Cangjie-Skill：将书、长视频、播客等高价值内容蒸馏成可执行的Agent Skills

这是什么

cangjie-skill 是一个开源项目（主语言 Python，GitHub ★3269），核心目标是将书籍、长视频字幕、播客文字稿、访谈记录、课程、长文和资料集中存在的方法论，蒸馏成一套可独立调用、可组合使用、可压力测试的 AI skill 工具包。它属于一个更大的 skill 生态：nuwa-skill 负责蒸馏人的思维方式与表达 DNA，cangjie-skill 负责蒸馏书/内容中的方法论，darwin-skill 负责让这些 skill 自动进化。三者咬合，形成“蒸馏人→蒸馏书→持续进化”的闭环。

项目名称取自“仓颉造字”，寓意将高价值内容中的隐性知识“创造”为结构化的技能模块。已有多个实践示例，如 Buffett Letters Skill（巴菲特致股东信）、Poor Charlie‘s Almanack Skill（芒格思维方法）、No Rules Rules Skill（网飞文化）、Cognitive Dividend Skill（认知红利）、Mao Selected Works Skill（毛选）等，覆盖投资、管理、文案、策略、个人品牌等多个领域。

解决的问题

cangjie-skill 针对四个核心痛点：

1. 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。看了很多书、收藏了大量视频、听过播客，但真正需要时却用不上——缺乏一个可执行的工具桥接。

2. 摘要、笔记、字幕整理只是压缩，不是结构化复用。传统做法输出的是总结性文章或笔记，但读者依然不知道“什么场景该用哪条原则”，更无法让 AI agent 直接调用。

3. 高价值内容中真正值得变成工具的方法论只占一小部分。需要严格的筛选机制，而不是照单全收——cangjie-skill 的三重验证环节会将候选通过率控制在 25%-50%，淘汰常识性、无预测力、无独立佐证的内容。

4. 现有阅读/观看方法论是给人看的，不是给 agent 用的。面向消费的读书笔记、视频总结无法被程序化执行，而 cangjie-skill 将内容转化为带触发条件、适用边界、可执行步骤的 skill 模块，让 AI agent 在真实场景中按需调用。

核心功能

cangjie-skill 使用 RIA-TV++ 流水线，将原始文本（书籍、字幕、转写稿等）转化为一组结构化 skill 仓库。流水线分为七个阶段：

1. 整体内容理解（Adler 分析）：借鉴 Mortimer Adler 的分析阅读法，对内容做结构、解释、批判、应用四步拆解，产出 BOOK_OVERVIEW.md 全局理解。

2. 并行提取：同时启动 5 个专项提取器（框架、原则、案例、反例、术语），从原文中抽取候选方法论单元。

3. 三重验证筛选：每个候选方法必须通过三项检验：跨域（至少 2 处独立佐证）、预测力（能回答内容未明说的问题）、独特性（不是常识）。通过率约 25%-50%。

4. RIA++ 构造：通过验证的内容按六个维度结构化：R（原文引用）、I（用自己的话重写）、A1（原内容中的案例）、A2（未来触发场景）、E（可执行步骤）、B（边界与盲点）。输出每个 skill 的独立 SKILL.md 文件。

5. Zettelkasten 链接：找出 skill 之间的依赖、对比、组合关系，生成 INDEX.md 技能地图和引用图。

6. 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，输出 test-prompts.json。

7. 交付：生成 DIGEST.md 精华长文（面向读者，不想读全文可看这篇），并把通过测试的 skill 安装到 Claude Code / Cursor 等 Agent 的 skills 目录，使其真正可调用。

最终输出是一个多文件的 skill 仓库，包含 BOOK_OVERVIEW.md、INDEX.md、DIGEST.md、GLOSSARY.md、若干 */SKILL.md 独立模块，以及 test-prompts.json 验证文件。

亮点 / 与同类相比

与传统的读书笔记、视频摘要、知识管理工具相比，cangjie-skill 有四个显著差异：

• 从“总结”到“技能包”：同类工具（如 Notion AI 摘要、B站 AI 总结、播客笔记）输出的是压缩后的说明文，cangjie-skill 输出的是带触发条件、适用边界、可执行步骤的 skill 模块，可直接被 AI agent 调用，而不是被人类阅读后遗忘。

• 严格的筛选机制：三重验证环节淘汰了 50%-75% 的候选方法论，确保留下的每个 skill 都有独立价值，而非“常识堆砌”。传统方法往往照单全收，导致知识库臃肿失效。

• 支持多源非书籍内容：不仅适用于书籍，还适用于有字幕/转写文本的视频、播客、访谈、演讲、课程、长文和资料集。配合 video-downloader skill 可自动下载视频并提取字幕。

• 压力测试与进化生态：每个 skill 都经过设计诱饵题的测试，保证在真实场景中不会被误触发。同时，darwin-skill 可以自动对这些 skill 进行迭代进化，形成持续优化的生态。

适合谁用 / 上手

适合人群：

• 知识工作者：阅读大量书籍、文章、报告，希望将方法论转化为可复用的决策工具。
• AI agent 开发者：需要为 Claude Code、Cursor 等 Agent 定制高质量技能包，但不想手动编写 prompt。
• 内容创作者/博主：希望将自有内容（如长视频、播客）蒸馏成可被他人调用的技能，提升内容价值。
• 学习者：想把自己看过的高价值内容真正“消化”成可执行的行动指南，而不是停留在收藏夹里。

上手方式：

1. 克隆仓库：git clone https://github.com/kangarooking/cangjie-skill.git
2. 安装依赖：Python 环境，运行 pip install -r requirements.txt（需要 LLM API 密钥，如 OpenAI 或兼容接口）。
3. 准备内容：将书籍文字、视频字幕、播客转写稿等作为