Distill a book into a coherent set of executable skills. Use when the user asks to "拆书" / "蒸馏一本书" / "把 XX 书做成 skill" / "turn a book into skills" — i.e. wants a book's frameworks, principles, and methodologies extracted into atomic, reusable Claude skills that an agent can invoke in real-world situat

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,拆解成原子化、可被 agent 在真实场景下调用的能力,并按用户目的编译成合适数量的 skill,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 / 操作流程 / 计算规则 / 排障 / 清单 / 原则的蒸馏，概念体系作为参考支撑 ❌ 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++（v2.5 Bundle 版）一个五阶段 + 并行提取 + 三重验证 + 晋级门 + darwin 兼容测试的流水线。详见 methodology/00 overview.md 。 v2.5 关键变化（ADR 002） : 阶段 2–4 不再直接把每个单元写成独立的最终 Skill 目录，而是产出一份 Capability Bundle （ books/<slug /.cangjie/capabilities/verified.yaml + cards/ .md ）。single 与 pack 都从这同一份 Bundle 由 scripts/cangjie.py compile 确定性编译，两者引用同一组稳定 capability id 。旧的 one to one 输出仍受支持（legacy pack，见 docs/migrations/2026 08 25 v2.0 to v2.1.md ）。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. 使用目的（决定输出模式推荐）: 学习/查阅这本书 → 倾向 single；接入日常工作流、跨书组合 → 倾向 pack。不确定时按 single first 原则先推荐 single。 4. 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 : 章节类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。输出结构最终交付物由 scripts/cangjie.py compile 从 Bundle 编译（ output single 得到 1 个入口 + 能力卡； output pack 得到 1 个来源路由入口 + 少量晋级 Skill）。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。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 上下文策略产出框架提取器 extractors/framework extractor.md 全量扫描（兼顾跨章节与单处完整机制）决策框架 / 思维模型 / 流程 / 排障原则提取器 extractors/principle extractor.md 全量扫描（含公式、表格、脚注）原则 / 清单 / 规则 / 计算口径案例提取器 extractors/case extractor.md 检索式取块（局部命中型）书中实例、转述案例、例题，标明类型反例提取器 extractors/counter example extractor.md 检索式取块（局部命中型）书中警告的失败模式术语提取器 extractors/glossary extractor.md 检索式取块 + 脚本预筛关键概念词典每个 sub agent 独立判断、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；已建立内容索引（ .cangjie/index/ ）时,检索式 extractor 按索引取相关块。覆盖率硬门 : 同时对照全量扫描候选和阶段 0 的原书关键任务清单，不只检查旧版通过项。重要任务须有候选及明确去向；有未解释遗漏时补读/退回全量扫描，不虚报零遗漏。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（知识验证）读取 methodology/03 stage1.5 triple verify.md ,对每个候选单元执行: V1 来源充分性 : 可定位原文足以支持限定范围内的做法吗？完整机制在一处讲透也可通过。 V2 可执行性 : 用合法的新输入能完成任务并核验结果吗？不强求跨领域外推。 V3 任务增益 : 能减少遗漏、统一口径或稳定交付吗？不要求作者独创。按 verified / reference / needs review / rejected 分流，记录依据及缺口；参考内容须映射到实际交付的 overview/glossary，不是所有未通过项都淘汰。更新 coverage audit.md 。用户轻确认 ★: 展示可执行候选、参考、待核查、淘汰四类及重要缺口，再进入阶段 1.6；确认不能替代来源验证。阶段 1.6 — 独立 Skill 晋级门（产品化验证）读取 methodology/03b stage1.6 promotion gate.md 。知识验证通过 ≠ 值得成为独立 Skill。对每个单元评审五条判据（独立意图/独立契约/独立运行/独立复用/独立评测,前 3 条必须通过,后 2 条至少 1 条),把去向写入 Bundle 的 promotion.destination （promoted / router）。未晋级单元不淘汰 ,保留为来源路由入口内的能力卡。可发现入口软预算默认 8（含 1 个来源路由入口）。阶段 2 — RIA++ 构造能力卡对每个通过的单元,按 methodology/04 stage2 ria plus.md 构造 R / I / A1 / A2 / E / B 六段能力卡: 卡片正文写入 books/<slug /.cangjie/capabilities/cards/<slug .md （不带 frontmatter ,frontmatter 数据记入 Bundle）; 同时在 verified.yaml 登记该能力: 稳定 capability id 、intents、keywords、one liner、importance（附依据）、 frontmatter.description （A2 浓缩版）。 A1 区分原书案例与明确标记的合成演练；E 明确输入、输出、分支和完成标准。必要时通过 resources 显式声明配套文本资源，见阶段 2 说明。阶段 3 — Zettelkasten 链接按 methodology/05 stage3 zettelkasten.md : 1. 找出能力之间的引用关系,写入 Bundle 中各能力的 also read ,并回填 A2 的"与相邻能力的区分" 2. 把 candidates/glossary.md 整理成 books/<slug /GLOSSARY.md ,并复制到 .cangjie/capabilities/book/glossary.md 3. INDEX/路由表由编译器从 Bundle 生成,不再手写 4. 把 references.md 中需保留的内容并入 Bundle 的 book/overview.md 或 book/glossary.md ，在覆盖审计登记实际路径；不把待核查内容伪装为可执行方法阶段 4 — 压力测试 (darwin 兼容) 按 methodology/06 stage4 pressure test.md ，晋级能力测触发，router 能力测可达；两类都要实际完成代表任务并核对输出，不能用“会调用”替代“做得对”。缺失输出计入评测分母，未完成不得声明通过。未过的回炉重做阶段 2。阶段 5 — 编译与交付按 methodology/07 stage5 deliver.md : 1. 生成 books/<slug /DIGEST.md — 面向读者的精华长文 2. 运行 python3 scripts/cangjie.py compile bundle books/<slug /.cangjie/capabilities out <目标目录 output auto ,把决策报告展示给用户轻确认（按推荐 / 改 single / 改 pack） 3. 询问用户安装位置,把编译产物复制或 symlink 过去 4. 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. 每个能力必须通过全部三重验证 2. 每张能力卡必须有完整的 R / I / A1 / A2 / E / B 六段；A1 无原书案例时如实标注，合成演练不冒充书中事实 3. 原文引用 ≤150 字/段 (英文 ≤100 词/段) 4. 每个 active 能力在 destinations.json 中恰好一个去向（promoted to 或 served by）;未晋级能力必须可经来源路由入口到达 5. 晋级 Skill 的 description 必须明确 trigger 条件,并与来源路由入口互有近邻负例 6. 编译产物必须通过 scripts/validate skill pack.py （格式/相对引用/frontmatter 100%） 7. 生成目录只读:检测到本地手改时不得静默覆盖（编译器强制三选一） 8. 关键任务覆盖有可追溯去向；实际输出评测与来源核查分别记录。存在重要缺口只能交付明确标注范围的草稿，不能宣称完整通过与 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 输出的评测用例遵循 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输出策略持久化 — update/repair 默认沿用原输出模式,不因新增材料静默改变产物形态

book2skill