cangjie-skill — 把一本书蒸馏成一组可执行 skills 的元 skill

使命

把一本书里沉淀的方法论,拆解成一组原子化、可被 agent 在真实场景下调用的 skills,让读者真正用起来。

术语约定: 本文档及 methodology/、extractors/ 中所有的"书",泛指一切被蒸馏的长内容 — 书籍、长视频转写、播客文字稿、课程、访谈、长文、资料集。

边界:

• ✅ 做: 方法论 / 决策框架 / 清单 / 原则 / 概念体系的蒸馏
• ❌ 不做: 书摘 / 读后感 / 作者人设角色扮演 (后者请用 nuwa-skill)

核心方法论: RIA-TV++

一个五阶段 + 并行提取 + 三重验证 + darwin 兼容测试的流水线。详见 methodology/00-overview.md。

阶段 0: Adler 整书理解     → BOOK_OVERVIEW.md
阶段 1: 5 个 agent 并行提取 → 候选方法论单元池
阶段 1.5: 三重验证筛选       → 通过的单元 (用户轻确认)
阶段 2: RIA++ 构造 skill     → 每个 skill 的 SKILL.md
阶段 3: Zettelkasten 链接    → INDEX.md + GLOSSARY.md
阶段 4: 压力测试 (darwin 兼容) → test-prompts.json + 回炉淘汰
阶段 5: 交付                 → DIGEST.md 精华长文 + 安装到 skills 目录

何时调用此 skill

用户说类似:

• "帮我拆《穷查理宝典》"
• "把毛选蒸馏成 skill"
• "把这个 B 站视频/播客/课程蒸馏成 skill"
• "distill this book into skills: <path>"
• "我想把这本书的方法论做成可用的 skill"

输入要求

在开始前必须从用户处确认:

1. 内容文本来源: PDF / EPUB / TXT / 字幕文件 / 转写稿路径, 或可访问的纯文本。不要在没有文本的情况下"凭记忆"蒸馏 — 宁可停下来问用户要。(视频/播客建议先用 video-downloader 类工具拿到转写文本)
2. 内容元信息: 书籍是"书名 + 作者 + 出版年"; 视频/播客/课程是"标题 + 作者(UP 主/主播/讲者) + 发布时间"。用于目录命名和审计。
3. 是否首次试点: 如果用户是第一次用 cangjie-skill,建议先蒸馏 1 份内容验证流程再批量。

非书籍内容的字段映射: source_chapter 等"章节"字段对视频填时间戳或分 P,对播客填集数,对课程填讲次 — 保证可追溯即可。

输出结构

books/<book-slug>/
├── PIPELINE_STATE.md          # 流水线状态: 当前阶段 + 各 skill 进度 (断点续跑用)
├── BOOK_OVERVIEW.md           # 阶段 0 产出: 主旨/骨架/术语/批判
├── verified.md                # 阶段 1.5 产出: 通过三重验证的单元 + 判定理由
├── INDEX.md                   # 阶段 3 产出: skill 总览 + 引用图
├── GLOSSARY.md                # 阶段 3 产出: 全书共享术语词典
├── DIGEST.md                  # 阶段 5 产出: 面向读者的精华长文
├── candidates/                # 阶段 1 产出: 原始候选池 (审计用)
├── rejected/                  # 阶段 1.5 淘汰的单元 + 原因 (审计用)
├── <skill-slug-1>/
│   ├── SKILL.md
│   ├── test-prompts.json      # darwin-skill 兼容格式
│   └── test-results.md        # 阶段 4 测试通过率 + 失败分析
├── <skill-slug-2>/
│   └── ...

执行流程 (严格按顺序)

断点续跑: 开始前先检查 books/<slug>/PIPELINE_STATE.md 是否存在。存在则读取并从记录的阶段续跑,不要从头重来。每完成一个阶段,更新该文件 (当前阶段 / 已完成产物 / 各 skill 状态 / 下一步),格式用简单的 checklist markdown 即可。

阶段 0 — 整书理解

1. 读取用户提供的书本文本。大文件分块阅读。
2. 执行 methodology/01-stage0-adler.md 中的 Adler 四步 (结构 / 解释 / 批判 / 应用)。
3. 按 templates/BOOK_OVERVIEW.md.template 填充,写入 books/<slug>/BOOK_OVERVIEW.md。
4. 把产出展示给用户确认:"骨架我理解对了吗?有没有你希望重点突出的方向?" 得到确认再进入阶段 1。

阶段 1 — 5 个 sub-agent 并行提取

并行 spawn 5 个 Task sub-agents(使用 Agent 工具,一次调用中发起 5 个):

sub-agent	读取的 prompt	产出
框架提取器	extractors/framework-extractor.md	决策框架 / 思维模型
原则提取器	extractors/principle-extractor.md	原则 / 清单 / 规则
案例提取器	extractors/case-extractor.md	作者在书中亲自使用过的实例
反例提取器	extractors/counter-example-extractor.md	书中警告的失败模式
术语提取器	extractors/glossary-extractor.md	关键概念词典

每个 sub-agent 独立读书、独立提取、独立输出到 books/<slug>/candidates/<type>.md。

• 长文本: 超出单个 sub-agent 上下文的内容,按 methodology/02-stage1-parallel-extract.md 的分块策略处理。
• 降级方案: 当前环境不支持并行 sub-agent 时,用同样 5 个 extractor prompt 串行执行,产出格式不变。

阶段 1.5 — 三重验证筛选

读取 methodology/03-stage1.5-triple-verify.md,对每个候选单元执行:

• V1 跨域: 书中至少 2 个独立段落有佐证?
• V2 预测力: 能用它回答一个书里没明说的新问题吗?
• V3 独特性: 不是任何聪明人都会说的常识吗?

通过的写入 books/<slug>/verified.md。不通过的写入 books/<slug>/rejected/ 并附原因 — 保留审计轨迹,也允许用户事后捞回。

用户轻确认 ★: 筛选完成后,把"通过的 N 个候选标题 + 淘汰的 M 个"列表展示给用户:"这 N 个会做成 skill,有想捞回或砍掉的吗?" 得到确认再进入阶段 2 — 阶段 2–4 是最耗时的部分,这一步确认能避免大量返工。

阶段 2 — RIA++ 构造 skill

对每个通过的单元,按 templates/SKILL.md.template 填充:

• R (Reading): 原文引用 ≤150 字/段 (英文原文 ≤100 词/段)
• I (Interpretation): 用自己的话重写方法论骨架 (避免照搬译本)
• A1 (Past Application): 书中作者用过的案例
• A2 (Future Trigger) ★: 用户在什么情境下会需要这个 → skill 的 description 字段
• E (Execution): 1-2-3 可执行步骤
• B (Boundary): 什么时候不适用 / 来自阶段 0 批判阶段的作者盲点

细则见 methodology/04-stage2-ria-plus.md。注意: A2 中"与相邻 skill 的区分"此时只写初稿 (基于 verified.md 的单元列表),阶段 3 建立链接后回填定稿。

阶段 3 — Zettelkasten 链接

按 methodology/05-stage3-zettelkasten.md:

1. 找出 skill 之间的引用关系 (A 依赖 B / A 对比 B / A 组合 B)
2. 在每个 SKILL.md 末尾补"相关 skills"段,并回填 A2 的"与相邻 skill 的区分"
3. 按 templates/INDEX.md.template 生成 INDEX.md (含引用图 mermaid)
4. 把 candidates/glossary.md 整理成 books/<slug>/GLOSSARY.md — 它是所有 skill 的共享词典,不该埋在审计目录里

阶段 4 — 压力测试 (darwin 兼容)

对每个 skill 按 methodology/06-stage4-pressure-test.md:

1. 设计 5–10 条测试 prompt,按 templates/test-prompts.json.template 写入 test-prompts.json
2. 至少包括 3 类: 应调用 / 不应调用 (诱饵) / 边界模糊。诱饵中至少 1 条必须是"应触发同书另一个 skill"的场景 (跨 skill 混淆测试)
3. 优先用独立 sub-agent 盲测每条 prompt,由主流程对照预期统计结果,未过的回炉重做阶段 2 — 不做"表面修补"
4. 每个 skill 的测试结果写入 <skill-dir>/test-results.md

阶段 5 — 交付

按 methodology/07-stage5-deliver.md:

1. 生成 books/<slug>/DIGEST.md — 面向读者的精华长文 (按 templates/DIGEST.md.template),满足"不读全书、只看精华"的需求
2. 询问用户安装位置 (用户级 ~/.claude/skills/ 或项目级 .claude/skills/ / .cursor/skills/),把通过测试的 skill 复制或 symlink 过去 — 没有这一步,产出的 skill 无法被真正调用
3. 告知用户: "已完成,可一键喂给 darwin-skill 自动进化"

质量红线 (违反则阻止输出)

1. 每个 skill 必须通过全部三重验证
2. 每个 skill 必须有完整的 R / I / A1 / A2 / E / B 六段
3. 原文引用 ≤150 字/段 (英文 ≤100 词/段)
4. 每个 skill 必须有 test-prompts.json,且包含诱饵测试 (不应调用的场景),其中至少 1 条是同书兄弟 skill 的场景
5. description 字段必须明确 trigger 条件,不能只是"一个关于 X 的 skill"

与 nuwa-skill / darwin-skill 的生态定位

• nuwa-skill: 蒸馏人 (思维方式 / 表达 DNA)
• cangjie-skill (本 skill): 蒸馏书 (方法论 / 框架 / 原则)
• darwin-skill: 进化任意 skill

三者咬合: 本 skill 输出的 test-prompts.json 严格遵循 darwin-skill 格式,以便产出的 skill 可直接接入 darwin 做自动进化。

调用惯例

• 永远先试点 1 本 — 除非用户明确说"批量"
• 阶段之间主动汇报进度 — 不要静默跑完再 dump 结果
• 不凭记忆拆书 — 没文本就停下来问
• 保留审计轨迹 — candidates/ 和 rejected/ 都要留
• 随时可续跑 — 每完成一个阶段就更新 PIPELINE_STATE.md,中断后从状态文件恢复