引言“读完、看完、听完之后带走一套能调用的方法论。”这是「每日一个开源项目」系列的第 158 篇。今天的项目是cangjie-skill—— 一个把书籍、长视频、播客里的方法论蒸馏成可执行 AI Skills 的元 Skill 包。名字取自仓颉 —— 传说中汉字的发明者。寓意恰当这个工具做的事是把内容转译成 agent 能读懂、能执行的另一种「语言」。先说痛点你收藏了多少篇文章、多少本书、多少期播客是真的「运用了」还是「看过了」摘要和笔记解决的是「我能回忆起来」但不解决「我知道什么时候该用什么」。cangjie-skill 解决的是第二个问题 —— 把内容变成一套带触发条件的工具交给 agent 在真实决策场景里帮你调用。2,435 颗 Star创建于 2026 年 4 月已生成超过 20 本书籍的 skill pack。你会学到什么为什么摘要不等于可复用的方法论RIA-TV 七阶段流水线的完整设计三重验证的具体标准为什么通过率只有 25-50%RIA 六个维度各自解决什么问题与 nuwa-skill / darwin-skill 的生态定位关系前提知识使用过 Claude Code 或任意 AI agent了解 Skill / 技能包的基本概念项目背景概述cangjie-skill 是一个「元 Skill」它本身是一个安装在 Claude Code 里的 skill用途是把其他内容书、视频、播客蒸馏成更多 skills。它的逻辑起点来自另一个项目 nuwa-skill —— nuwa 做的是「把人蒸馏成 skill」马斯克 skill、巴菲特 skill模拟一个人的思维方式和表达 DNA。cangjie-skill 做的是另一个维度把这个人系统性输出的内容蒸馏成工具。两件事互补不重叠。视频内容建议搭配作者的 video-downloader skill 使用先下载视频、提取字幕/转写文本再交给 cangjie-skill 处理。项目信息作者: kangarooking袋鼠帝主语言: Python许可证: MIT生态: nuwa-skill蒸馏人 cangjie-skill蒸馏书 darwin-skill进化 skill项目数据⭐ GitHub Stars:2,435 Forks: 380 许可证: MIT 创建时间: 2026-04-16功能特性不是摘要是结构化复用cangjie-skill 的 SKILL.md 开头就划定了边界✅ 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摘要和 skill 的本质区别摘要是「压缩」skill 是「工具化」。一个带触发条件的 skill 能回答「什么时候该用这个框架」而摘要做不到这一点。支持的内容类型虽然叫「拆书」但文档里明确说所有被蒸馏的长内容都适用包括书籍PDF / EPUB / TXT长视频字幕/转写稿B 站、YouTube播客文字稿课程讲义访谈记录长文和资料集字幕文件里「章节」字段填时间戳播客填集数课程填讲次 —— 保持可追溯。已生成的 Skill Pack 列表书籍/来源Skills 数巴菲特致股东的信1957-202320《穷查理宝典》12段永平投资问答录15《影响力》12《疯传》15《爆款文案》14《文案创作完全手册》12《1000个铁粉》13165 个 AI 产品系统提示词15《认知红利》15《不拘一格网飞自由与责任工作法》10《黄帝内经》素问灵枢22《第一性原理》10《毛泽东选集》第 1-5 卷25吴恩达《AI for Everyone》视频课程25《孙子兵法》8《周易》8《我与地坛》6高等数学上册第一章8这个列表本身就说明了一件事蒸馏方法论不挑内容领域。投资判断、营销文案、中医经典、军事战略、数学教材 —— 只要有可抽取、可验证、可迁移的方法论都能走这条管道。深度解析RIA-TV 七阶段流水线阶段 0: Adler 整体内容理解 → BOOK_OVERVIEW.md ↓ 阶段 1: 5 个并行提取器 → 候选方法论单元池 ↓ 阶段 1.5: 三重验证筛选 → verified.md通过率 25-50% ↓ 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 安装到 skills 目录名称拆解RIA来自赵周《这样读书就够了》的便签拆书法Reading / Interpretation / AppropriationTVTriple Verification三重验证面向 agent 执行的扩展 —— EExecution 可执行步骤 BBoundary 边界与盲点阶段 0Adler 整体内容理解借鉴 Mortimer Adler《如何阅读一本书》的分析阅读法对整份内容做四步拆解结构这本书在讲什么整体骨架是什么解释核心论点是什么关键概念怎么定义批判作者的论证有哪些盲点或局限应用这本书的方法论适用于哪类问题产出BOOK_OVERVIEW.md并展示给用户确认框架理解是否准确再进入提取阶段。这一步的价值后续所有 skill 的边界判断B 维度都来自这里的「批判」结果。阶段 15 个并行提取器5 个 sub-agent 同时启动各自独立阅读、独立提取 框架提取器 → 决策框架 / 思维模型 原则提取器 → 原则 / 清单 / 规则 案例提取器 → 作者在内容里亲自使用过的实例 反例提取器 → 内容里警告的失败模式 术语提取器 → 关键概念词典 各自输出到 candidates/type.md并行提取而非串行的原因不同类型的提取器读文本的「视角」不同。案例提取器在找「作者做了什么」反例提取器在找「什么情况下会出错」—— 如果同一个 agent 顺序执行这两种任务前一种任务的结果会影响后一种任务的视角。并行保证每种提取的独立性。不支持并行时可以串行执行同样的 5 个 extractor prompt产出格式不变。阶段 1.5三重验证这是整个流水线里最关键的质量门控也是通过率只有 25-50% 的原因V1 跨域验证书中至少 2 个独立段落跨域不能是同一论证链里的连续段落有佐证。V2 预测力能用这个候选方法论回答一个书里没有明说的新问题如果只能复述书里的内容而无法推断新情景说明它不是独立的方法论单元只是一段描述。V3 独特性这不是任何聪明人都会说的常识。「要诚实」「要努力」不是方法论是废话。三重验证全部通过才进入 verified.md未通过的进入 rejected/ 并附原因 —— 保留审计轨迹允许用户事后捞回。筛选完成后把「通过 N 个 / 淘汰 M 个」列表给用户轻确认再进入后续阶段阶段 2-4 是最耗时的部分这个确认能避免大量返工。阶段 2RIA 六维度构造每个通过验证的候选单元按六个维度构造成一个 SKILL.md维度内容说明RReading原文引用≤150 字/段确保可追溯不是发明出来的IInterpretation用自己的话重写方法论骨架避免照搬译本强迫理解A1Past Application原内容里作者亲自用过的案例提供具体的应用锚点A2Future Trigger★用户在什么场景下会需要这个这变成 skill 的description字段决定何时触发EExecution1-2-3 可执行步骤面向执行不是面向理解BBoundary什么时候不适用 / 作者盲点来自阶段 0 的批判分析A2 Future Trigger 是最关键的维度 —— 它决定 agent 在什么情境下会想到调用这个 skill。一个没有清晰触发条件的 skill 等同于摆设。阶段 3Zettelkasten 链接参考 Zettelkasten 卡片笔记法在 skill 之间建立关系图引用A 依赖 Bskill A 在某种情况下需要先用 skill B对比A 对比 Bskill A 和 skill B 处理相似问题但方法不同组合A 组合 Bskill A 和 skill B 联合使用效果更好输出INDEX.md所有 skill 的总览 Mermaid 引用图GLOSSARY.md整个 skill pack 的共享术语词典从 candidates/glossary.md 整理而来回填每个 SKILL.md 末尾的「相关 skills」段单个孤立的 skill 和一套有关联关系的 skill 网络复用价值完全不同。阶段 4压力测试darwin 兼容每个 skill 设计 5-10 条测试 prompt必须包含三种类型应调用这个场景下应该触发此 skill不应调用诱饵这个场景看似相关但不应触发边界模糊需要判断的模糊场景诱饵测试里至少有 1 条是「应该触发同一本书里另一个 skill」的场景 —— 这是跨 skill 混淆测试防止 agent 在选择 skill 时乱枪打鸟。测试未通过的 skill 回炉重做阶段 2不做表面修补。结果写入skill-dir/test-results.md。测试文件格式严格遵循 darwin-skill 的 JSON 格式意味着这些 skill 生成后可以直接接入 darwin-skill 做自动进化。阶段 5交付DIGEST.md ← 面向读者的精华长文不读全书只看这篇 安装到 skills 目录 ← 没有这一步产出的 skill 无法被真正调用 询问用户安装位置 - 全局~/.claude/skills/ - 项目级.claude/skills/ 或 .cursor/skills/DIGEST.md 解决的是另一个需求你不一定需要调用 skill有时只是想快速了解这本书到底讲了什么。断点续跑机制流水线每完成一个阶段写入PIPELINE_STATE.md当前阶段、已完成产物、各 skill 状态。下次执行前先读这个文件从上次中断处继续不从头重来。对于需要处理大量书籍的场景这个机制保证了流水线的可靠性。生态定位nuwa-skill ──── 蒸馏「人」 思维方式、表达 DNA 马斯克会怎么想 cangjie-skill ── 蒸馏「书/内容」 方法论、框架、原则 这个框架应该什么时候用 darwin-skill ─── 进化任意 skill 接收 test-prompts.json → 自动测试 → 迭代改进三者咬合的关键cangjie-skill 产出的test-prompts.json严格遵循 darwin-skill 格式产出物可以直接被 darwin 接管做自动进化不需要额外适配。质量红线触犯以下任一条件则阻止输出每个 skill 必须通过全部三重验证每个 skill 必须有完整的 R/I/A1/A2/E/B 六段原文引用 ≤150 字/段英文 ≤100 词/段每个 skill 必须有test-prompts.json且包含诱饵测试至少 1 条是同书兄弟 skill 的场景description字段必须明确触发条件不能是「一个关于 X 的 skill」参考资源官方链接GitHub: kangarooking/cangjie-skillnuwa-skill: alchaincyf/nuwa-skill蒸馏人darwin-skill: alchaincyf/darwin-skill进化 skill示例 skill pack: buffett-letters-skill总结cangjie-skill 的核心洞察是知识可复用的前提是知识被工具化而工具化的前提是结构化——不只是「提炼了什么」还要有「什么时候该用」「怎么执行」「什么时候不该用」。三重验证跨域 预测力 独特性是整个流水线里最重要的一道门25-50% 的通过率意味着大量看起来有价值的内容被筛掉了。这不是 bug而是 feature —— 只有经过严格筛选的内容才值得花时间构造成 skill否则会产生大量在真实场景里用处不大的「伪工具」。A2 Future Trigger 维度是整个六维度框架里最难写、但也最有价值的部分。它强迫你回答「这个工具在现实里什么时候会被需要」而不是「这个工具描述了什么」。这个问题往往比蒸馏内容本身更难。对于经常和书、长视频、播客打交道的人cangjie-skill 提供了一条从「消费内容」到「部署方法论」的明确路径 —— 最终输出不是笔记而是一套可以在 agent 工作流里被调用的工具包。探索 PrimeSkills —— 精选 AI agent 和技能工具每一个都经过真实工作流验证。没有炒作只有真正好用的工具。访问我的个人主页获取更多见解和有趣的产品。
引言“读完、看完、听完之后带走一套能调用的方法论。”这是「每日一个开源项目」系列的第 158 篇。今天的项目是cangjie-skill—— 一个把书籍、长视频、播客里的方法论蒸馏成可执行 AI Skills 的元 Skill 包。名字取自仓颉 —— 传说中汉字的发明者。寓意恰当这个工具做的事是把内容转译成 agent 能读懂、能执行的另一种「语言」。先说痛点你收藏了多少篇文章、多少本书、多少期播客是真的「运用了」还是「看过了」摘要和笔记解决的是「我能回忆起来」但不解决「我知道什么时候该用什么」。cangjie-skill 解决的是第二个问题 —— 把内容变成一套带触发条件的工具交给 agent 在真实决策场景里帮你调用。2,435 颗 Star创建于 2026 年 4 月已生成超过 20 本书籍的 skill pack。你会学到什么为什么摘要不等于可复用的方法论RIA-TV 七阶段流水线的完整设计三重验证的具体标准为什么通过率只有 25-50%RIA 六个维度各自解决什么问题与 nuwa-skill / darwin-skill 的生态定位关系前提知识使用过 Claude Code 或任意 AI agent了解 Skill / 技能包的基本概念项目背景概述cangjie-skill 是一个「元 Skill」它本身是一个安装在 Claude Code 里的 skill用途是把其他内容书、视频、播客蒸馏成更多 skills。它的逻辑起点来自另一个项目 nuwa-skill —— nuwa 做的是「把人蒸馏成 skill」马斯克 skill、巴菲特 skill模拟一个人的思维方式和表达 DNA。cangjie-skill 做的是另一个维度把这个人系统性输出的内容蒸馏成工具。两件事互补不重叠。视频内容建议搭配作者的 video-downloader skill 使用先下载视频、提取字幕/转写文本再交给 cangjie-skill 处理。项目信息作者: kangarooking袋鼠帝主语言: Python许可证: MIT生态: nuwa-skill蒸馏人 cangjie-skill蒸馏书 darwin-skill进化 skill项目数据⭐ GitHub Stars:2,435 Forks: 380 许可证: MIT 创建时间: 2026-04-16功能特性不是摘要是结构化复用cangjie-skill 的 SKILL.md 开头就划定了边界✅ 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摘要和 skill 的本质区别摘要是「压缩」skill 是「工具化」。一个带触发条件的 skill 能回答「什么时候该用这个框架」而摘要做不到这一点。支持的内容类型虽然叫「拆书」但文档里明确说所有被蒸馏的长内容都适用包括书籍PDF / EPUB / TXT长视频字幕/转写稿B 站、YouTube播客文字稿课程讲义访谈记录长文和资料集字幕文件里「章节」字段填时间戳播客填集数课程填讲次 —— 保持可追溯。已生成的 Skill Pack 列表书籍/来源Skills 数巴菲特致股东的信1957-202320《穷查理宝典》12段永平投资问答录15《影响力》12《疯传》15《爆款文案》14《文案创作完全手册》12《1000个铁粉》13165 个 AI 产品系统提示词15《认知红利》15《不拘一格网飞自由与责任工作法》10《黄帝内经》素问灵枢22《第一性原理》10《毛泽东选集》第 1-5 卷25吴恩达《AI for Everyone》视频课程25《孙子兵法》8《周易》8《我与地坛》6高等数学上册第一章8这个列表本身就说明了一件事蒸馏方法论不挑内容领域。投资判断、营销文案、中医经典、军事战略、数学教材 —— 只要有可抽取、可验证、可迁移的方法论都能走这条管道。深度解析RIA-TV 七阶段流水线阶段 0: Adler 整体内容理解 → BOOK_OVERVIEW.md ↓ 阶段 1: 5 个并行提取器 → 候选方法论单元池 ↓ 阶段 1.5: 三重验证筛选 → verified.md通过率 25-50% ↓ 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 安装到 skills 目录名称拆解RIA来自赵周《这样读书就够了》的便签拆书法Reading / Interpretation / AppropriationTVTriple Verification三重验证面向 agent 执行的扩展 —— EExecution 可执行步骤 BBoundary 边界与盲点阶段 0Adler 整体内容理解借鉴 Mortimer Adler《如何阅读一本书》的分析阅读法对整份内容做四步拆解结构这本书在讲什么整体骨架是什么解释核心论点是什么关键概念怎么定义批判作者的论证有哪些盲点或局限应用这本书的方法论适用于哪类问题产出BOOK_OVERVIEW.md并展示给用户确认框架理解是否准确再进入提取阶段。这一步的价值后续所有 skill 的边界判断B 维度都来自这里的「批判」结果。阶段 15 个并行提取器5 个 sub-agent 同时启动各自独立阅读、独立提取 框架提取器 → 决策框架 / 思维模型 原则提取器 → 原则 / 清单 / 规则 案例提取器 → 作者在内容里亲自使用过的实例 反例提取器 → 内容里警告的失败模式 术语提取器 → 关键概念词典 各自输出到 candidates/type.md并行提取而非串行的原因不同类型的提取器读文本的「视角」不同。案例提取器在找「作者做了什么」反例提取器在找「什么情况下会出错」—— 如果同一个 agent 顺序执行这两种任务前一种任务的结果会影响后一种任务的视角。并行保证每种提取的独立性。不支持并行时可以串行执行同样的 5 个 extractor prompt产出格式不变。阶段 1.5三重验证这是整个流水线里最关键的质量门控也是通过率只有 25-50% 的原因V1 跨域验证书中至少 2 个独立段落跨域不能是同一论证链里的连续段落有佐证。V2 预测力能用这个候选方法论回答一个书里没有明说的新问题如果只能复述书里的内容而无法推断新情景说明它不是独立的方法论单元只是一段描述。V3 独特性这不是任何聪明人都会说的常识。「要诚实」「要努力」不是方法论是废话。三重验证全部通过才进入 verified.md未通过的进入 rejected/ 并附原因 —— 保留审计轨迹允许用户事后捞回。筛选完成后把「通过 N 个 / 淘汰 M 个」列表给用户轻确认再进入后续阶段阶段 2-4 是最耗时的部分这个确认能避免大量返工。阶段 2RIA 六维度构造每个通过验证的候选单元按六个维度构造成一个 SKILL.md维度内容说明RReading原文引用≤150 字/段确保可追溯不是发明出来的IInterpretation用自己的话重写方法论骨架避免照搬译本强迫理解A1Past Application原内容里作者亲自用过的案例提供具体的应用锚点A2Future Trigger★用户在什么场景下会需要这个这变成 skill 的description字段决定何时触发EExecution1-2-3 可执行步骤面向执行不是面向理解BBoundary什么时候不适用 / 作者盲点来自阶段 0 的批判分析A2 Future Trigger 是最关键的维度 —— 它决定 agent 在什么情境下会想到调用这个 skill。一个没有清晰触发条件的 skill 等同于摆设。阶段 3Zettelkasten 链接参考 Zettelkasten 卡片笔记法在 skill 之间建立关系图引用A 依赖 Bskill A 在某种情况下需要先用 skill B对比A 对比 Bskill A 和 skill B 处理相似问题但方法不同组合A 组合 Bskill A 和 skill B 联合使用效果更好输出INDEX.md所有 skill 的总览 Mermaid 引用图GLOSSARY.md整个 skill pack 的共享术语词典从 candidates/glossary.md 整理而来回填每个 SKILL.md 末尾的「相关 skills」段单个孤立的 skill 和一套有关联关系的 skill 网络复用价值完全不同。阶段 4压力测试darwin 兼容每个 skill 设计 5-10 条测试 prompt必须包含三种类型应调用这个场景下应该触发此 skill不应调用诱饵这个场景看似相关但不应触发边界模糊需要判断的模糊场景诱饵测试里至少有 1 条是「应该触发同一本书里另一个 skill」的场景 —— 这是跨 skill 混淆测试防止 agent 在选择 skill 时乱枪打鸟。测试未通过的 skill 回炉重做阶段 2不做表面修补。结果写入skill-dir/test-results.md。测试文件格式严格遵循 darwin-skill 的 JSON 格式意味着这些 skill 生成后可以直接接入 darwin-skill 做自动进化。阶段 5交付DIGEST.md ← 面向读者的精华长文不读全书只看这篇 安装到 skills 目录 ← 没有这一步产出的 skill 无法被真正调用 询问用户安装位置 - 全局~/.claude/skills/ - 项目级.claude/skills/ 或 .cursor/skills/DIGEST.md 解决的是另一个需求你不一定需要调用 skill有时只是想快速了解这本书到底讲了什么。断点续跑机制流水线每完成一个阶段写入PIPELINE_STATE.md当前阶段、已完成产物、各 skill 状态。下次执行前先读这个文件从上次中断处继续不从头重来。对于需要处理大量书籍的场景这个机制保证了流水线的可靠性。生态定位nuwa-skill ──── 蒸馏「人」 思维方式、表达 DNA 马斯克会怎么想 cangjie-skill ── 蒸馏「书/内容」 方法论、框架、原则 这个框架应该什么时候用 darwin-skill ─── 进化任意 skill 接收 test-prompts.json → 自动测试 → 迭代改进三者咬合的关键cangjie-skill 产出的test-prompts.json严格遵循 darwin-skill 格式产出物可以直接被 darwin 接管做自动进化不需要额外适配。质量红线触犯以下任一条件则阻止输出每个 skill 必须通过全部三重验证每个 skill 必须有完整的 R/I/A1/A2/E/B 六段原文引用 ≤150 字/段英文 ≤100 词/段每个 skill 必须有test-prompts.json且包含诱饵测试至少 1 条是同书兄弟 skill 的场景description字段必须明确触发条件不能是「一个关于 X 的 skill」参考资源官方链接GitHub: kangarooking/cangjie-skillnuwa-skill: alchaincyf/nuwa-skill蒸馏人darwin-skill: alchaincyf/darwin-skill进化 skill示例 skill pack: buffett-letters-skill总结cangjie-skill 的核心洞察是知识可复用的前提是知识被工具化而工具化的前提是结构化——不只是「提炼了什么」还要有「什么时候该用」「怎么执行」「什么时候不该用」。三重验证跨域 预测力 独特性是整个流水线里最重要的一道门25-50% 的通过率意味着大量看起来有价值的内容被筛掉了。这不是 bug而是 feature —— 只有经过严格筛选的内容才值得花时间构造成 skill否则会产生大量在真实场景里用处不大的「伪工具」。A2 Future Trigger 维度是整个六维度框架里最难写、但也最有价值的部分。它强迫你回答「这个工具在现实里什么时候会被需要」而不是「这个工具描述了什么」。这个问题往往比蒸馏内容本身更难。对于经常和书、长视频、播客打交道的人cangjie-skill 提供了一条从「消费内容」到「部署方法论」的明确路径 —— 最终输出不是笔记而是一套可以在 agent 工作流里被调用的工具包。探索 PrimeSkills —— 精选 AI agent 和技能工具每一个都经过真实工作流验证。没有炒作只有真正好用的工具。访问我的个人主页获取更多见解和有趣的产品。
