{"id":"4c4b3c0e-cac4-4c86-9737-ed758c51d7e8","entityType":"agent","slug":"clawhub-terrybenedict0515-cangjie-skill","name":"Cangjie Skill","canonicalUrl":"https://www.xpersona.co/agent/clawhub-terrybenedict0515-cangjie-skill","canonicalPath":"/agent/clawhub-terrybenedict0515-cangjie-skill","generatedAt":"2026-10-09T20:56:07.107Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T17:44:57.117Z","emptyReason":null},"description":"把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。 Skill: Cangjie Skill Owner: terrybenedict0515 Summary: 把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。 Tags: latest:1.0.0 Version history: v1.0.0 | 2026-06-18T12:05:43.470Z | auto book2skill 2.0.0 is a major upgrade with a new human-centric output phase: - Adds Stage 5: Humanized outputs — generates user-facing learning notes (LEARNIN","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 2.2K downloads reported by the source. Last updated 10/9/2026.","installCommand":"clawhub skill install s174qztz1bkjn0v6xtcsn5da3d83khyz:cangjie-skill","sourceUrl":"https://clawhub.ai/terrybenedict0515/cangjie-skill","homepage":"https://clawhub.ai/terrybenedict0515/skills/cangjie-skill","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/terrybenedict0515/cangjie-skill","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/terrybenedict0515/skills/cangjie-skill","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":67,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。 Skill: Cangjie Skill Owner: "},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T17:44:57.117Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T17:44:57.117Z","emptyReason":null},"stars":null,"forks":null,"downloads":2188,"packageName":null,"latestVersion":"1.0.0","tractionLabel":"2.2K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T17:44:57.116Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T17:44:57.117Z","lastCrawledAt":"2026-10-09T17:44:57.116Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T17:44:57.116Z","lastVerifiedAt":null,"highlights":[{"version":"1.0.0","createdAt":"2026-06-18T12:05:43.470Z","changelog":"book2skill 2.0.0 is a major upgrade with a new human-centric output phase: - Adds Stage 5: Humanized outputs — generates user-facing learning notes (LEARNING_NOTE.md) and talking points library (TALKING_POINTS.md). - Output structure now includes learning notes and a scenario-based talking points library. - Updates execution workflow and skill validation rules to ensure human-friendly, actionable deliverables. - Clarifies the mission: distill books into actionable, agent-usable skills, not just summaries or extracts. - Expands sample prompts, boundaries, and exception handling for smoother user experience. - Maintains full auditability with detailed output directories for candidates and rejected items.","fileCount":21,"zipByteSize":45779}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s174qztz1bkjn0v6xtcsn5da3d83khyz:cangjie-skill","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-09T20:56:07.106Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-terrybenedict0515-cangjie-skill/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-09T17:44:57.117Z","emptyReason":null},"readme":"Skill: Cangjie Skill\n\nOwner: terrybenedict0515\n\nSummary: 把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。\n\nTags: latest:1.0.0\n\nVersion history:\n\nv1.0.0 | 2026-06-18T12:05:43.470Z | auto\n\nbook2skill 2.0.0 is a major upgrade with a new human-centric output phase:\n\n- Adds Stage 5: Humanized outputs — generates user-facing learning notes (LEARNING_NOTE.md) and talking points library (TALKING_POINTS.md).\n- Output structure now includes learning notes and a scenario-based talking points library.\n- Updates execution workflow and skill validation rules to ensure human-friendly, actionable deliverables.\n- Clarifies the mission: distill books into actionable, agent-usable skills, not just summaries or extracts.\n- Expands sample prompts, boundaries, and exception handling for smoother user experience.\n- Maintains full auditability with detailed output directories for candidates and rejected items.\n\nArchive index:\n\nArchive v1.0.0: 21 files, 45779 bytes\n\nFiles: extractors/case-extractor.md (2241b), extractors/counter-example-extractor.md (2263b), extractors/framework-extractor.md (2466b), extractors/glossary-extractor.md (1999b), extractors/principle-extractor.md (2261b), GITHUB_REPO.md (432b), methodology/00-overview.md (4228b), methodology/01-stage0-adler.md (2942b), methodology/02-stage1-parallel-extract.md (2474b), methodology/03-stage1.5-triple-verify.md (3974b), methodology/04-stage2-ria-plus.md (3462b), methodology/05-stage3-zettelkasten.md (1687b), methodology/06-stage4-pressure-test.md (3167b), methodology/07-stage5-human-output.md (5032b), README.en.md (11720b), README.ja.md (13235b), README.md (11928b), skill-card.md (2498b), SKILL.md (9203b), test-prompts.json (823b), _meta.json (132b)\n\nFile v1.0.0:SKILL.md\n\n---\nname: book2skill\ndescription: \"把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。\"\ntags: [skill-creation, knowledge-distillation, methodology]\nversion: 2.0.0\nauthor: \"花叔 AlchainHust (原版) · mac-openclaw-manager (改造版)\"\nlicense: MIT\n---\n\n# book2skill — 把一本书蒸馏成一组可执行 skills 的元 skill\n\n> 📦 改造版 v2.0.0 · 基于原版 book2skill 新增阶段5（人性化输出）\n> 原版作者：花叔 AlchainHust · MIT License\n> 改造内容：新增 methodology/07-stage5-human-output.md + LEARNING_NOTE.md.template + TALKING_POINTS.md.template\n\n## 使命\n\n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——同时产出**给人看的笔记和话术库**。\n\n**边界**：\n- ✅ 做：方法论 / 决策框架 / 清单 / 原则 / 概念体系的蒸馏，学习笔记，话术库\n- ❌ 不做：书摘 / 读后感 / 作者人设角色扮演（后者请用 nuwa-skill）\n\n## 核心方法论：RIA-TV++\n\n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`。\n\n```\n阶段 0: Adler 整书理解     → BOOK_OVERVIEW.md\n阶段 1: 5 个 agent 并行提取 → 候选方法论单元池\n阶段 1.5: 三重验证筛选      → 通过的单元\n阶段 2: RIA++ 构造 skill    → 每个 skill 的 SKILL.md\n阶段 3: Zettelkasten 链接   → INDEX.md\n阶段 4: 压力测试 (darwin兼容) → test-prompts.json + 回炉淘汰\n🆕 阶段 5: 人性化输出       → LEARNING_NOTE.md + TALKING_POINTS.md\n```\n\n## 何时调用此 skill\n\n用户说类似：\n- \"帮我拆《穷查理宝典》\"\n- \"把毛选蒸馏成 skill\"\n- \"distill this book into skills: <path>\"\n- \"我想把这本书的方法论做成可用的 skill\"\n\n## 输入要求\n\n在开始前**必须**从用户处确认：\n1. **书的文本来源**：PDF / EPUB / TXT 文件路径，或可访问的纯文本。**不要**在没有文本的情况下\"凭记忆\"拆书 — 宁可停下来问用户要。\n2. **书名 + 作者 + 出版年**：用于目录命名和审计。\n3. **是否首次试点**：如果用户是第一次用 book2skill，建议先拆 1 本验证流程再批量。\n\n## 异常处理\n\n| 场景 | 处理动作 |\n|------|---------|\n| 文本路径无效/无法访问 | 暂停并明确告知用户「无法读取，请检查路径或直接粘贴文本」，不等、不猜、不跳过 |\n| 用户未提供文本直接说「开始拆」 | 反问确认文本来源，不凭记忆拆书 |\n| 子 agent 并行提取超时/失败 | 单个失败：用主 agent 补跑该 extractor；多个失败：降级为串行提取，逐项确认后再继续 |\n| 阶段0用户不确认骨架 | 最多等 2 轮追问后接受用户说「继续」，不做无确认的下一步 |\n| 候选单元全部被三重验证淘汰 | 展示 rejected/ 清单给用户，询问「放宽标准 / 换书 / 放弃」，不做空输出 |\n| 压力测试通过率 <80% | 强制回炉阶段2，不跳过，不表面修补 |\n\n## 输出结构\n\n```\nbooks/<book-slug>/\n├── BOOK_OVERVIEW.md           # 阶段 0 产出：主旨/骨架/术语/批判\n├── INDEX.md                   # 阶段 3 产出：skill 总览 + 引用图\n├── LEARNING_NOTE.md           # 🆕 阶段 5 产出：给人看的笔记\n├── TALKING_POINTS.md          # 🆕 阶段 5 产出：话术库\n├── candidates/                # 阶段 1 产出：原始候选池（审计用）\n├── rejected/                  # 阶段 1.5 淘汰的单元 + 原因（审计用）\n├── <skill-slug-1>/\n│   ├── SKILL.md\n│   └── test-prompts.json      # darwin-skill 兼容格式\n├── <skill-slug-2>/\n│   └── ...\n```\n\n## 执行流程（严格按顺序）\n\n### 阶段 0 — 整书理解\n\n1. 读取用户提供的书本文本。大文件分块阅读。\n2. 执行 `methodology/01-stage0-adler.md` 中的 Adler 四步（结构 / 解释 / 批判 / 应用）。\n3. 按 `templates/BOOK_OVERVIEW.md.template` 填充，写入 `books/<slug>/BOOK_OVERVIEW.md`。\n4. 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。\n\n### 阶段 1 — 5 个 sub-agent 并行提取\n\n**并行** spawn 5 个 Task sub-agents（使用 Agent 工具，一次调用中发起 5 个）：\n\n| sub-agent | 读取的 prompt | 产出 |\n|---|---|---|\n| 框架提取器 | `extractors/framework-extractor.md` | 决策框架 / 思维模型 |\n| 原则提取器 | `extractors/principle-extractor.md` | 原则 / 清单 / 规则 |\n| 案例提取器 | `extractors/case-extractor.md` | 作者在书中亲自使用过的实例 |\n| 反例提取器 | `extractors/counter-example-extractor.md` | 书中警告的失败模式 |\n| 术语提取器 | `extractors/glossary-extractor.md` | 关键概念词典 |\n\n每个 sub-agent 独立读书、独立提取、独立输出到 `books/<slug>/candidates/<type>.md`。\n\n**模型选择**：子 agent 模型推荐 doubao-lite（系数0.5，Lite套餐内几乎免费），备选 DSF（按量¥0.05/1M token）。doubao-lite 在 benchmark 中 6s 完成、质量与 DSF 持平，且成本远低于 DSV4 Pro。\n\n### 阶段 1.5 — 三重验证筛选\n\n读取 `methodology/03-stage1.5-triple-verify.md`，对每个候选单元执行：\n\n- **V1 跨域**：书中至少 2 个独立段落有佐证？\n- **V2 预测力**：能用它回答一个书里没明说的新问题吗？\n- **V3 独特性**：不是任何聪明人都会说的常识吗？\n\n通过的进入阶段 2。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。\n\n### 阶段 2 — RIA++ 构造 skill\n\n对每个通过的单元，按 `templates/SKILL.md.template` 填充：\n\n- **R (Reading)**：原文引用 ≤150 字/段\n- **I (Interpretation)**：用自己的话重写方法论骨架（避免照搬译本）\n- **A1 (Past Application)**：书中作者用过的案例\n- **A2 (Future Trigger)** ★：用户在什么情境下会需要这个 → skill 的 `description` 字段\n- **E (Execution)**：1-2-3 可执行步骤\n- **B (Boundary)**：什么时候不适用 / 来自阶段 0 批判阶段的作者盲点\n\n细则见 `methodology/04-stage2-ria-plus.md`。\n\n### 阶段 3 — Zettelkasten 链接\n\n按 `methodology/05-stage3-zettelkasten.md`：\n1. 找出 skill 之间的引用关系（A 依赖 B / A 对比 B / A 组合 B）\n2. 在每个 SKILL.md 末尾补\"相关 skills\"段\n3. 按 `templates/INDEX.md.template` 生成 `INDEX.md`（含引用图 mermaid）\n\n### 阶段 4 — 压力测试（darwin 兼容）\n\n对每个 skill 按 `methodology/06-stage4-pressure-test.md`：\n1. 设计 5–10 条测试 prompt，按 `templates/test-prompts.json.template` 写入 `test-prompts.json`\n2. 至少包括 3 类：**应调用** / **不应调用（诱饵）** / **边界模糊**\n3. 本地跑一遍，**未过的回炉重做阶段 2** — 不做\"表面修补\"\n4. 全部通过后通知用户：\"已完成，可一键喂给 darwin-skill 自动进化\"\n\n### 🆕 阶段 5 — 人性化输出\n\n按 `methodology/07-stage5-human-output.md`：\n1. **收集复用素材** — 从 BOOK_OVERVIEW.md + INDEX.md + 各skill的RIA++段提取已有内容\n2. **写学习笔记** → `LEARNING_NOTE.md`（按 `templates/LEARNING_NOTE.md.template`）\n   - 一句话类比开篇\n   - 每个方法论大白话解释 + 一句话案例\n   - 批判视角独立成段\n   - ≤3000字\n3. **写话术库** → `TALKING_POINTS.md`（按 `templates/TALKING_POINTS.md.template`）\n   - ≥10条话术，每条≤100字\n   - 每条配场景标签\n   - 话术 = 你能自然说出口的，不是作者的金句\n4. **质量检查** — 两份文档读起来像朋友聊天，不像教科书\n\n此阶段基于阶段0-4的已有分析结果，不额外消耗大量 token。\n\n## 质量红线（违反则阻止输出）\n\n1. 每个 skill 必须通过**全部**三重验证\n2. 每个 skill 必须有完整的 R / I / A1 / A2 / E / B 六段\n3. 原文引用 ≤150 字/段\n4. 每个 skill 必须有 `test-prompts.json`，且包含诱饵测试（不应调用的场景）\n5. `description` 字段必须明确 trigger 条件，不能只是\"一个关于 X 的 skill\"\n6. 🆕 LEARNING_NOTE.md 必须有类比开篇\n7. 🆕 TALKING_POINTS.md 话术 ≥10条\n\n## 与 nuwa-skill / darwin-skill 的生态定位\n\n- **nuwa-skill**：蒸馏人（思维方式 / 表达 DNA）\n- **book2skill**（本 skill）：蒸馏书（方法论 / 框架 / 原则） + 人性化输出\n- **darwin-skill**：进化任意 skill\n\n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。\n\n## 调用惯例\n\n- **永远先试点 1 本** — 除非用户明确说\"批量\"\n- **阶段之间主动汇报进度** — 不要静默跑完再 dump 结果\n- **不凭记忆拆书** — 没文本就停下来问\n- **保留审计轨迹** — candidates/ 和 rejected/ 都要留\n\nFile v1.0.0:README.md\n\n<div align=\"center\">\r\n\r\n# Cangjie Skill\r\n\r\n### 把一本书的方法论，蒸馏成可调用的 AI Skills\r\n\r\n[![License: MIT](https://img.shields.io/badge/License-MIT-f5c542.svg)](./LICENSE)\r\n[![Method: RIA--TV++](https://img.shields.io/badge/Method-RIA--TV++-2ea44f.svg)](./SKILL.md)\r\n[![Platform: OpenClaw](https://img.shields.io/badge/Platform-OpenClaw-1677ff.svg)](https://github.com/openclaw/openclaw)\r\n[![Platform: Claude Code](https://img.shields.io/badge/Platform-Claude%20Code-f97316.svg)](https://code.claude.com/)\r\n\r\n**读一本到位，带走一套能调用的方法论。**\r\n\r\n</div>\r\n\r\n## 为什么做这件事\r\n\r\n最近有一个很火的 idea：把同事蒸馏成 skill。即便一个人离职了，他的经验、语气、工作方式都会被 AI 一定程度替代。[nuwa-skill](https://github.com/alchaincyf/nuwa-skill) 就是做这件事的——创造\"人类 skill\"，比如马斯克 skill、巴菲特 skill。配套的 [darwin-skill](https://github.com/alchaincyf/darwin-skill) 负责让这些 skill 自动进化。\r\n\r\n蒸馏人很有价值——nuwa-skill 已经证明了这一点。而蒸馏人**写过的东西**，则是另一个维度的补充：一本书是作者花很长时间沉淀下来的思考，是深思熟虑后的精华。比起模仿一个人的表达方式，把他系统性输出的方法论拆出来、变成可以帮人解决实际问题的工具，同样是很有价值的事。\r\n\r\n而且还有一个真实的痛点：你可能看了很多书，但就是运用不起来。把书蒸馏成 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里落灰。\r\n\r\n所以 cangjie-skill 的目标很明确：**蒸馏所有值得蒸馏的书**，把每一本高价值的书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。\r\n\r\n## 它解决了什么问题\r\n\r\n- 看了很多书但用不起来——知识停留在\"读过\"层面，无法在真实决策中被调用\r\n- 书摘/读书笔记只是压缩，不是结构化复用——读完还是不知道\"什么时候该用什么\"\r\n- 一本书里真正值得变成工具的内容只有一小部分——需要严格的筛选而不是照单全收\r\n- 现有的读书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阅读的蒸馏方法\r\n\r\n## 它是怎么工作的\r\n\r\ncangjie-skill 使用 **RIA-TV++** 流水线，把一本书从原始文本变成一组结构化的 skill。整个过程分六个阶段：\r\n\r\n1. **整书理解（Adler 分析）**——用 Mortimer Adler 的分析阅读法，对全书做结构、解释、批判、应用四步拆解，产出 `BOOK_OVERVIEW.md`\r\n2. **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\r\n3. **三重验证筛选**——每个候选必须通过三项检验：书中至少有 2 处独立佐证（跨域）、能回答书中未明说的新问题（预测力）、不是常识（独特性）。通过率通常只有 25-50%\r\n4. **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\r\n5. **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\r\n6. **压力测试**——为每个 skill 设计包含诱饵题的测试用例，未通过的回炉重做\r\n\r\nRIA-TV++ 这个名字拆开看：\r\n- **RIA**：来自赵周《这样读书就够了》的便签拆书法（Reading / Interpretation / Appropriation）\r\n- **TV**：Triple Verification，三重验证\r\n- **++**：面向 agent 执行的扩展——E（Execution 可执行步骤）+ B（Boundary 边界）\r\n\r\n## 效果示例\r\n\r\n### 示例 1：从一本书到一套 skill 工具包\r\n\r\n**用户需求**\r\n\r\n\"我想把一本书里的核心方法论抽成可复用的 AI skills，而不是只做读书摘要。\"\r\n\r\n**cangjie-skill 如何判断**\r\n\r\n- 先看源材料是否存在可重复调用的方法论单元\r\n- 再区分哪些内容适合做独立 skill，哪些只适合做候选或背景\r\n- 最后输出结构化 skill 仓库，而不是一篇总结文章\r\n\r\n**最终输出示例**\r\n\r\n> 输出将不是一个单文件摘要，而是一个多 skill 仓库：包含 `BOOK_OVERVIEW.md` 作为全局理解，`INDEX.md` 作为技能地图，若干 `*/SKILL.md` 作为独立模块，以及 `test-prompts.json` 用于验证触发场景。\r\n\r\n### 示例 2：不是压缩，是结构化复用\r\n\r\n**用户需求**\r\n\r\n\"我不希望这本书只变成一个很长的说明文，我想要可以在 agent 里复用的技能包。\"\r\n\r\n**cangjie-skill 如何判断**\r\n\r\n- 判断目标不是内容总结，而是结构化复用\r\n- 优先生成可触发、可组合、可测试的 skill 单元\r\n- 对没有独立价值的内容进行淘汰，不强行保留\r\n\r\n**最终输出示例**\r\n\r\n> 系统会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，而不是把整本书压缩成一篇泛化总结。\r\n\r\n## 已生成的 skill packs\r\n\r\n| 仓库 | 来源 | Skills 数 |\r\n|------|------|-----------|\r\n| [buffett-letters-skill](https://github.com/kangarooking/buffett-letters-skill) | 巴菲特致股东的信（1957-2023） | 20 |\r\n| [cognitive-dividend-skill](https://github.com/kangarooking/cognitive-dividend-skill) | 《认知红利》 | 15 |\r\n| [duan-yongping-skill](https://github.com/kangarooking/duan-yongping-skill) | 段永平投资问答录（商业逻辑+投资逻辑） | 15 |\r\n| [viral-copywriting-skill](https://github.com/kangarooking/viral-copywriting-skill) | 《爆款文案》 | 14 |\r\n| [copywriters-handbook-skill](https://github.com/kangarooking/copywriters-handbook-skill) | 《文案创作完全手册》 | 12 |\r\n| [contagious-skill](https://github.com/kangarooking/contagious-skill) | 《疯传》 | 15 |\r\n| [influence-skill](https://github.com/kangarooking/influence-skill) | 《影响力》 | 12 |\r\n| [1000-true-fans-skill](https://github.com/kangarooking/1000-true-fans-skill) | 《1000个铁粉》 | 13 |\r\n| [system-prompt-skills](https://github.com/kangarooking/system-prompt-skills) | 165 个 AI 产品系统提示词 | 15 |\r\n| [poor-charlies-almanack-skill](https://github.com/kangarooking/poor-charlies-almanack-skill) | 《穷查理宝典》 | 12 |\r\n| [no-rules-rules-skill](https://github.com/kangarooking/no-rules-rules-skill) | 《不拘一格：网飞的自由与责任工作法》 | 10 |\r\n| [huangdi-neijing-skill](https://github.com/kangarooking/huangdi-neijing-skill) | 《黄帝内经》（素问+灵枢） | 22 |\r\n| [first-principles-skill](https://github.com/kangarooking/first-principles-skill) | 《第一性原理》 | 10 |\r\n| [mao-selected-works-skill](https://github.com/kangarooking/mao-selected-works-skill) | 《毛泽东选集》第 1-5 卷 | 25 |\r\n\r\n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。\r\n\r\n补充外部来源（经对方作者同意引入）：\r\n\r\n- 来源仓库：[ace3000chao/book2startup](https://github.com/ace3000chao/book2startup)\r\n- 书目包括：《精益创业》《孙子兵法》《庄子》《易经》\r\n- 来源仓库：[shenqistart/book2skill](https://github.com/shenqistart/book2skill)\r\n- 书目包括：《缠论》《茶经》\r\n\r\n## 仓库结构\r\n\r\n```text\r\ncangjie-skill/\r\n├── README.md              ← 你正在看的\r\n├── README.en.md           ← English version\r\n├── README.ja.md           ← 日本語版\r\n├── LICENSE                ← MIT\r\n├── SKILL.md               ← 元 skill 定义（book2skill 的完整执行规范）\r\n├── methodology/           ← RIA-TV++ 各阶段的方法论文档\r\n├── extractors/            ← 5 个并行提取器的 prompt 定义\r\n└── templates/             ← SKILL.md / INDEX.md / BOOK_OVERVIEW.md 模板\r\n```\r\n\r\n## 生态\r\n\r\ncangjie-skill 是一个更大的 skill 生态的一部分：\r\n\r\n- [nuwa-skill](https://github.com/alchaincyf/nuwa-skill) — 蒸馏人（思维方式、表达 DNA）\r\n- **cangjie-skill**（本仓库）— 蒸馏书（方法论、框架、原则）\r\n- [darwin-skill](https://github.com/alchaincyf/darwin-skill) — 进化任意 skill\r\n\r\n三者咬合：nuwa 蒸馏人，cangjie 蒸馏书，darwin 让它们持续进化。\r\n\r\n## More Skills\r\n\r\n- [Buffett Letters Skill](https://github.com/kangarooking/buffett-letters-skill) — 巴菲特 60+ 年致股东信的 20 个投资判断 skill\r\n- [Poor Charlie's Almanack Skill](https://github.com/kangarooking/poor-charlies-almanack-skill) — 查理·芒格核心思维方法的 12 个决策与判断 skill\r\n- [No Rules Rules Skill](https://github.com/kangarooking/no-rules-rules-skill) — 网飞自由与责任文化的 10 个组织设计 skill\r\n- [Cognitive Dividend Skill](https://github.com/kangarooking/cognitive-dividend-skill) — 《认知红利》思维升级的 15 个认知工具 skill\r\n- [Duan Yongping Skill](https://github.com/kangarooking/duan-yongping-skill) — 段永平投资问答录的 15 个商业与投资 skill\r\n- [Viral Copywriting Skill](https://github.com/kangarooking/viral-copywriting-skill) — 《爆款文案》的 14 个销售型文案写作与诊断 skill\r\n- [Copywriters Handbook Skill](https://github.com/kangarooking/copywriters-handbook-skill) — 《文案创作完全手册》的 12 个销售型文案、标题与卖点转化 skill\r\n- [Contagious Skill](https://github.com/kangarooking/contagious-skill) — 《疯传》的 15 个 STEPPS 传播策略与口碑诊断 skill\r\n- [Influence Skill](https://github.com/kangarooking/influence-skill) — 《影响力》的 12 个说服心理、顺从机制与防御判断 skill\r\n- [1000 True Fans Skill](https://github.com/kangarooking/1000-true-fans-skill) — 《1000个铁粉》的 13 个个人品牌、铁粉养成与信任变现 skill\r\n- [System Prompt Skills](https://github.com/kangarooking/system-prompt-skills) — 从 165 个 AI 产品系统提示词蒸馏出的 15 个 system prompt 设计 skill\r\n- [Huangdi Neijing Skill](https://github.com/kangarooking/huangdi-neijing-skill) — 《黄帝内经》素问12+灵枢10共22个思维方法 skill\r\n- [First Principles Skill](https://github.com/kangarooking/first-principles-skill) — 《第一性原理》的 10 个认知拆解、破界创新与组织刷新 skill\r\n- [Mao Selected Works Skill](https://github.com/kangarooking/mao-selected-works-skill) — 《毛泽东选集》第 1-5 卷的 25 个认知、战略、组织与执行方法 skill\r\n- [book2startup](https://github.com/ace3000chao/book2startup) — 经作者同意引入的外部来源，包含《精益创业》《孙子兵法》《庄子》《易经》相关 skills\r\n- [book2skill](https://github.com/shenqistart/book2skill) — 经作者同意引入的外部来源，包含《缠论》《茶经》相关 AI-Agent skills\r\n\r\n## 贡献者\r\n\r\n感谢以下贡献者对 cangjie-skill 生态的补充：\r\n\r\n- [shenqistart](https://github.com/shenqistart) — 贡献外部 [book2skill](https://github.com/shenqistart/book2skill) 引用，并补充中英日 README 更新\r\n\r\n## 关于作者\r\n\r\n**袋鼠帝 kangarooking** — AI 博主，独立开发者。AI Top 公众号「袋鼠帝 AI 客栈」主理人\r\n\r\n火山引擎领航 KOL，百度千帆开发者大使，GLM 布道师，Trae 昆明第一任 Fellow\r\n\r\n| 平台 | 链接 |\r\n|------|------|\r\n| 𝕏 Twitter（袋鼠帝） | https://x.com/aikangarooking |\r\n| 小红书（袋鼠帝） | https://xhslink.com/m/5YejKvIDBbL |\r\n| 抖音（袋鼠帝） | https://v.douyin.com/hYpsjphuuKc |\r\n| 公众号 | 袋鼠帝 AI 客栈 |\r\n| 视频号 | AI 袋鼠帝 |\r\n\r\n微信公众号「袋鼠帝 AI 客栈」二维码：\r\n\r\n![](https://raw.githubusercontent.com/kangarooking/cangjie-skill/main/assets/kangarooking-gzh.png)\r\n\r\n## License\r\n\r\nMIT. See [LICENSE](./LICENSE).\n\nFile v1.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn73v3qf2r4dbre319rz829p0d82msxd\",\n  \"slug\": \"cangjie-skill\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1781784343470\n}\n\nFile v1.0.0:extractors/case-extractor.md\n\n# Case Extractor\r\n\r\n你是 book2skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责识别**作者在书中亲自应用某个方法论的具体案例**。\r\n\r\n## 为什么要单独抽案例\r\n\r\n案例本身不独立成 skill,但它们是阶段 1.5 **V1 跨域验证**的关键证据,也是阶段 2 **A1 (Past Application)** 段的素材来源。没有案例池,后面两步都会卡住。\r\n\r\n## 你的输入\r\n\r\n- `BOOK_OVERVIEW.md`\r\n- 书本文本\r\n\r\n## 你的职责范围\r\n\r\n- 作者**亲自**经历/操作/决策的真实事件\r\n- 作者**转述**的历史事件、他人案例 (但必须是作者用来说明某个方法论的)\r\n- 每个案例必须**绑定到一个方法论主题**,否则意义不大\r\n\r\n## 不属于你的\r\n\r\n- 纯背景叙事 (没有方法论绑定)\r\n- 虚构的寓言/比喻 (除非作者拿它直接说明方法)\r\n- 作者的观点 / 原则 / 框架本身\r\n\r\n## 识别信号\r\n\r\n- \"1973 年,我曾...\"\r\n- \"有一次...\"\r\n- \"某某公司的案例...\"\r\n- \"巴菲特告诉我...\"\r\n- \"比如...\"\r\n- 过去时叙述 + 伴随评论/反思\r\n\r\n## 输出格式\r\n\r\n```yaml\r\n- id: c01\r\n  title: 投资 See's Candy\r\n  type: case\r\n  source_chapter: 第 5 讲\r\n  source_quote: |\r\n    \"我们以 2500 万美元收购了 See's Candy...这是我们第一次为品牌溢价付费。\"\r\n  summary: |\r\n    巴菲特和芒格收购 See's Candy 时, 放弃了格雷厄姆式的\"便宜货\"标准,\r\n    转而为\"有定价权的生意\"付出溢价。这笔投资后来成了他们转向\r\n    \"优质企业+合理价格\"策略的转折点。\r\n  bound_to:                    # ★ 必须绑定到至少一个方法论主题\r\n    - \"能力圈 + 定价权\"\r\n    - \"从便宜货到优质企业的转变\"\r\n  outcome: |\r\n    该公司后续 30 年产生的现金流远超初始投资, 验证了新策略。\r\n  tags: [case, investment, turning-point]\r\n```\r\n\r\n## 自检\r\n\r\n- [ ] 每条案例都有 `bound_to` 字段,明确它在阐释什么\r\n- [ ] 有原文引用作为证据\r\n- [ ] `outcome` 字段尽量填 (如果书中说了结果)\r\n- [ ] 不做筛选\r\n\r\n## 数量预期\r\n\r\n传记类 / 访谈整理类的书可能有几十上百个案例。方法论书可能 10–30 个。都不少于 5 个,否则阶段 2 的 A1 段会空。\n\nFile v1.0.0:extractors/counter-example-extractor.md\n\n# Counter-Example Extractor\r\n\r\n你是 book2skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责识别**作者警告的失败模式 / 反例 / 陷阱**。\r\n\r\n## 为什么要单独抽反例\r\n\r\n反例是阶段 2 的 **B (Boundary) 段**的核心素材来源。没有反例,skill 就没有边界,会在不该用的时候被调用,反而帮倒忙。**这是 book2skill 区别于普通书摘最重要的一类内容。**\r\n\r\n## 你的输入\r\n\r\n- `BOOK_OVERVIEW.md`\r\n- 书本文本\r\n\r\n## 你的职责范围\r\n\r\n- **作者明确警告的失败模式**: \"不要 X, 否则...\"\r\n- **作者批评的错误做法**: \"很多人以为 X, 但其实...\"\r\n- **作者承认自己犯过的错**: \"我当年错在...\"\r\n- **作者描述的反面典型**: \"某某公司就是这样失败的...\"\r\n- **认知偏误 / 心理陷阱**: (芒格类书籍的核心)\r\n\r\n## 不属于你的\r\n\r\n- 一般性的道德批评 (没有可学习的机制)\r\n- 作者情绪化的吐槽 (没有论证)\r\n\r\n## 识别信号\r\n\r\n- \"最大的错误是...\"\r\n- \"千万不要...\"\r\n- \"很多人以为...\"\r\n- \"失败的原因是...\"\r\n- \"陷阱在于...\"\r\n- \"我当年...\" + 悔意\r\n- \"人们往往...\" + 负面\r\n\r\n## 输出格式\r\n\r\n```yaml\r\n- id: ce01\r\n  title: 过度自信偏误\r\n  type: counter-example\r\n  source_chapter: 误判心理学 · 第 12 条\r\n  source_quote: |\r\n    \"大多数人都认为自己比平均水平更聪明、更公正、更有能力。\r\n     这种自我评价偏误在投资中尤其致命。\"\r\n  failure_mode: |\r\n    在自己不懂的领域自认为懂, 导致做出超出能力圈的决策。\r\n  mechanism: |\r\n    人脑默认把\"熟悉\"等同于\"理解\", 把\"喜欢\"等同于\"正确\"。\r\n    没有外部校正机制时, 过度自信会随成功次数累积而强化。\r\n  warning_signs:\r\n    - 决策时感到\"这很简单\"\r\n    - 没有 plan B\r\n    - 不愿意向人请教\r\n  bound_to:\r\n    - \"能力圈判断\"\r\n    - \"检查清单决策\"\r\n  tags: [counter-example, cognitive-bias, overconfidence]\r\n```\r\n\r\n## 自检\r\n\r\n- [ ] 每条都有 `failure_mode` 和 `mechanism` (不只是说\"这是错的\")\r\n- [ ] `warning_signs` 尽量填 (让后续的 B 段有信号)\r\n- [ ] `bound_to`: 说明这个反例会限制哪些正面 skill 的适用范围\r\n- [ ] 有原文引用\n\nFile v1.0.0:extractors/framework-extractor.md\n\n# Framework Extractor\r\n\r\n你是 book2skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责从一本书里识别**思维模型 / 决策框架 / 推理方法**。\r\n\r\n## 你的输入\r\n\r\n- `BOOK_OVERVIEW.md` — 全书骨架 (阶段 0 产出)\r\n- 书本文本 (完整或分块)\r\n\r\n## 你的职责范围 (只找这些)\r\n\r\n- **思维模型**: 可迁移的思考结构 (如 \"能力圈\" / \"逆向思维\" / \"多元思维模型\")\r\n- **决策框架**: 面对决策时的结构化流程 (如 \"先问最坏情况再算期望值\")\r\n- **推理方法**: 从已知推向未知的特定路径 (如 \"从第一性原理出发\")\r\n\r\n## 不属于你的 (交给别的 extractor)\r\n\r\n- 原则 / 清单 / 规则 → `principle-extractor`\r\n- 作者亲自用过的具体案例 → `case-extractor`\r\n- 失败模式 / 反例 / 警告 → `counter-example-extractor`\r\n- 术语定义 → `glossary-extractor`\r\n\r\n边界模糊时**宁可多提取**,阶段 1.5 会去重。\r\n\r\n## 识别信号 (在书中看到这些就要警觉)\r\n\r\n- 作者给某个思考方式**起了专门的名字**\r\n- 某段话在讲**\"面对 X 类问题时应该...\"**的通用流程\r\n- 作者**反复在不同章节引用同一个思考结构**\r\n- 作者明确说\"这是我常用的 mental model / 方法 / 原则\"\r\n- 有结构化的 **if-then / 先-后 / 从-到** 句式\r\n\r\n## 输出格式\r\n\r\n每条候选写成一个 YAML 条目,追加到 `books/<slug>/candidates/frameworks.md`:\r\n\r\n```yaml\r\n- id: f01\r\n  title: 逆向思维\r\n  type: framework\r\n  source_chapter: 第 3 讲\r\n  source_quote: |\r\n    \"反过来想,总是反过来想。如果知道我会在哪里死去,那我就永远不去那里。\"\r\n  summary: |\r\n    面对一个目标时, 不直接问\"怎么达成\", 而先问\"什么会让我失败\"。\r\n    列出失败因素后, 避免它们, 反向推出应做的事。\r\n    这比正向推理更有效, 因为人对\"不想要什么\"的判断通常比对\"想要什么\"更清晰。\r\n  tags: [decision, mental-model, inversion]\r\n```\r\n\r\n## 自检 (提交前)\r\n\r\n- [ ] 每条都在书中有原文根据,不是脑补\r\n- [ ] 每条都是\"可迁移的思考结构\",而不是具体案例或一句金句\r\n- [ ] 原文引用 ≤150 字\r\n- [ ] 至少标了 1 个 tag\r\n- [ ] **不做筛选** — 宁错杀,交给阶段 1.5 三重验证\r\n\r\n## 数量预期\r\n\r\n方法论密集的书通常有 10–30 个候选框架。少于 5 个很可能你漏读了;多于 50 个你可能把\"非框架\"的东西也算进来了。\n\nFile v1.0.0:extractors/glossary-extractor.md\n\n# Glossary Extractor\r\n\r\n你是 book2skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责构建**关键概念词典**。\r\n\r\n## 为什么要单独抽术语\r\n\r\n作者**用某个词的方式**往往和字典不一样。如果不统一术语,后面的 skill 会把\"能力圈\"(芒格的特定用法) 当成字典里的\"能力范围\"来用,完全失真。\r\n\r\n这个产出不会独立成 skill,但会作为**所有 skill 的共享词典**被引用。\r\n\r\n## 你的输入\r\n\r\n- `BOOK_OVERVIEW.md`\r\n- 书本文本\r\n\r\n## 你的职责范围\r\n\r\n挑出满足以下**任一**条件的词:\r\n\r\n1. 作者反复使用 (全书出现 ≥3 次)\r\n2. 作者明确定义过 (\"所谓 X, 是指...\")\r\n3. 看起来像常用词但作者用法和常识不一样\r\n4. 是书的核心论点的组成词 (如《反脆弱》里的 antifragile)\r\n\r\n## 输出格式\r\n\r\n```yaml\r\n- id: g01\r\n  term: 能力圈\r\n  type: term\r\n  source_chapter: 第 2 讲\r\n  author_definition: |\r\n    \"你真正能做出准确判断的知识边界。不是你知道什么, 而是你知道'你知道什么'和'你不知道什么'的边界。\"\r\n  key_distinction: |\r\n    ≠ \"熟悉的领域\" — 熟悉不代表能做判断\r\n    ≠ \"专业领域\" — 博士学位也可能在能力圈外\r\n    = 能持续做出比市场更准判断的范围 (需经实战验证)\r\n  why_it_matters: |\r\n    \"能力圈\"一词在所有投资决策类 skill 中都会出现。\r\n    若沿用字典义, skill 会建议用户\"评估一下是否熟悉该领域\", 这是错的。\r\n    正确的用法是\"评估自己过去在此领域的判断准确率\"。\r\n  tags: [term, core-concept]\r\n```\r\n\r\n## 自检\r\n\r\n- [ ] `author_definition` 尽量使用书中原文片段\r\n- [ ] `key_distinction`: 说明和\"常识用法\"的差异 (这是最有价值的字段)\r\n- [ ] `why_it_matters`: 为什么下游 skill 需要这个澄清\r\n\r\n## 数量预期\r\n\r\n每本书大约 5–20 条核心术语。多于 30 条说明你把一般词汇也收进来了 — 只挑真正关键的。\n\nFile v1.0.0:extractors/principle-extractor.md\n\n# Principle Extractor\r\n\r\n你是 book2skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责识别**原则 / 清单 / 规则 / 断言**。\r\n\r\n## 你的输入\r\n\r\n- `BOOK_OVERVIEW.md`\r\n- 书本文本\r\n\r\n## 你的职责范围\r\n\r\n- **原则 (principles)**: 作者明确提出的\"应该如何\" / \"不应该如何\"的断言\r\n- **清单 (checklists)**: 结构化的项目列表 (投资检查清单 / 决策前自问清单)\r\n- **规则 (rules)**: 可直接拿来套用的判断规则 (如 \"永远不要...当...\" / \"只有在...时才...\")\r\n- **格言/箴言 (maxims)**: 作者反复强调、带有行动指导意义的短句\r\n\r\n## 不属于你的\r\n\r\n- 思维模型 / 推理结构 → `framework-extractor`\r\n- 作者亲自用过的案例 → `case-extractor`\r\n- 反例 / 警告的失败模式 → `counter-example-extractor`\r\n- 术语 → `glossary-extractor`\r\n\r\n## 识别信号\r\n\r\n- \"必须...\" / \"不要...\" / \"要记住...\" / \"三条原则...\"\r\n- 编号列表 (1. 2. 3.) 或项目符号\r\n- \"每当...就要...\" / \"只有...才能...\"\r\n- 作者在多个场合重复的同一条断言\r\n- 毛选里的 \"凡是...都...\" / \"...必须...\"\r\n- 段永平的 \"stop doing list\" 类项目\r\n\r\n## 输出格式\r\n\r\n```yaml\r\n- id: p01\r\n  title: Stop Doing List\r\n  type: principle\r\n  source_chapter: 第 2 部分 · 投资篇\r\n  source_quote: |\r\n    \"不做什么比做什么更重要。我们的 stop doing list 比 to do list 长得多。\"\r\n  summary: |\r\n    主动列出\"绝对不做\"的清单, 比列\"要做\"的清单更能防止重大错误。\r\n    适用于投资、战略、职业选择等\"错一次就伤筋动骨\"的场景。\r\n  tags: [principle, decision, negative-checklist]\r\n```\r\n\r\n## 自检\r\n\r\n- [ ] 每条都是\"可直接应用的规则\",不是思维结构 (后者给 framework-extractor)\r\n- [ ] 有明确原文\r\n- [ ] 引用 ≤150 字\r\n- [ ] 不做筛选\r\n\r\n## 常见错误\r\n\r\n1. **把描述当原则** — \"作者告诉我们投资要谨慎\" 不是原则;\"绝不投资你看不懂的生意\" 是。\r\n2. **把一整章当一条** — 原则必须原子化,一章可能包含 3–5 条独立原则,要拆开。\r\n3. **和 framework 混淆** — framework 是\"怎么想\",principle 是\"做不做\"。一个告诉你推理方式,一个告诉你 yes/no。\n\nFile v1.0.0:GITHUB_REPO.md\n\n# GitHub Repo Metadata\r\n\r\n- Repository name: `cangjie-skill`\r\n- Default README: `README.md`\r\n- Description: `A generator workflow for turning books into reusable AI skills, with extraction, validation, templating, and skill-graph construction.`\r\n- Topics:\r\n  - `ai-skills`\r\n  - `knowledge-distillation`\r\n  - `prompt-engineering`\r\n  - `agent-workflows`\r\n  - `book-to-skill`\r\n  - `skill-generator`\r\n  - `automation`\r\n  - `templates`\n\nFile v1.0.0:methodology/00-overview.md\n\n# RIA-TV++ 方法论总览\r\n\r\n本文是 book2skill 所用 SOP 的设计说明,解释\"为什么这么做\"。执行时的具体步骤请读 `SKILL.md` 和 `methodology/01-*` 至 `07-*`。\r\n\r\n## 命名\r\n\r\n**RIA-TV++** =\r\n- **RIA** — 赵周 (《这样读书就够了》) 的便签拆书法: Reading / Interpretation / Appropriation\r\n- **TV** — Triple Verification,借自 nuwa-skill 的三重验证\r\n- **++** — 面向 agent 执行的扩展: E (Execution 可执行步骤) + B (Boundary 边界)\r\n\r\n## 思想来源\r\n\r\n| 来源 | 借鉴内容 |\r\n|---|---|\r\n| Mortimer Adler 《如何阅读一本书》 | 阶段 0: 分析阅读三阶段 (结构/解释/批判) |\r\n| 赵周 RIA 拆书法 | 阶段 2: R-I-A1-A2 基本骨架, 尤其 A2 → trigger |\r\n| Niklas Luhmann Zettelkasten | 原子化 + 链接 + 用自己的话重写 |\r\n| Tiago Forte Progressive Summarization | 阶段 4 的\"可验证压缩链条\"思想 |\r\n| nuwa-skill | 阶段 1 并行 extractor + 阶段 1.5 三重验证 |\r\n| darwin-skill | 阶段 4 test-prompts.json 格式 + 可进化性 |\r\n| 08项目任务7 改造方案 | 🆕 阶段 5 人性化输出：给人看的笔记 + 话术库 |\r\n\r\n## 根本洞察\r\n\r\n**现有读书方法论都是为人类读者蒸馏,不是为 agent 执行者蒸馏。**\r\n\r\n| 维度 | 给人看 | 给 agent 用 (book2skill 目标) |\r\n|---|---|---|\r\n| 关键字段 | 故事 / 金句 / 情感钩子 | trigger / 可执行步骤 / 判停标准 |\r\n| 失败模式 | 读完就忘 | trigger 不准 → 永不调用或乱调用 |\r\n| 成功标准 | 读者\"有收获\" | 真实问题被解决 |\r\n\r\n所以 RIA-TV++ 的所有\"扩展\"(TV / E / B / test-prompts) 都是为了解决这个目标迁移带来的新问题。\r\n\r\n## 流水线\r\n\r\n```\r\n          ┌───────────────────┐\r\n          │ 阶段 0: 整书理解   │  Adler 四步\r\n          └─────────┬─────────┘\r\n                    │ BOOK_OVERVIEW.md\r\n                    ▼\r\n          ┌───────────────────┐\r\n          │ 阶段 1: 并行提取   │  5 个 sub-agent 同时跑\r\n          └─────────┬─────────┘\r\n                    │ candidates/\r\n                    ▼\r\n          ┌───────────────────┐\r\n          │ 阶段 1.5: 三重验证 │  V1 跨域 / V2 预测力 / V3 独特性\r\n          └─────────┬─────────┘\r\n                    │ 通过单元 + rejected/\r\n                    ▼\r\n          ┌───────────────────┐\r\n          │ 阶段 2: RIA++ 构造 │  R / I / A1 / A2 / E / B\r\n          └─────────┬─────────┘\r\n                    │ 每个 skill 的 SKILL.md\r\n                    ▼\r\n          ┌───────────────────┐\r\n          │ 阶段 3: 链接       │  Zettelkasten + INDEX.md\r\n          └─────────┬─────────┘\r\n                    │\r\n                    ▼\r\n          ┌───────────────────┐\r\n          │ 阶段 4: 压力测试   │  test-prompts.json + 本地跑 + 回炉\r\n          └───────────────────┘\r\n                    │\r\n                    ▼\r\n          可喂给 darwin-skill 自动进化\r\n                    │\r\n                    ▼\r\n          ┌───────────────────┐\r\n          │ 🆕 阶段 5: 人性化输出│  LEARNING_NOTE.md\r\n          │                    │  + TALKING_POINTS.md\r\n          └───────────────────┘\r\n```\r\n\r\n## 不变量 (任何迭代都不能违反)\r\n\r\n1. **原子性**: 一个 skill 只做一个方法论单元,不能\"大而全\"\r\n2. **可追溯**: 每个 skill 必须有原文引用,指向源书章节\r\n3. **可验证**: 每个 skill 必须通过三重验证 + 压力测试\r\n4. **可进化**: 每个 skill 必须附带 darwin 兼容的 test-prompts.json\r\n5. **用户参与**: 阶段 0 之后必须让用户确认骨架再继续\n\nFile v1.0.0:methodology/01-stage0-adler.md\n\n# 阶段 0 — 整书理解 (Adler 分析阅读)\r\n\r\n## 目标\r\n\r\n在动手拆书之前,先**真正读懂这本书**。没有这一步,拆出来的 skill 只是一堆金句集,会带上作者的盲点却不自知。\r\n\r\n产出: `books/<slug>/BOOK_OVERVIEW.md` (按 `templates/BOOK_OVERVIEW.md.template` 填充)。\r\n\r\n## 四步 (前三步来自 Adler, 第四步是本 skill 新增)\r\n\r\n### 步骤 1 — 结构 (Structural)\r\n\r\n识别书的\"骨架\",回答:\r\n\r\n- **这本书属于什么类型?** (方法论 / 传记 / 哲学 / 实操手册 / ...)\r\n- **它的主旨用一句话说是什么?** — 必须真的能压缩到一句\r\n- **它的主要部分如何组合成一个整体?** — 列出 3–7 个一级论点并标出它们的关系 (并列 / 递进 / 对比 / 反驳)\r\n- **作者试图解决的核心问题是什么?**\r\n\r\n### 步骤 2 — 解释 (Interpretive)\r\n\r\n- **关键术语**: 列出作者反复使用、有特定含义的概念词,给每个词写一句\"作者本人的用法\"定义 (不是字典定义)\r\n- **核心命题**: 用你自己的话重述作者的 5–15 个核心主张\r\n- **论证链**: 这些主张之间是怎么推导的? 作者用什么证据支撑?\r\n\r\n### 步骤 3 — 批判 (Critical) ★ 最容易被跳过也最重要\r\n\r\nAdler 原话: \"在没有找出论证中的错误之前,你不能不同意作者。\" 反过来: **在找出作者的局限之前,你也不能完全同意。**\r\n\r\n必须回答:\r\n- **作者的时代局限**: 这本书写于什么时期? 哪些前提可能已经不成立?\r\n- **作者的立场盲点**: 作者的身份 / 行业 / 文化背景让他忽略了什么?\r\n- **未被证明的假设**: 作者把什么当成了不言自明但其实需要论证的东西?\r\n- **反对意见**: 如果有人要反驳这本书,最强的论点会是什么?\r\n\r\n这一步的产出会直接成为每个 skill 的 **Boundary (B)** 字段来源。\r\n\r\n### 步骤 4 — 应用潜力 (Applicability, 本 skill 新增)\r\n\r\n- **哪些内容可以 skill 化?** — 框架 / 清单 / 原则 / 决策程序\r\n- **哪些内容不适合 skill 化?** — 纯史料 / 纯故事 / 纯情感 (但可作为其他 skill 的 example)\r\n- **预估 skill 数量**: 给一个粗略区间 (不要硬凑)\r\n- **预估优先级**: 从\"最能赋能普通人\"的角度给候选 skill 排序\r\n\r\n## 质量门 (进入阶段 1 之前必须满足)\r\n\r\n- [ ] 主旨能用一句话说清\r\n- [ ] 骨架列出 3–7 个一级论点\r\n- [ ] 关键术语词典有 ≥5 条\r\n- [ ] 批判阶段至少列出 3 条作者局限 (这一步没做到位就不能继续)\r\n- [ ] 已向用户展示 BOOK_OVERVIEW.md 并得到确认\r\n\r\n## 常见失败模式\r\n\r\n1. **跳过批判阶段** — 导致 skill 把作者的偏见当真理\r\n2. **骨架不是\"作者的骨架\",而是自己的想法** — 注意你在写摘要还是在写读后感\r\n3. **术语定义用字典 / 常识而非作者的特定用法** — 作者用\"能力圈\"和字典用\"能力圈\"不是一回事\n\nFile v1.0.0:methodology/02-stage1-parallel-extract.md\n\n# 阶段 1 — 5 个 sub-agent 并行提取\r\n\r\n## 目标\r\n\r\n不用单一视角读一遍,而是**同时从 5 个不同角度扫描全书**,最大化候选单元覆盖率。\r\n\r\n## 为什么要并行\r\n\r\n- **覆盖**: 单一视角会漏。框架提取器找不到的\"反例\",反例提取器会找到。\r\n- **速度**: Claude Code 的 Agent 工具支持并行,不用白不用。\r\n- **独立性**: 每个 extractor 独立判断,避免互相污染 — 三重验证才能真正起作用 (V1 跨域要求\"独立出现\")\r\n\r\n## 5 个 sub-agent\r\n\r\n每个 sub-agent 接收:\r\n- `BOOK_OVERVIEW.md` (阶段 0 产出, 提供全局上下文)\r\n- 书本文本 (或文本路径)\r\n- 对应的 extractor prompt (`extractors/<type>-extractor.md`)\r\n\r\n并在一次调用中通过 Agent 工具 **同时 spawn 5 个**,不是串行。\r\n\r\n| # | extractor | 查找对象 | 产出文件 |\r\n|---|---|---|---|\r\n| 1 | framework-extractor | 思维模型 / 决策框架 / 推理方法 | `candidates/frameworks.md` |\r\n| 2 | principle-extractor | 原则 / 清单 / 规则 / 断言 | `candidates/principles.md` |\r\n| 3 | case-extractor | 作者在书中亲自使用的实例 | `candidates/cases.md` |\r\n| 4 | counter-example-extractor | 作者警告的失败 / 反例 / 陷阱 | `candidates/counter-examples.md` |\r\n| 5 | glossary-extractor | 关键概念词典 | `candidates/glossary.md` |\r\n\r\n## 每个候选单元的最小字段\r\n\r\n无论是哪个 extractor,产出的每条候选单元必须包含:\r\n\r\n```yaml\r\nid: f01                           # 类型缩写 + 序号\r\ntitle: 逆向思维                    # 简短标题\r\ntype: framework                   # framework / principle / case / counter-example / term\r\nsource_chapter: 第三讲             # 书中位置\r\nsource_quote: |                   # 原文引用 ≤150 字\r\n  \"反过来想,总是反过来想...\"\r\nsummary: |                        # 用自己的话,5-10 行\r\n  ...\r\ntags: [decision, mental-model]    # 便于后续链接\r\n```\r\n\r\n## 输出前的自检\r\n\r\n每个 extractor 在提交候选之前自问:\r\n1. 这个单元**在书中**有明确根据吗? (不是我脑补)\r\n2. 它属于我这个 extractor 的职责范围吗? (不要越界)\r\n3. 它是不是已经在别处被别的 extractor 提取过了? (重复不是问题,阶段 1.5 会合并)\r\n\r\n## 不在本阶段做的事\r\n\r\n- **不做筛选** — 宁错杀,留给阶段 1.5 三重验证\r\n- **不写 skill** — 只出候选,不出 SKILL.md\r\n- **不做跨单元链接** — 留给阶段 3","readmeExcerpt":"Skill: Cangjie Skill Owner: terrybenedict0515 Summary: 把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。 Tags: latest:1.0.0 Version history: v1.0.0 | 2026-06-18T12:05:43.470Z | auto book2skill 2.0.0 is a major upgrade with a new human-centric output phase: - Adds Stage 5: Humanized outputs — generates user-facing learning notes (LEARNIN","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"阶段 0: Adler 整书理解     → BOOK_OVERVIEW.md\n阶段 1: 5 个 agent 并行提取 → 候选方法论单元池\n阶段 1.5: 三重验证筛选      → 通过的单元\n阶段 2: RIA++ 构造 skill    → 每个 skill 的 SKILL.md\n阶段 3: Zettelkasten 链接   → INDEX.md\n阶段 4: 压力测试 (darwin兼容) → test-prompts.json + 回炉淘汰\n🆕 阶段 5: 人性化输出       → LEARNING_NOTE.md + TALKING_POINTS.md"},{"language":"text","snippet":"books/<book-slug>/\n├── BOOK_OVERVIEW.md           # 阶段 0 产出：主旨/骨架/术语/批判\n├── INDEX.md                   # 阶段 3 产出：skill 总览 + 引用图\n├── LEARNING_NOTE.md           # 🆕 阶段 5 产出：给人看的笔记\n├── TALKING_POINTS.md          # 🆕 阶段 5 产出：话术库\n├── candidates/                # 阶段 1 产出：原始候选池（审计用）\n├── rejected/                  # 阶段 1.5 淘汰的单元 + 原因（审计用）\n├── <skill-slug-1>/\n│   ├── SKILL.md\n│   └── test-prompts.json      # darwin-skill 兼容格式\n├── <skill-slug-2>/\n│   └── ..."}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: book2skill\ndescription: \"把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。\"\ntags: [skill-creation, knowledge-distillation, methodology]\nversion: 2.0.0\nauthor: \"花叔 AlchainHust (原版) · mac-openclaw-manager (改造版)\"\nlicense: MIT\n---\n\n# book2skill — 把一本书蒸馏成一组可执行 skills 的元 skill\n\n> 📦 改造版 v2.0.0 · 基于原版 book2skill 新增阶段5（人性化输出）\n> 原版作者：花叔 AlchainHust · MIT License\n> 改造内容：新增 methodology/07-stage5-human-output.md + LEARNING_NOTE.md.template + TALKING_POINTS.md.template\n\n## 使命\n\n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——同时产出**给人看的笔记和话术库**。\n\n**边界**：\n- ✅ 做：方法论 / 决策框架 / 清单 / 原则 / 概念体系的蒸馏，学习笔记，话术库\n- ❌ 不做：书摘 / 读后感 / 作者人设角色扮演（后者请用 nuwa-skill）\n\n## 核心方法论：RIA-TV++\n\n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`。\n\n```\n阶段 0: Adler 整书理解     → BOOK_OVERVIEW.md\n阶段 1: 5 个 agent 并行提取 → 候选方法论单元池\n阶段 1.5: 三重验证筛选      → 通过的单元\n阶段 2: RIA++ 构造 skill    → 每个 skill 的 SKILL.md\n阶段 3: Zettelkasten 链接   → INDEX.md\n阶段 4: 压力测试 (darwin兼容) → test-prompts.json + 回炉淘汰\n🆕 阶段 5: 人性化输出       → LEARNING_NOTE.md + TALKING_POINTS.md\n```\n\n## 何时调用此 skill\n\n用户说类似：\n- \"帮我拆《穷查理宝典》\"\n- \"把毛选蒸馏成 skill\"\n- \"distill this book into skills: <path>\"\n- \"我想把这本书的方法论做成可用的 skill\"\n\n## 输入要求\n\n在开始前**必须**从用户处确认：\n1. **书的文本来源**：PDF / EPUB / TXT 文件路径，或可访问的纯文本。**不要**在没有文本的情况下\"凭记忆\"拆书 — 宁可停下来问用户要。\n2. **书名 + 作者 + 出版年**：用于目录命名和审计。\n3. **是否首次试点**：如果用户是第一次用 book2skill，建议先拆 1 本验证流程再批量。\n\n## 异常处理\n\n| 场景 | 处理动作 |\n|------|---------|\n| 文本路径无效/无法访问 | 暂停并明确告知用户「无法读取，请检查路径或直接粘贴文本」，不等、不猜、不跳过 |\n| 用户未提供文本直接说「开始拆」 | 反问确认文本来源，不凭记忆拆书 |\n| 子 agent 并行提取超时/失败 | 单个失败：用主 agent 补跑该 extractor；多个失败：降级为串行提取，逐项确认后再继续 |\n| 阶段0用户不确认骨架 | 最多等 2 轮追问后接受用户说「继续」，不做无确认的下一步 |\n| 候选单元全部被三重验证淘汰 | 展示 rejected/ 清单给用户，询问「放宽标准 / 换书 / 放弃」，不做空输出 |\n| 压力测试通过率 <80% | 强制回炉阶段2，不跳过，不表面修补 |\n\n## 输出结构\n\n```\nbooks/<book-slug>/\n├── BOOK_OVERVIEW.md           # 阶段 0 产出：主旨/骨架/术语/批判\n├── INDEX.md                   # 阶段 3 产出：skill 总览 + 引用图\n├── LEARNING_NOTE.md           # 🆕 阶段 5 产出：给人看的笔记\n├── TALKING_POINTS.md          # 🆕 阶段 5 产出：话术库\n├── candidates/                # 阶段 1 产出：原始候选池（审计用）\n├── rejected/                  # 阶段 1.5 淘汰的单元 + 原因（审计用）\n├── <skill-slug-1>/\n│   ├── SKILL.md\n│   └── test-prompts.json      # darwin-skill 兼容格式\n├── <skill-slug-2>/\n│   └── ...\n```\n\n## 执行流程（严格按顺序）\n\n### 阶段 0 — 整书理解\n\n1. 读取用户提供的书本文本。大文件分块阅读。\n2. 执行 `methodology/01-stage0-adler.md` 中的 Adler 四步（结构 / 解释 / 批判 / 应用）。\n3. 按 `templates/BOOK_OVERVIEW.md.template` 填充，写入 `books/<slug>/BOOK_OVERVIEW.md`。\n4. 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。\n\n### 阶段 1 — 5 个 sub-agent 并行提取\n\n**并行** spawn 5 个 Task sub-agents（使用 Agent 工具，一次调用中发起 5 个）：\n\n| sub-agent | 读取的 prompt | 产出 |\n|---|---|---|\n| 框架提取器 | `extractors/framework-extractor.md` | 决策框架 / 思维模型 |\n| 原则提取器 | `extractors/principle-extractor.md` | 原则 / 清单 / 规则 |\n| 案例提取器 | `extractors/case-extractor.md` | 作者在书中亲自使用过的实例 |\n| 反例提取器 | `extractors/counter-example-extractor.md` | 书中警告的失败模式 |\n| 术语提取器 | `extractors/glossary-extractor.md` | 关键概念词典 |\n\n每个 sub-age"},{"path":"README.md","content":"<div align=\"center\">\r\n\r\n# Cangjie Skill\r\n\r\n### 把一本书的方法论，蒸馏成可调用的 AI Skills\r\n\r\n[![License: MIT](https://img.shields.io/badge/License-MIT-f5c542.svg)](./LICENSE)\r\n[![Method: RIA--TV++](https://img.shields.io/badge/Method-RIA--TV++-2ea44f.svg)](./SKILL.md)\r\n[![Platform: OpenClaw](https://img.shields.io/badge/Platform-OpenClaw-1677ff.svg)](https://github.com/openclaw/openclaw)\r\n[![Platform: Claude Code](https://img.shields.io/badge/Platform-Claude%20Code-f97316.svg)](https://code.claude.com/)\r\n\r\n**读一本到位，带走一套能调用的方法论。**\r\n\r\n</div>\r\n\r\n## 为什么做这件事\r\n\r\n最近有一个很火的 idea：把同事蒸馏成 skill。即便一个人离职了，他的经验、语气、工作方式都会被 AI 一定程度替代。[nuwa-skill](https://github.com/alchaincyf/nuwa-skill) 就是做这件事的——创造\"人类 skill\"，比如马斯克 skill、巴菲特 skill。配套的 [darwin-skill](https://github.com/alchaincyf/darwin-skill) 负责让这些 skill 自动进化。\r\n\r\n蒸馏人很有价值——nuwa-skill 已经证明了这一点。而蒸馏人**写过的东西**，则是另一个维度的补充：一本书是作者花很长时间沉淀下来的思考，是深思熟虑后的精华。比起模仿一个人的表达方式，把他系统性输出的方法论拆出来、变成可以帮人解决实际问题的工具，同样是很有价值的事。\r\n\r\n而且还有一个真实的痛点：你可能看了很多书，但就是运用不起来。把书蒸馏成 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里落灰。\r\n\r\n所以 cangjie-skill 的目标很明确：**蒸馏所有值得蒸馏的书**，把每一本高价值的书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。\r\n\r\n## 它解决了什么问题\r\n\r\n- 看了很多书但用不起来——知识停留在\"读过\"层面，无法在真实决策中被调用\r\n- 书摘/读书笔记只是压缩，不是结构化复用——读完还是不知道\"什么时候该用什么\"\r\n- 一本书里真正值得变成工具的内容只有一小部分——需要严格的筛选而不是照单全收\r\n- 现有的读书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阅读的蒸馏方法\r\n\r\n## 它是怎么工作的\r\n\r\ncangjie-skill 使用 **RIA-TV++** 流水线，把一本书从原始文本变成一组结构化的 skill。整个过程分六个阶段：\r\n\r\n1. **整书理解（Adler 分析）**——用 Mortimer Adler 的分析阅读法，对全书做结构、解释、批判、应用四步拆解，产出 `BOOK_OVERVIEW.md`\r\n2. **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\r\n3. **三重验证筛选**——每个候选必须通过三项检验：书中至少有 2 处独立佐证（跨域）、能回答书中未明说的新问题（预测力）、不是常识（独特性）。通过率通常只有 25-50%\r\n4. **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\r\n5. **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\r\n6. **压力测试**——为每个 skill 设计包含诱饵题的测试用例，未通过的回炉重做\r\n\r\nRIA-TV++ 这个名字拆开看：\r\n- **RIA**：来自赵周《这样读书就够了》的便签拆书法（Reading / Interpretation / Appropriation）\r\n- **TV**：Triple Verification，三重验证\r\n- **++**：面向 agent 执行的扩展——E（Execution 可执行步骤）+ B（Boundary 边界）\r\n\r\n## 效果示例\r\n\r\n### 示例 1：从一本书到一套 skill 工具包\r\n\r\n**用户需求**\r\n\r\n\"我想把一本书里的核心方法论抽成可复用的 AI skills，而不是只做读书摘要。\"\r\n\r\n**cangjie-skill 如何判断**\r\n\r\n- 先看源材料是否存在可重复调用的方法论单元\r\n- 再区分哪些内容适合做独立 skill，哪些只适合做候选或背景\r\n- 最后输出结构化 skill 仓库，而不是一篇总结文章\r\n\r\n**最终输出示例**\r\n\r\n> 输出将不是一个单文件摘要，而是一个多 skill 仓库：包含 `BOOK_OVERVIEW.md` 作为全局理解，`INDEX.md` 作为技能地图，若干 `*/SKILL.md` 作为独立模块，以及 `test-prompts.json` 用于验证触发场景。\r\n\r\n### 示例 2：不是压缩，是结构化复用\r\n\r\n**用户需求**\r\n\r\n\"我不希望这本书只变成一个很长的说明文，我想要可以在 agent 里复用的技能包。\"\r\n\r\n**cangjie-skill 如何判断**\r\n\r\n- 判断目标不是内容总结，而是结构化复用\r\n- 优先生成可触发、可组合、可测试的 skill 单元\r\n- 对没有独立价值的内容进行淘汰，不强行保留\r\n\r\n**最终输出示例**\r\n\r\n> 系统会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，而不是把整本书压缩成一篇泛化总结。\r\n\r\n## 已生成的 skill packs\r\n\r\n| 仓库 | 来源 | Skills 数 |\r\n|------|------|-----------|\r\n| [buffett-letters-skill](https://github.com/kangarooking/buffett-letters-skill) | 巴菲特致股东的信（1957-2023） | 20 |\r\n| [cognitive-dividend-skill](https://github.com/kangarooking/cognitive-dividend-skill) | 《认知红利》 | 15 |\r\n| [duan-yongping-skill](https://github.com/kangarooking/duan"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn73v3qf2r4dbre319rz829p0d82msxd\",\n  \"slug\": \"cangjie-skill\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1781784343470\n}"},{"path":"extractors/case-extractor.md","content":"# Case Extractor\r\n\r\n你是 book2skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责识别**作者在书中亲自应用某个方法论的具体案例**。\r\n\r\n## 为什么要单独抽案例\r\n\r\n案例本身不独立成 skill,但它们是阶段 1.5 **V1 跨域验证**的关键证据,也是阶段 2 **A1 (Past Application)** 段的素材来源。没有案例池,后面两步都会卡住。\r\n\r\n## 你的输入\r\n\r\n- `BOOK_OVERVIEW.md`\r\n- 书本文本\r\n\r\n## 你的职责范围\r\n\r\n- 作者**亲自**经历/操作/决策的真实事件\r\n- 作者**转述**的历史事件、他人案例 (但必须是作者用来说明某个方法论的)\r\n- 每个案例必须**绑定到一个方法论主题**,否则意义不大\r\n\r\n## 不属于你的\r\n\r\n- 纯背景叙事 (没有方法论绑定)\r\n- 虚构的寓言/比喻 (除非作者拿它直接说明方法)\r\n- 作者的观点 / 原则 / 框架本身\r\n\r\n## 识别信号\r\n\r\n- \"1973 年,我曾...\"\r\n- \"有一次...\"\r\n- \"某某公司的案例...\"\r\n- \"巴菲特告诉我...\"\r\n- \"比如...\"\r\n- 过去时叙述 + 伴随评论/反思\r\n\r\n## 输出格式\r\n\r\n```yaml\r\n- id: c01\r\n  title: 投资 See's Candy\r\n  type: case\r\n  source_chapter: 第 5 讲\r\n  source_quote: |\r\n    \"我们以 2500 万美元收购了 See's Candy...这是我们第一次为品牌溢价付费。\"\r\n  summary: |\r\n    巴菲特和芒格收购 See's Candy 时, 放弃了格雷厄姆式的\"便宜货\"标准,\r\n    转而为\"有定价权的生意\"付出溢价。这笔投资后来成了他们转向\r\n    \"优质企业+合理价格\"策略的转折点。\r\n  bound_to:                    # ★ 必须绑定到至少一个方法论主题\r\n    - \"能力圈 + 定价权\"\r\n    - \"从便宜货到优质企业的转变\"\r\n  outcome: |\r\n    该公司后续 30 年产生的现金流远超初始投资, 验证了新策略。\r\n  tags: [case, investment, turning-point]\r\n```\r\n\r\n## 自检\r\n\r\n- [ ] 每条案例都有 `bound_to` 字段,明确它在阐释什么\r\n- [ ] 有原文引用作为证据\r\n- [ ] `outcome` 字段尽量填 (如果书中说了结果)\r\n- [ ] 不做筛选\r\n\r\n## 数量预期\r\n\r\n传记类 / 访谈整理类的书可能有几十上百个案例。方法论书可能 10–30 个。都不少于 5 个,否则阶段 2 的 A1 段会空。"},{"path":"extractors/counter-example-extractor.md","content":"# Counter-Example Extractor\r\n\r\n你是 book2skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责识别**作者警告的失败模式 / 反例 / 陷阱**。\r\n\r\n## 为什么要单独抽反例\r\n\r\n反例是阶段 2 的 **B (Boundary) 段**的核心素材来源。没有反例,skill 就没有边界,会在不该用的时候被调用,反而帮倒忙。**这是 book2skill 区别于普通书摘最重要的一类内容。**\r\n\r\n## 你的输入\r\n\r\n- `BOOK_OVERVIEW.md`\r\n- 书本文本\r\n\r\n## 你的职责范围\r\n\r\n- **作者明确警告的失败模式**: \"不要 X, 否则...\"\r\n- **作者批评的错误做法**: \"很多人以为 X, 但其实...\"\r\n- **作者承认自己犯过的错**: \"我当年错在...\"\r\n- **作者描述的反面典型**: \"某某公司就是这样失败的...\"\r\n- **认知偏误 / 心理陷阱**: (芒格类书籍的核心)\r\n\r\n## 不属于你的\r\n\r\n- 一般性的道德批评 (没有可学习的机制)\r\n- 作者情绪化的吐槽 (没有论证)\r\n\r\n## 识别信号\r\n\r\n- \"最大的错误是...\"\r\n- \"千万不要...\"\r\n- \"很多人以为...\"\r\n- \"失败的原因是...\"\r\n- \"陷阱在于...\"\r\n- \"我当年...\" + 悔意\r\n- \"人们往往...\" + 负面\r\n\r\n## 输出格式\r\n\r\n```yaml\r\n- id: ce01\r\n  title: 过度自信偏误\r\n  type: counter-example\r\n  source_chapter: 误判心理学 · 第 12 条\r\n  source_quote: |\r\n    \"大多数人都认为自己比平均水平更聪明、更公正、更有能力。\r\n     这种自我评价偏误在投资中尤其致命。\"\r\n  failure_mode: |\r\n    在自己不懂的领域自认为懂, 导致做出超出能力圈的决策。\r\n  mechanism: |\r\n    人脑默认把\"熟悉\"等同于\"理解\", 把\"喜欢\"等同于\"正确\"。\r\n    没有外部校正机制时, 过度自信会随成功次数累积而强化。\r\n  warning_signs:\r\n    - 决策时感到\"这很简单\"\r\n    - 没有 plan B\r\n    - 不愿意向人请教\r\n  bound_to:\r\n    - \"能力圈判断\"\r\n    - \"检查清单决策\"\r\n  tags: [counter-example, cognitive-bias, overconfidence]\r\n```\r\n\r\n## 自检\r\n\r\n- [ ] 每条都有 `failure_mode` 和 `mechanism` (不只是说\"这是错的\")\r\n- [ ] `warning_signs` 尽量填 (让后续的 B 段有信号)\r\n- [ ] `bound_to`: 说明这个反例会限制哪些正面 skill 的适用范围\r\n- [ ] 有原文引用"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。 Skill: Cangjie Skill Owner: terrybenedict0515 Summary: 把一本书里沉淀的方法论蒸馏成一组原子化、可被Agent调用的skills，同时产出给人看的笔记和话术库。触发：用户说'帮我拆《XX》''把XX蒸馏成skill''distill this book into skills'时。不做书摘/读后感/作者人设角色扮演。 Tags: latest:1.0.0 Version history: v1.0.0 | 2026-06-18T12:05:43.470Z | auto book2skill 2.0.0 is a major upgrade with a new human-centric output phase: - Adds Stage 5: Humanized outputs — generates user-facing learning notes (LEARNIN","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":711,"uniquenessScore":56,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T17:44:57.117Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T17:44:57.117Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-09T20:56:07.107Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}