仓颉 Skill 开源：蒸馏 X 冷启动技能的成本与性能实测
近期，开发者"袋鼠帝"开源了基于 cangjie-skill 蒸馏出的 X（Twitter）冷启动 Skill，旨在帮助账号实现快速起号。该实践不仅提供了完整的开源代码，还公开了在高并发场景下的 Token 消耗明细与模型性能数据，为 AI 从业者评估"知识蒸馏"方案的可行性提供了真实样本。
核心开源资源
本次实践涉及两个核心开源仓库：
- 仓颉 Skill（基座工具）：https://github.com/kangarooking/cangjie-skill
- X 冷启动 Skill（蒸馏产物）：https://github.com/kangarooking/X-growth-skills
技术栈与模型选型
在蒸馏过程中，作者对比了不同模型的表现，最终选定 GLM-5.2 作为核心蒸馏模型。据作者实测，GLM-5.2 在"书/视频转 Skill"的场景下，兼顾了效果与成本，是目前的性价比最优解。
执行环境配置：
- Agent 框架：Claude Code
- 模型路由：通过百度千帆接入 GLM-5.2
- 配置优势：作者将 Claude Code 模型设置为
qianfan-code-latest，实现了控制台的随时切换与便捷管理。
成本与稳定性实测：晚高峰表现
本次蒸馏任务特意选择在 晚上 9 点至 10 点（程序员活跃高峰期）进行，以测试模型在高负载下的稳定性。
1. 成本控制策略
作者采用了百度千帆的 Token Plan，其中 Pro 套餐价格为 99.9 元，折合约 0.4 元/百万 Token。相较于市面上其他 Token Plan（普遍 28 元/月起），该方案在晚高峰期间不限流，显著降低了长任务的成本压力。
2. 关键性能指标 (KPIs)
在晚高峰环境下，蒸馏任务耗时约 40 分钟，具体数据如下：
| 指标 | 数值 | 说明 |
|---|---|---|
| API 请求 | 233 次 | 成功率 100% |
| 工具调用 | 301 次 | 仅失败 1 次（Bash 成功率 97%，其他工具 100%） |
| 响应延迟 | P50 = 6.4 秒 | 高峰期响应速度稳定 |
| 生成速度 (TPS) | 平均 52.4 tok/s | 峰值达 70.2 tok/s |
对比验证：作者使用另一家 Provider 的 Plan 在凌晨时段进行对照实验，结果显示即使在低负载下，对方仍出现多次工具调用失败及部分模型请求失败，且在 Token 消耗上高于百度千帆方案。
Token 消耗深度解析
本次蒸馏任务共处理了 1883 万 上下文 Token，详细的消耗结构揭示了长文本处理的成本分布：
| 指标 | 数值 | 说明 |
|---|---|---|
| 上下文处理总量 | 1883 万 | 包含输入、输出及缓存复用 |
| 缓存读取 (Cache Hit) | 1487.3 万 | 大量重复上下文被复用 |
| 缓存占比 | 79% | 高缓存命中率显著降低实际计费成本 |
| 新输入 Token | 368.8 万 | 需重新处理的内容 |
| 新输出 Token | 26.9 万 | 模型生成的最终内容 |
分析：79% 的缓存占比表明，在蒸馏结构化知识（如《X 秘籍》）时，项目上下文具有高度重复性。利用缓存机制是控制 Agent 长任务成本的关键手段。
蒸馏效果验证：Skill 实用性分析
蒸馏出的 X-growth-skills 经 Codex 验证，能够针对 X 账号运营提供具体建议。测试案例显示，Skill 能精准识别账号短板并给出可执行策略：
-
主页优化
* 背景图需包含明确的价值承诺（如"AI Agent 实战派"）。
* 主页需添加类似个人网站的链接，集中展示代表作。
* 置顶帖应包含"来时路"或自我介绍，增强用户认知。 -
粉丝增长策略
* 基础：准备超预期干货内容。
* 引流：在大 V 评论区进行高质量抢评。
* 借势：Quote 大 V 帖子并附加 300 字以上增量观点。
* 裂变：主动 PM 或依靠干货支撑 KOL 被动转发。
结论
本次开源实践证实了利用 cangjie-skill 结合 GLM-5.2 进行垂直领域知识蒸馏的可行性。在晚高峰高并发场景下，通过合理的模型选型（GLM-5.2）与成本优化策略（高缓存命中率 + Token Plan），可以实现低成本、高稳定性的 Agent 任务执行。对于希望构建私有知识库或自动化内容生产流程的开发者，该方案提供了具备参考价值的技术路径。