🔥 kangarooking/cangjie-skill
英文标题：🔥 kangarooking/cangjie-skill
把书、长视频、播客等高价值内容蒸馏成可执行的 Agent Skills
1.3 KB
1.3 KB
1.3 KB
1.3 KB
165.6 KB
4.3 MB
4.6 KB
64.3 KB
84.7 KB
中文
最近有一个很火的 idea：把同事蒸馏成 skill。即便一个人离职了，他的经验、语气、工作方式都会被 AI 一定程度替代。nuwa-skill 就是做这件事的——创造"人类 skill"，比如马斯克 skill、巴菲特 skill。配套的 darwin-skill 负责让这些 skill 自动进化。
蒸馏人很有价值——nuwa-skill 已经证明了这一点。而蒸馏人系统性表达过的内容 ，则是另一个维度的补充：一本书、一场长访谈、一期播客、一个 B 站或 YouTube 长视频，都可能沉淀了作者花很长时间打磨出来的方法论。比起模仿一个人的表达方式，把他系统性输出的方法论拆出来、变成可以帮人解决实际问题的工具，同样是很有价值的事。
而且还有一个真实的痛点：你可能看了很多书、收藏了很多视频、听过很多播客，但就是运用不起来。尤其是各大平台每天都有大量干货长视频，时效性很强，内容又很长；它们往往不可能已经被 AI 训练过，也很难靠一次观看完整吸收。把这些内容蒸馏成 skill 之后，AI agent 可以帮你在真实场景中调用这些知识，而不是让它们躺在笔记、收藏夹或稍后再看列表里落灰。
所以 cangjie-skill 的目标很明确：蒸馏所有值得蒸馏的高价值内容 。它不只适用于书，也适用于有字幕/转写文本的视频、播客、访谈、演讲、课程、长文和资料集。只要内容里存在可抽取、可验证、可迁移的方法论，就可以用 cangjie-skill 把它变成一套可独立调用、可组合使用、可压力测试的 AI skill 工具包。
如果要蒸馏视频内容，建议搭配 video-downloader skill 一起使用：先用它下载视频、提取字幕/音频转写和关键素材，再把得到的文本内容交给 cangjie-skill 做方法论抽取、skill 化和压力测试。
- 看了很多书、视频、播客但用不起来——知识停留在"看过/听过/收藏过"层面，无法在真实决策中被调用
- 摘要、笔记、字幕整理只是压缩，不是结构化复用——读完/看完还是不知道"什么时候该用什么"
- 高价值内容里真正值得变成工具的内容只有一小部分——需要严格的筛选而不是照单全收
- 现有的阅读/观看/听课方法论都是给人看的，不是给 agent 用的——需要面向执行而非面向消费的蒸馏方法
cangjie-skill 使用 RIA-TV++ 流水线，把书籍、视频转写、播客文字稿、访谈记录等原始文本变成一组结构化的 skill。整个过程分七个阶段：
- 整体内容理解（Adler 分析） ——借鉴 Mortimer Adler 的分析阅读法，对整份内容做结构、解释、批判、应用四步拆解，产出
BOOK_OVERVIEW.md - 并行提取 ——同时派 5 个专项提取器（框架、原则、案例、反例、术语），从原文中提取候选方法论单元
- 三重验证筛选 ——每个候选必须通过三项检验：原内容中至少有 2 处独立佐证（跨域）、能回答内容里未明说的新问题（预测力）、不是常识（独特性）。通过率通常只有 25-50%
- RIA++ 构造 ——将验证通过的内容按 R（原文引用）/ I（用自己的话重写）/ A1（书中案例）/ A2（未来触发场景）/ E（可执行步骤）/ B（边界与盲点）六个维度结构化
- Zettelkasten 链接 ——找出 skill 之间的依赖、对比、组合关系，生成
INDEX.md和引用图 - 压力测试 ——为每个 skill 设计包含诱饵题的测试用例（含跨 skill 混淆测试），未通过的回炉重做
- 交付 ——生成面向读者的
DIGEST.md精华长文（不想读全书？看这篇就够），并把通过测试的 skill 安装到 Claude Code / Cursor 的 skills 目录，让它们真正可被调用
RIA-TV++ 这个名字拆开看：
- RIA ：来自赵周《这样读书就够了》的便签拆书法（Reading / Interpretation / Appropriation）
- TV ：Triple Verification，三重验证
- ++ ：面向 agent 执行的扩展——E（Execution 可执行步骤）+ B（Boundary 边界）
示例 1：从一本书/长视频到一套 skill 工具包
用户需求
"我想把一本书或一个 B 站/YouTube 长视频里的核心方法论抽成可复用的 AI skills，而不是只做摘要。"
cangjie-skill 如何判断
- 先看源材料是否存在可重复调用的方法论单元
- 再区分哪些内容适合做独立 skill，哪些只适合做候选或背景
- 最后输出结构化 skill 仓库，而不是一篇总结文章
最终输出示例
输出将不是一个单文件摘要，而是一个多 skill 仓库：包含
BOOK_OVERVIEW.md作为全局理解，INDEX.md作为技能地图，DIGEST.md作为面向读者的精华长文，GLOSSARY.md作为术语词典，若干*/SKILL.md作为独立模块，以及test-prompts.json用于验证触发场景。
用户需求
"我不希望这份内容只变成一个很长的说明文，我想要可以在 agent 里复用的技能包。"
cangjie-skill 如何判断
- 判断目标不是内容总结，而是结构化复用
- 优先生成可触发、可组合、可测试的 skill 单元
- 对没有独立价值的内容进行淘汰，不强行保留
最终输出示例
系统会把内容拆成多个带触发条件、适用边界、使用方式和关联关系的 skills，而不是把整份内容压缩成一篇泛化总结。
这些仓库来自长视频、课程或视频合集的字幕/转写文本，适合展示 cangjie-skill 对非书籍内容的方法论蒸馏能力。
后续计划蒸馏更多高价值书籍。候选书单包括但不限于：君主论。
补充外部来源（经对方作者同意引入）：
cangjie-skill/
├── README.md ← 你正在看的
├── README.en.md ← English version
├── README.ja.md ← 日本語版
├── LICENSE ← MIT
├── SKILL.md ← 元 skill 定义（cangjie-skill 的完整执行规范）
├── methodology/ ← RIA-TV++ 各阶段的方法论文档
├── extractors/ ← 5 个并行提取器的 prompt 定义
└── templates/ ← SKILL.md / INDEX.md / BOOK_OVERVIEW.md 模板
cangjie-skill 是一个更大的 skill 生态的一部分：
三者咬合：nuwa 蒸馏人，cangjie 蒸馏书，darwin 让它们持续进化。
感谢以下贡献者对 cangjie-skill 生态的补充：
袋鼠帝 kangarooking — AI 博主，独立开发者。AI Top 公众号「袋鼠帝 AI 客栈」主理人
火山引擎领航 KOL，百度千帆开发者大使，GLM 布道师，Trae 昆明第一任 Fellow
微信公众号「袋鼠帝 AI 客栈」二维码：
如果你也想把书、长视频、播客、课程里的方法论蒸馏成可调用的 Agent Skills，欢迎加入 cangjie-skill 企微交流群：
如果这个项目帮到了你，点个 Star 支持一下～
MIT. See LICENSE.
English / 原文
最近有一个很火的 idea：把同事蒸馏成 skill。即便一个人离职了，他的经验、语气、工作方式都会被 AI 一定程度替代。nuwa-skill 就是做这件事的——创造"人类 skill"，比如马斯克 skill、巴菲特 skill。配套的 darwin-skill 负责让这些 skill 自动进化。
蒸馏人很有价值——nuwa-skill 已经证明了这一点。而蒸馏人系统性表达过的内容 ，则是另一个维度的补充：一本书、一场长访谈、一期播客、一个 B 站或 YouTube 长视频，都可能沉淀了作者花很长时间打磨出来的方法论。比起模仿一个人的表达方式，把他系统性输出的方法论拆出来、变成可以帮人解决实际问题的工具，同样是很有价值的事。
而且还有一个真实的痛点：你可能看了很多书、收藏了很多视频、听过很多播客，但就是运用不起来。尤其是各大平台每天都有大量干货长视频，时效性很强，内容又很长；它们往往不可能已经被 AI 训练过，也很难靠一次观看完整吸收。把这些内容蒸馏成 skill 之后，AI agent 可以帮你在真实场景中调用这些知识，而不是让它们躺在笔记、收藏夹或稍后再看列表里落灰。
所以 cangjie-skill 的目标很明确：蒸馏所有值得蒸馏的高价值内容 。它不只适用于书，也适用于有字幕/转写文本的视频、播客、访谈、演讲、课程、长文和资料集。只要内容里存在可抽取、可验证、可迁移的方法论，就可以用 cangjie-skill 把它变成一套可独立调用、可组合使用、可压力测试的 AI skill 工具包。
如果要蒸馏视频内容，建议搭配 video-downloader skill 一起使用：先用它下载视频、提取字幕/音频转写和关键素材，再把得到的文本内容交给 cangjie-skill 做方法论抽取、skill 化和压力测试。
- 看了很多书、视频、播客但用不起来——知识停留在"看过/听过/收藏过"层面，无法在真实决策中被调用
- 摘要、笔记、字幕整理只是压缩，不是结构化复用——读完/看完还是不知道"什么时候该用什么"
- 高价值内容里真正值得变成工具的内容只有一小部分——需要严格的筛选而不是照单全收
- 现有的阅读/观看/听课方法论都是给人看的，不是给 agent 用的——需要面向执行而非面向消费的蒸馏方法
cangjie-skill 使用 RIA-TV++ 流水线，把书籍、视频转写、播客文字稿、访谈记录等原始文本变成一组结构化的 skill。整个过程分七个阶段：
- 整体内容理解（Adler 分析） ——借鉴 Mortimer Adler 的分析阅读法，对整份内容做结构、解释、批判、应用四步拆解，产出
BOOK_OVERVIEW.md - 并行提取 ——同时派 5 个专项提取器（框架、原则、案例、反例、术语），从原文中提取候选方法论单元
- 三重验证筛选 ——每个候选必须通过三项检验：原内容中至少有 2 处独立佐证（跨域）、能回答内容里未明说的新问题（预测力）、不是常识（独特性）。通过率通常只有 25-50%
- RIA++ 构造 ——将验证通过的内容按 R（原文引用）/ I（用自己的话重写）/ A1（书中案例）/ A2（未来触发场景）/ E（可执行步骤）/ B（边界与盲点）六个维度结构化
- Zettelkasten 链接 ——找出 skill 之间的依赖、对比、组合关系，生成
INDEX.md和引用图 - 压力测试 ——为每个 skill 设计包含诱饵题的测试用例（含跨 skill 混淆测试），未通过的回炉重做
- 交付 ——生成面向读者的
DIGEST.md精华长文（不想读全书？看这篇就够），并把通过测试的 skill 安装到 Claude Code / Cursor 的 skills 目录，让它们真正可被调用
RIA-TV++ 这个名字拆开看：
- RIA ：来自赵周《这样读书就够了》的便签拆书法（Reading / Interpretation / Appropriation）
- TV ：Triple Verification，三重验证
- ++ ：面向 agent 执行的扩展——E（Execution 可执行步骤）+ B（Boundary 边界）
示例 1：从一本书/长视频到一套 skill 工具包
用户需求
"我想把一本书或一个 B 站/YouTube 长视频里的核心方法论抽成可复用的 AI skills，而不是只做摘要。"
cangjie-skill 如何判断
- 先看源材料是否存在可重复调用的方法论单元
- 再区分哪些内容适合做独立 skill，哪些只适合做候选或背景
- 最后输出结构化 skill 仓库，而不是一篇总结文章
最终输出示例
输出将不是一个单文件摘要，而是一个多 skill 仓库：包含
BOOK_OVERVIEW.md作为全局理解，INDEX.md作为技能地图，DIGEST.md作为面向读者的精华长文，GLOSSARY.md作为术语词典，若干*/SKILL.md作为独立模块，以及test-prompts.json用于验证触发场景。
用户需求
"我不希望这份内容只变成一个很长的说明文，我想要可以在 agent 里复用的技能包。"
cangjie-skill 如何判断
- 判断目标不是内容总结，而是结构化复用
- 优先生成可触发、可组合、可测试的 skill 单元
- 对没有独立价值的内容进行淘汰，不强行保留
最终输出示例
系统会把内容拆成多个带触发条件、适用边界、使用方式和关联关系的 skills，而不是把整份内容压缩成一篇泛化总结。
这些仓库来自长视频、课程或视频合集的字幕/转写文本，适合展示 cangjie-skill 对非书籍内容的方法论蒸馏能力。
后续计划蒸馏更多高价值书籍。候选书单包括但不限于：君主论。
补充外部来源（经对方作者同意引入）：
cangjie-skill/
├── README.md ← 你正在看的
├── README.en.md ← English version
├── README.ja.md ← 日本語版
├── LICENSE ← MIT
├── SKILL.md ← 元 skill 定义（cangjie-skill 的完整执行规范）
├── methodology/ ← RIA-TV++ 各阶段的方法论文档
├── extractors/ ← 5 个并行提取器的 prompt 定义
└── templates/ ← SKILL.md / INDEX.md / BOOK_OVERVIEW.md 模板
cangjie-skill 是一个更大的 skill 生态的一部分：
三者咬合：nuwa 蒸馏人，cangjie 蒸馏书，darwin 让它们持续进化。
感谢以下贡献者对 cangjie-skill 生态的补充：
袋鼠帝 kangarooking — AI 博主，独立开发者。AI Top 公众号「袋鼠帝 AI 客栈」主理人
火山引擎领航 KOL，百度千帆开发者大使，GLM 布道师，Trae 昆明第一任 Fellow
微信公众号「袋鼠帝 AI 客栈」二维码：
如果你也想把书、长视频、播客、课程里的方法论蒸馏成可调用的 Agent Skills，欢迎加入 cangjie-skill 企微交流群：
如果这个项目帮到了你，点个 Star 支持一下～
MIT. See LICENSE.