📌 项目地址：kangarooking/cangjie-skill | ⭐ 3,811 颗星 | 🔧 Python | 📜 未标注
它解决的不是“看没看完”，而是“用没用上”
你收藏的干货视频、买来没拆封的书、听完就忘的播客——这些内容里其实藏着能解决实际问题的“方法”，但人类大脑很难在关键时刻准确调用它们。传统笔记、摘要、思维导图只是压缩，不是结构化复用：你依然需要自己去回忆“这本书说了什么”才能决定下一步行动。而cangjie-skill要做的，是把那些高价值内容中的方法论，拆解成AI Agent可以直接识别、触发、组合和执行的“技能单元”。
换句话说，它让你从“内容消费者”变成“技能制造者”：看了一个B站长视频后，不是得到一个摘要，而是获得一套能放在Claude Code、Cursor等工具里调用的.md技能包，以及一张技能地图和一份精华长文。
它是怎么工作的：RIA-TV++ 七步流水线
项目把整个蒸馏过程定义为一套标准化流程（README中详细描述了七个阶段）：
- 整体内容理解（Adler分析） – 模仿《如何阅读一本书》的分析阅读法，产出
BOOK_OVERVIEW.md，让AI理解全貌。 - 并行提取 – 同时派5个专项提取器（框架、原则、案例、反例、术语）从原文中捞候选方法论单元。
- 三重验证筛选 – 每个候选必须通过“跨域佐证（原文至少2处独立支持）”、“预测力（能回答内容未明说的问题）”、“独特性（不是常识）”。通过率仅25%-50%。
- RIA++ 构造 – 将验证通过的内容按R(原文引用)/I(重写)/A1(书中案例)/A2(触发场景)/E(可执行步骤)/B(边界盲点)六个维度结构化。
- Zettelkasten 链接 – 找出技能间的依赖、对比、组合关系，生成
INDEX.md和引用图。 - 压力测试 – 为每个Skill设计含诱饵题的测试用例（含跨Skill混淆测试），未通过的回炉。
- 交付 – 生成面向读者的精华长文
DIGEST.md，并把通过测试的skill安装到Claude Code/Cursor的skills目录，真正可被调用。
注意：这里提到的“Claude Code / Cursor”是README中明确指出的目标环境，项目本身输出的是Markdown文件，你需要配合这些工具才能让skill被AI执行。具体的运行方式请参考项目README中的说明——目前没有现成的pip install或一键脚本，你需要根据仓库目录结构手动或通过脚本放置skill文件。
输出长什么样？不是压缩，是结构化复用
README给出了直观示例：最终输出是一个多文件仓库，包含：
BOOK_OVERVIEW.md– 整体内容理解INDEX.md– 技能地图和引用关系DIGEST.md– 面向读者的精华长文（不想读全书？看这篇就够）GLOSSARY.md– 术语词典- 若干
*/SKILL.md– 每个独立技能模块 test-prompts.json– 验证触发场景的测试用例
以已经生成的 buffett-letters-skill 为例（见README链接），你可以直接看到如何把巴菲特致股东的信变成了可调用的Skill工具包。
与“蒸馏人”的区别：内容 vs 人格
项目在README里明确对比了同类思路：nuwa-skill（蒸馏人，比如马斯克Skill、巴菲特Skill）做的是模仿一个人的表达方式；而cangjie-skill做的是蒸馏他系统性输出的方法论。前者像“角色扮演”，后者像“知识工程”。如果你需要的不是对话风格，而是可迁移、可验证的决策框架，那么cangjie-skill的定位更匹配。
需要注意的限制
- 依赖外部工具：Skill文件本身只是Markdown结构，需要配合Claude Code或Cursor的skills机制才能被Agent调用。你还需要自己安装、配置这些工具。
- 输入前提：蒸馏视频需要先有字幕或转写文本。README推荐配合项目video-downloader使用。
- 质量门槛：三重验证的通过率只有25%-50%，意味着并非所有内容都值得变成Skill——它刻意做了“淘汰”，而不是全量提取。如果你希望100%保留所有信息，这个项目不适用。
- 许可证：项目README顶部有LICENSE链接，使用前请确认许可条件（通常为开源协议，具体需查看）。
一句话总结
如果你有大量“看过但用不上”的高价值内容，且愿意花时间把它们的核心方法论结构化，cangjie-skill提供了一套从内容到可执行Agent Skills的完整流水线。它不处理泛泛的笔记，只产出经过三重验证、有边界、可测试的“知识工具”。