我把我自己蒸馏成了老金决策.skill并开源了，它甚至教你落地搞钱！
老金把自己的决策模型，蒸馏成了一个老金决策.skill，并且开源了。
它不只是一个让 AI 学老金说话的提示词。
更直接一点说，它甚至能帮你搞钱。
你问 AI：我想学 AI 编程，想做个小产品，甚至想靠它挣点钱。
它立刻给你一整套方案：课程定位、目标人群、内容体系、社群运营、商业模式。每个词都对，每句话都像那么回事。但你关掉窗口以后，还是卡在那里。
今天到底先干什么？找谁？收多少钱？怎么知道这事该继续还是该停？
这才是我最想解决的问题。是让它把一个模糊想法，压成今天能验证、能收钱、能判断要不要继续的动作。
所以先不讲概念，我直接拿一个挣钱问题跑给你看。
我会输入这一条。
老金，帮我判断一个挣钱方案。
我想做一门老金的 AI 编程教学课，目标是 30 天内验证能不能收到第一批学员的钱。
我的真实条件：
1、我是产品出身的游戏制作人，也就是项目负责人，长期要把想法、决策和研发执行拉到一起。
2、我已经有老金决策.skill、MetaKim 这些开源项目，也一直在用 Claude Code 和 Codex 做真实项目。
3、我不想做泛泛的 AI 工具课，也不想讲一堆理论。
4、我想教的是普通人怎么用 AI 编程把一个真实小项目跑通。
5、我希望先用一个很小的付费班验证，不想先录几十节课。
6、我希望当天就能知道这个方向值不值得继续。
请不要给我创业计划，直接按老金决策.skill判断：能不能做，卖给谁，卖什么，多少钱，今天第一步做什么，7 天内怎么判断继续还是停止。
如果它只是回答“可以做 AI 编程课，然后分析课程定位、内容体系、获客渠道、社群运营”，那还是正确废话。
我真正想看的，是它能不能把这件事说到这么具体：不要卖泛泛的 AI 编程课，而是我怎么能最快的见到收入。
Codex 和 Claude Code 你可以先理解成 AI 编程搭子，你说目标，它帮你改文件、跑命令、看报错。目标学员先限定为会用 AI、但还没真正做出过代码项目的人；承诺也要写清楚，每个人最后跑通一个可展示的小工具；价格定位是多少等等，这些才是具象的落地过程中可能遇到的问题。
我们直接测试一下，它会先帮你在你的意图上补充想法，通过交互式弹框来选择它给的意见。
注意Codex需要增加配置，在 ~/.codex/config.toml 中启用 Codex 原生提问界面：
[features]
default_mode_request_user_input = true
然后它就会根据老金决策.Skill给你拆解到详细到落地的目标了，对，先给你MVP（最小可行产品），目标、时间等等都给你列的明明白白。剩下就是你的执行了，该什么时间做到什么样的指标方便你判断也写的清清楚楚。
你看到这一步，应该就能明白我为什么要做它。它真正做的事，是把“我想挣钱”变成一个今天就能去验证的动作。
它解决的不是“AI 不够聪明”的问题。现在的 AI 已经很会说，甚至太会说了。
真正的问题是，我们很多人拿着一个模糊想法，不知道怎么问到能判断、能验证、能动手的程度。
老金决策.skill 可以先理解成一套能被 AI 调用的工作方法。它不靠模仿老金的语气取巧，关键是把我平时怎么判断、怎么追问、怎么拦住不靠谱的假设、怎么逼出下一步，写成一套 AI 能照着做的流程。
凭什么它能解决这个问题？因为它不让 AI 一路顺着你往下编。它会先问清楚你到底想改变什么，谁会付钱，第一版交什么，证据够不够，今天最小的一步验证是什么，以及什么情况才算值得继续。
这里有个小提示，你甚至可以先找用户，先收订金，再开始制作。
这种正确但不落地的东西，我太熟了。老金我原来是产品出身的游戏制作人。怕不熟游戏行业的朋友误会，游戏制作人不是只负责想玩法的人。
它更像一个游戏项目的总负责人，要把策划、程序、美术、测试、音频这些研发和协作部门拉到同一条线上，并对版本结果负责。
所以我对这件事会特别敏感。想清楚只是起点，决策要过人、预算、版本和风险，后面还要有人把它落到每天的执行里。
因为一个项目不是靠几句正确判断往前走的。你要判断要做什么、先做什么、砍掉什么、谁来做、做到什么程度算过、出了问题怎么回修。AI 最容易让人误判的地方也在这，它把可能性列得很全，语气也很稳，可你真要动手，第一步反而更模糊了。
后来我越来越不满足于提示词技巧。提示词能让 AI 说得更像人，但不一定能让它做出更像决策的结果。麻烦的地方也不在回答本身，它经常把一个模糊问题，包装成一份漂亮但不能落地的建议。
这也是我这次把老金决策.skill开源的原因。更接地气一点说，它其实就是老金我自己的决策方式。
这不是换个名字重新包装。老金我把自己那套想问题、做判断、定边界、逼出下一步的方式，蒸馏成了一个 AI 可以运行的 Skill。读者真正会感兴趣的点也在这，它不靠模仿老金的语气取巧，重点是把老金怎么想、怎么停、怎么拍板、怎么落到下一步，拆成一套可复用的工作方法。
里面有一类问题我放得很重，就是怎么搞钱。因为赚钱问题最容易暴露 AI 的正确废话。只要一问怎么变现、卖什么、怎么定价、第一笔钱从哪来，很多回答立刻会变成一串听起来都对的可能性。
我想解决的，是判断到执行这段断层
很多人一听到 Skill，会先想到人设、语气、格式和模板。比如让 AI 像某个专家一样说话，或者让它每次按固定结构回答。
这些有用，但不够。因为一个 AI 回答听起来像专家，和它真的能帮你推进一个判断，中间差着一段很长的路。
你问它，我这个短视频账号有播放量但不赚钱，第一步该卖什么。它很可能会告诉你可以做知识付费、社群、咨询、带货、广告合作。每一条都没错，可它没有替你判断哪个最小、最快、最能验证，哪个最有机会让你拿到第一笔钱。
你问它，我想做一门 AI 编程教学课，该不该做。它也会分析课程定位、目标人群、内容体系、定价方式、社群服务。听起来挺热闹，但你今天下午到底是先写大纲，还是先录试看课，还是先发预售，还是先找 20 个潜在学员问愿不愿意付钱，答案还是散的。
做产品和做游戏项目久了，我对这件事会更敏感。想法再好，如果说不清怎么做、受什么限制、做到什么程度算过、出问题怎么改，就会卡在会议室里。决策再漂亮，如果没有一个能立刻验证的小动作，也只是换了一种高级说法。
老金我后来意识到，这事更像方法问题。AI 的知识够多，少的是一套把模糊想法问到今天能动手的办法。
老金决策.skill 做的就是这件事。它让 AI 先把问题走完一遍，再决定要不要给方案。
所以在我这里，怎么搞钱就是老金决策.skill 的核心压力测试。因为钱会逼你回答五个很实在的问题：谁付钱，为什么现在付，第一版交什么，多少钱能成交，7 天内看什么信号。
老金决策.skill只有一条主干
老金决策.skill 不是从某个提示词模板里改出来的。它就是老金我自己那套决策思想的蒸馏版。
我做产品和游戏项目时，脑子里一直有一套默认动作。先判断要改变什么，再看谁受影响，接着想清楚怎么做、受什么限制、证据在哪、先用哪一步试真假，再决定能不能往下推进。以前这套东西在我脑子里，现在我把它写成了 AI 能跑的框架。
这个说法听着还是有点抽象，所以我更愿意把它叫老金决策.skill。
我把这套办法拆成了九个检查点。
它会依次问：你到底想改变什么，谁会受影响，准备怎么做，现在受什么限制，证据在哪里，今天最小的一步验证是什么，用什么标准判断，什么时候必须停下来，最后要拿出什么结果。
听着多，其实就是一件事：先别急着要方案，先把这个想法问到能不能继续做。
这条线看起来有点抽象，但落到真实问题里很直。
比如你问，能不能卖老金的 AI 编程教学课。普通回答会先讲课程市场和知识付费。老金决策.skill 会先把目标说窄：30 天内验证第一期小班有没有人愿意付费。买课的人也要说具体，不是所有想学 AI 的人，而是已经会用 AI 聊天，但还没有用 Codex 或 Claude Code 跑通一个真实项目的人。限制也要写清楚，先不录大课、不做平台、不搭复杂社群，先验证有没有人愿意付钱，以及承诺给学员的结果能不能做到。
到这里，答案就不会飘了。
它给出的第一步会避开品牌、官网和N页课程大纲，先写一页预售页，讲清楚 7 天小班只解决一个问题：带你用 Codex 和 Claude Code 跑通第一个 AI 小项目。价格先定 499 元早鸟，99 元订金锁位。7 天内有 10 个人付订金，这条路才算有继续做的资格。
这个动作很小，但它能改变判断。老金我现在特别看重这种小动作，因为很多所谓战略问题，卡住的地方就是没有一个能让你今天就去验证的动作。
它在MetaKim里，站在最前面
这里要讲清楚一个关系。老金决策.skill 不是我突然单独做的一个小玩具，它和我的另一个开源项目 MetaKim 是同一套思想里的前后两段。
MetaKim 是我另一个开源项目，可以在 Claude Code、Codex、OpenClaw 和 Cursor 这些不同工具里用。它管的是更复杂的 AI 任务：先想清楚要干什么，再决定谁去干，干完怎么检查，经验怎么留下，下一次怎么少踩坑。
它不光是MD的自然语言来约束，更是使用了代码进行了强控制。
其中老金决策.skill 放在最前面。再说人话一点，MetaKim 管的是一群 AI 怎么干活，老金决策.skill 先管这件事到底该不该干、先干什么、怎么判断干得对不对。
它先把人的模糊想法问清楚。等目标、限制、证据和第一步验证都清楚了，MetaKim 后面那些任务分工、检查规则和多 AI 协作，才有东西可以接。
实现上两边会有一点区别。老金决策.skill 作为开源 Skill，更强调你在一次对话里怎么得到一个能执行的判断。MetaKim 更强调复杂任务开干以后，怎么分工、怎么检查、怎么验证、怎么把经验留下来。
但根本目的没变，都是为了避免 AI 看起来回答没错、头头是道，到头来却无法执行。
最关键的设计，是闸门
我以前跟 AI 讨论问题时，最烦的一点就是它太顺了。证据还没确认，它继续往下写。假设还没验证，它也能给你规划三个月路线。
一路顺下去，读者会误以为事情已经成立了。
老金决策.skill 里我放了一个很重的设计，英文里叫 Gates，中文我更愿意叫闸门。事情走到某一步，不代表就能继续往下做。证据不足，就先停住；关键假设被打穿，就别继续骗自己；风险超过当前能力边界，就要换更稳的处理方式。
这个设计的目标很朴素，让回答在缺证据时停下来，别装作一切都准备好了。
很多时候，AI 给你的方案看起来很完整，危险的是第一步假设没站住。你以为它在帮你规划路线，其实它只是在一张没核过的地图上画线。
闸门就是让它在该停的时候停下来。
如果你想做一个产品，老金决策.skill 不会只说可以先做个最小版本。它会问清楚这个最小版本到底验证什么，你要投入什么，最后拿出什么，做到什么程度算过，什么信号说明该停，下一步是什么，以及这轮测试先不要做什么。
这个限制能省掉很多无效动作。普通人做项目最容易膨胀，本来只想验证需求，做着做着就开始改 Logo、写官网、搭支付、研究增长。忙完一圈钱没赚到，验证也没完成。
怎么搞钱，是最好的压力测试
我把怎么变现放进老金决策.skill，原因很简单，它最难糊弄。
你说我要做个产品，AI 可以顺着讲愿景、市场、定位、路线图。你说我要搞钱，它就必须落到谁会付钱、为什么付、买到什么、什么时候买。卖给谁，卖什么，多少钱，先找谁验证，失败信号是什么，这些问题一出来，漂亮话就少了。
短视频账号有播放量但不赚钱，老金决策.skill 不会默认让你开课。它会先看最近 14 天私信和高频评论里有没有重复问题。如果很多人都在要模板、要清单、要你帮他看一眼，第一步可能是一个 19 到 99 元的模板或检查表。
AI 编程教学课也是一样。它不会先让你搭课程体系，而是先判断学员买的到底是什么。很多人嘴上说想学编程，真实焦虑是 AI 只能陪他聊天，不能帮他做出一个能运行、能展示、能继续迭代的小项目。
所以我前面才把那条提示词放出来。真实案例必须带输入、带判断标准，否则看起来就像编了一个很顺的故事。
这才是我想让 AI 参与的部分。别把“我要搞钱”扩写成一份创业计划，先把它变成一个 7 天内能验证的成交动作。
证据要分清，不能把推断当事实
老金决策.skill 还有一个我很在意的规则，证据必须分清楚。
已确认的事实是一类，你自己提供的信息是一类，合理推断是一类，还不知道的关键缺口又是一类。它们不能混在一起。
这听起来像废话，但 AI 很容易在这里出问题。它会把根据经验推出来的东西，写得像已经发生的事实。它会把你随口说的背景，包装成可靠证据。它还会把一个社区里的少量反馈，写成大家都这么认为。
老金我不喜欢这种确定感。
真正能干活的 AI 协作，要让它知道哪些地方可以确定说，哪些地方只能先保守说，哪些地方必须等你补资料。
老金决策.skill 的回答里会把关键缺口单独拎出来。比如 AI 编程教学课有没有人愿意付 99 元订金，这要靠前 20 个潜在学员的预售反馈才知道。短视频账号第一步卖什么，也不能只看播放量，要看最近 14 天私信和高频评论里有没有重复付费信号。
你看，这种回答没那么飘，但更能干活。
它现在怎么用？
老金决策.skill 已经开源在 GitHub。仓库名是 Kim_Decision。
我给它写的定位是 Decision & Delivery Protocol，也就是判断和做成一件事的协议。说白了，它不是只帮你想清楚，还要把结果推到能拿出来。它同时支持 Claude Code 和 Codex，两边都可以作为 Skill 使用。
我的另一个仓库是 Meta_Kim。老金决策.skill 负责先把问题问到能判断、能验证、能动手的位置，MetaKim 再负责后面更复杂的任务管理。
安装方式我写了两套平台、两种作用域。个人级适合所有项目都能用，项目级适合只在当前仓库里生效。
# Claude Code 个人级安装。
mkdir -p ~/.claude/skills && cp -R Kim ~/.claude/skills/Kim
# Claude Code 项目级安装。
mkdir -p .claude/skills && cp -R Kim .claude/skills/Kim
# Codex 个人级安装。
mkdir -p ~/.agents/skills && cp -R Kim ~/.agents/skills/Kim
# Codex 项目级安装。
mkdir -p .agents/skills && cp -R Kim .agents/skills/Kim
它的触发词也很直白，老金、问问老金都可以。
更自然一点，你直接问老金怎么看、帮我判断、这个能不能做、怎么变现、卖什么、怎么定价、先做哪个验证，也能用上这套方法。
我不建议你一上来就把它当成万能顾问。更适合的用法，是拿它处理那些 AI 最容易给正确废话的问题。
比如第一笔钱从哪里来，报价能不能卖出去，先卖模板还是卖服务，要不要上线，先砍哪个功能，产品第一版到底交什么，Bug 应该先查哪里，选题值不值得写长文。这些问题都有一个共同点，光讲道理没用，必须落到下一步。
我为什么现在把它开源
过去两年半，我和 AI 的对话量很大。写文章、做选题、分析数据、做工具、排查项目问题，很多时候我不只是向 AI 要答案，也在反复训练自己怎么把一个模糊问题问到能动手、能验收。
中间也走了不少弯路。
我一开始以为是提示词写得不够细，后来发现不是。提示词越写越长，AI 反而越容易变成一个会执行格式的文员。有用的部分，是那些能逼它停下来、分证据、给标准、压缩下一步的规则。
老金决策.skill 来自很多次对话、误判、修正和真实项目，不是坐下来拍脑袋写出的模板。它是老金我自己的那套判断方式，被整理成 AI 能照着做的 Skill。
这也是我觉得它值得开源的地方。我不只是把一份提示词放出来，更像是把老金我自己的一部分判断方式开源。工具别人可以替换，模型也会一直换，但一个人怎么判断、怎么取舍、怎么把想法压到可执行动作里，这个东西更像长期资产。
我给它写过一句话，目标是少一点热血建议，多一点能验证、能执行、能拿出结果的判断。这个表达基本就是我做它的初衷。
它背后还有一篇我自己写的方法论依据，推过几次了，叫基于元的意图放大，也放在 Zenodo 上。地址是 https://zenodo.org/records/18957649，DOI 是 10.5281/zenodo.18957649。
但我不想把公众号文章写成论文介绍。对大多数读者来说，你只需要记住一件事。
AI 的价值不在于替你拍板，而在于帮你把一个混乱的问题，问到可以判断、可以验证、可以动手的位置。
老金我的判断
我现在越来越觉得，AI 工具拉开差距的地方，会落在能不能进入人的真实工作流。
真实工作流里有很多不体面的东西。目标会变，证据不全，预算有限，人会犹豫，老板会改口，用户不按你的设想行动。游戏项目里更明显，创意、系统、美术、技术、版本、数据反馈，任何一环没接住，前面的正确判断都会变成纸面正确。
人负责目标、判断、取舍和验收。AI 负责搜索、生成、执行、整理和加速。我们要的是一个符合人真实目标的结果，而不是 AI 自己觉得合理就行。
老金决策.skill 就是我给这件事写的第一条 Skill。它先帮人和 AI 对齐到底要判断什么，MetaKim 再把后面的执行、检查、验证和经验积累管起来。
它不保证每次都给你惊艳答案。恰恰相反，有时候它会告诉你，现在不能判断，因为缺一个关键证据。有时候它会把你很想做的大项目，压成一个 7 天内能失败的小测试。
这不一定爽，但更接近真实做事。
项目现在是 MIT 和 Apache 2.0 双协议，想用哪种都可以。仓库地址是 github.com/KimYx0207/Kim_Decision
发现方法缺口也可以开 Issue。
而我的主项目Meta_Kim一直也在更新，每天N次提交迭代。仓库地址是 github.com/KimYx0207/Meta_Kim
下次你再问 AI 一个模糊问题，先别急着让它给完整方案。你可以先逼它回答三件事，要改变什么，今天最小的验证动作是什么，什么结果说明可以继续做。
只要这三件事说不清，后面写得再漂亮，大概率还是正确的废话。