仓颉技能：从书籍长视频播客蒸馏可调用AI方法论技能

技能介绍

cangjie-skill（仓颉技能）由 AI 博主、独立开发者"袋鼠帝"kangarooking 开发，以 GNU Affero General Public License v3.0 开源（GitHub: kangarooking/cangjie-skill）。它做的事一句话说完：把书、长视频、播客里的方法论，蒸馏成可调用的 AI Skills——读完、看完、听完之后，带走一套能调用的方法论。

作者的出发点是这样的：蒸馏"人"（把同事、马斯克、巴菲特做成 skill）已经被 nuwa-skill 证明很有价值，而蒸馏人系统性表达过的内容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的方法论。拆出这些方法论、变成能解决实际问题的工具，和模仿一个人的表达方式同样有价值。

它要解决的真实痛点很具体：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。各大平台每天产出大量干货长视频，时效性强、内容长，往往不可能已经被 AI 训练过，也很难靠一次观看完整吸收。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。

所以它的目标很明确：蒸馏所有值得蒸馏的高价值内容。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。

cangjie-skill 是一个更大的 skill 生态的一部分：nuwa-skill 蒸馏人（思维方式、表达 DNA），cangjie-skill 蒸馏书（方法论、框架、原则），darwin-skill 进化任意 skill。三者咬合：nuwa 蒸馏人，cangjie 蒸馏书，darwin 让它们持续进化。

官网 https://cangjie-skill.com/ 提供 Skill Packs 可视化浏览、从零开始的使用教程、Skill 详情与生态共建提交入口；GitHub 仓库仍是代码、方法论和模板的唯一来源。

适用场景

• 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
• 想把一本《影响力》这类书、或一段长视频字幕，变成能在 Claude Code 里调用的结构化技能包

如果要蒸馏视频内容，作者建议搭配 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。

核心能力

RIA-TV++ 流水线

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：

1. 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
2. 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
3. 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%
4. 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
5. 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
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
7. 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

命名怎么理解

• 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）

不是压缩，是结构化复用

它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。

仓库结构

cangjie-skill/
├── README.md              ← 你正在看的
├── README.en.md           ← English version
├── README.ja.md           ← 日本語版
├── LICENSE                ← GNU AGPL v3.0
├── 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

效果预览

已生成的 skill packs（书籍类）

视频蒸馏区

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）：

• 来源仓库：ace3000chao/book2startup，书目包括《精益创业》《孙子兵法》《庄子》《易经》
• 来源仓库：shenqistart/book2skill，书目包括《缠论》《茶经》

工作方式

以"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"为例，它的判断路径是：

1. 先看源材料是否存在可重复调用的方法论单元
2. 再区分哪些内容适合做独立 skill，哪些只适合做候选或背景
3. 最后输出结构化 skill 仓库，而不是一篇总结文章

支撑这一步的是上面七个阶段：Adler 分析建立全局理解 → 5 个提取器并行产出候选 → 三重验证淘汰大部分候选（通过率 25-50%）→ RIA++ 六维度把候选写成可执行 skill → Zettelkasten 建立 skill 之间的引用图 → 压力测试（含诱饵题与跨 skill 混淆测试）回炉不合格项 → 交付 DIGEST.md 并安装进 Claude Code / Cursor 的 skills 目录。

你需要提供

• 可蒸馏的原始文本：书籍全文、视频字幕/转写文本、播客文字稿、访谈记录等
• 一个能加载并调用 Skills 的 Agent 环境（Claude Code、Cursor；README 徽章标注支持 OpenClaw 与 Claude Code 平台）
• 如果要蒸馏视频：建议先用 video-downloader 下载视频并提取字幕/音频转写，再把文本交给 cangjie-skill

你会获得

输出不是一个单文件摘要，而是一个多 skill 仓库：

• 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
• test-prompts.json 用于验证触发场景
• 通过压力测试的 skill 会被安装到 Claude Code / Cursor 的 skills 目录，真正可被调用

使用示例

页面上给出的三个典型请求：

帮我把这本《影响力》的文本内容蒸馏成可在Claude Code中调用的结构化AI技能包

帮我把一本书的全文内容蒸馏成可在 AI Agent 中调用的结构化技能包

帮我从长视频字幕转写文本中提取核心方法论，生成可复用的可执行AI技能