文科生也能从头看到尾，快速理解大语言模型究竟是怎么回事。

从一句话到一本书，中间我没碰一行代码，没写复杂的prompt。

以及，关于这份橙皮书skill，先介绍个背景，从今年 3 月到现在，我出了 9 本橙皮书。从 OpenClaw 起头，Claude Code、Codex、Hermes Agent、Agent Skills、Harness Engineering、Loop Engineering……AI 编程这条线上每冒出来一个新东西，我就写一本。其中《Claude Code》那本前几天刚出版成了纸质书，手上还有一本在出版流程里，暂时得保密。把这 9 本背后的方法拆开、装进一个专家，就是上面那一句话能跑通的来路。

与其说是出书，橙皮书专家的实质是搞懂陌生领域的能力

我得先把一个误会摁下去。这套方法最大的价值，其实不在出书本身。出书背后还有一大堆我自己的经验、判断、踩过的坑，那些封装不进任何专家。

它真正解决的，是另一个更普遍、也更让人发慌的问题：进一个全新领域时，你压根不知道自己不知道什么。 就像很多人一听「大模型怎么训练」就头皮发麻，难度倒在其次，真正卡人的是：连「该从哪下手、哪些是重点」都没概念。

真正擅长快速进陌生领域的人，干的是同一件事。投行和咨询的分析师，工作就是隔三差五被丢进一个完全陌生的行业，几天内得拿出一个像样的判断。他们靠的是一套「先搭框架、再填细节」的笨功夫，跟天分关系不大：先把这个领域的地图画出来，知道它分几块、每块的核心问题是什么。高手和新手最大的差别，倒在脑子里有没有一张组织好的结构图，而不在记住多少知识点。

刚才那份 LLM 橙皮书，专家干的第一件事就是这个：不急着写，先给你铺一张「预训练 → 微调 → 对齐」的地图。它交到你手里的，是一张能快速看懂陌生领域的地图，让你不用再怕任何新概念。

它是怎么做到的：一条五步流水线

橙皮书那套方法，本质就是把这套笨功夫跑成了一条流水线。拆开是五步，我尽量一句话说清每步在对付什么：

• 调研：先把领域拆成几个互不重叠的板块，搭出一张知识树骨架，哪怕你一个名词都不认识，也能先看到全貌；再派多个 Agent 并行去填每根枝条。

• 规划：能不能列出一份有逻辑的大纲，就是入门没入门的验收。列不出，说明还在门外。

• 多 Agent 并行写作：一个人几万字写到吐血还慢，它把自己拆成一支队伍，多个 Agent 分头写、你做主编。那份 LLM 橙皮书就是 7 个 Agent 同时写 7 章拼出来的。

• 审校加事实核查：审校必须换独立的 Agent，写的人不审自己的稿；凡涉及数据、参数，必须回查一手源。这步是橙皮书不翻车的命门。

• 构建发布：知识只待在脑子里等于不能复用，拼成 PDF 发出去，这个领域才算真消化完、还能传给别人。

写一本书，只是这条流水线众多出口里最费功夫的那个。但「快速搞懂一个陌生领域」这个能力本身，谁都用得上。

不止我这一个：QClaw 的「专家」是真能干活的

我能把橙皮书方法做成专家，其实是因为 QClaw 整个产品就是围着「专家」转的。它是腾讯出品的桌面工具，底子是开源的 OpenClaw 框架，现在也兼容了 Hermes Agent，装一下就能跑，数据全留在你自己电脑上。打开它，专家广场里上百个 AI 专家按行业分好类，点「开始使用」就开工。

在广场里翻的时候，我撞见一个眼熟的名字：女娲。熟悉我的朋友知道，它是我做的一套「造专家的专家」，你用大白话跟它说要个什么角色，它就帮你把那个专家写出来。这两年总有人说女娲听着有意思但一直没腾出手试，现在它已经上架专家广场了，点一下「开始使用」就能直接玩。

我自己也拿它实操了一把：让女娲蒸馏一个「一人公司经营专家」。

它没敷衍，先跟我确认清楚 OPC 指的是 One Person Company，再派出六个 Agent 并行调研：著作、访谈、表达方式、外界批评、决策案例、发展时间线，国内国外的关键人物一路扒过来。

调研完它再提炼，最后吐出一个带 7 个核心心智模型、10 条决策启发式的专家。最让我服气的是，它没只挑好听的说，专门留了一块「诚实边界」，把一人公司的倒闭潮数据、割韭菜生态、法律风险都写了进去。这点倒是挺像我自己的脾气：要做就做个不回避争议的。

把这几个专家放一块看，共同点就出来了：每一个，都是一套被封装好的方法或角色，你不用懂它背后的调研、多 Agent、审校，点开始使用、提个问就行。「专家化」最要紧的意义就在这：它把一个高手脑子里那套门道，变成初学者点一下就能调用的东西，门槛从「你得自己会」砍到「你会打字提问就行」。

我的橙皮书专家，是这么造出来的

逛广场是用现成的，但 QClaw 没把你锁在「只能用别人的」，它还给了好几种自己造专家的入口。

因为我希望让我的「专家」能给你们也使用，就走了QClaw官方的开放平台路径 open.qclaw.qq.com，我把本地已经跑通的橙皮书 Agent 连同那套 skill 打包，填好名字、介绍、示例，提交审核。

好消息是，就在我写完这篇的工夫，它已经审核通过、正式上架了。现在你打开 QClaw 的专家广场，搜「橙皮书」就能直接用上。

或者，你也可以通过下面这个QClaw的小程序直接访问

你不用懂技术，这才是重点

用这个橙皮书专家，你一句复杂prompt都不用写，一个环境都不用配，就一句大白话的事。

别把它只想成「写一本橙皮书」。你完全可以拿它对准你正面对的那个新领域：刚接手的行业、被要求一周内搞懂的新工具、想转行进去的赛道。它会带你走一遍我走过 9 遍的路，走完一趟，那个曾经让你心里发虚的领域，你至少摸得到它的轮廓和门道了。这就是个足够好的开始。

为什么手搓专家，是普通人接住 AI 红利最快的姿势

写到这儿，我想把几件以前写过的事串起来。我写过《把同事作为 Skill》，写过女娲造人那套生态，背后是同一个信念：真正的杠杆，是把一种能力封装成谁都能一键调用的东西。 一个牛人、一套方法、一条流水线，一旦能被封装、被召唤，它就不再受限于「本人在不在场」。

过去我手搓的东西基本只能自己用，送人麻烦，规模化更别想。专家广场加上这几种创建方式，第一次把「手搓 → 上架 → 别人一键用」整条路铺顺了。你不用会写代码、不用懂部署，只要对某件事真有方法，就能把它做成一个专家，递到很多人手里。

最后说个实在的。我的橙皮书在 GitHub 上全部开源、免费下载，谁都能拿。可它同时也在反哺我：微信读书上有人读会带来收益，开头说的那本还出版成了纸质书。开源、免费、出版、收益，我从没觉得这几件事矛盾。你真做出对别人有用的东西，回头它总会以别的方式回报你。

对了，顺便提一句：QClaw 里几乎把国产最能打的模型都接进来了，DeepSeek、GLM-5.2、Kimi K2.7 Code、MiniMax 这些随你挑。新注册还会送一笔积分，够你拿这排顶配模型先把专家用个爽。

女娲和橙皮书专家现在都在专家广场里摆着，你点开就能用。随手丢给橙皮书专家一个你一直想搞懂、却没敢碰的领域，看它给你铺出怎样一张地图。然后顺手想想，你手上那套别人羡慕的本事，是不是也能手搓成一个专家，摆上去。