Cangjie Skill：把高价值内容蒸馏为可调用的 AI Skills

项目动机

很多人读完书、看完长视频、听完播客之后，知识停留在"看过/听过/收藏过"的层面，无法在真实决策中被调用。摘要和笔记只是压缩，无法回答"什么时候该用什么"。cangjie-skill 的目标是把书、长视频、播客、访谈、课程、长文等高价值内容里可抽取、可验证、可迁移的方法论蒸馏成可独立调用、可组合使用、可压力测试的 AI skill 工具包。

核心特性

• 面向 agent 执行而非面向阅读消费：产出可直接被 AI agent 调用的结构化 skill，而非给人看的总结文
• 严格筛选：候选方法论必须通过三重验证，通过率通常仅 25-50%
• 支持多源内容：书籍、视频转写、播客文字稿、访谈记录、演讲、课程均可处理
• 配套视频处理：可与 video-downloader skill 配合，先下载视频、提取字幕和转写文本，再交给 cangjie-skill 做蒸馏

技术架构：RIA-TV++ 七阶段流水线

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），从原文提取候选方法论单元
3. 三重验证筛选：每条候选须满足 ① 原文至少 2 处跨域独立佐证；② 能回答内容里未明说的新问题（预测力）；③ 非常识（独特性）
4. RIA++ 构造：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 与引用图
6. 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），未通过的回炉重做
7. 交付：生成面向读者的 DIGEST.md 精华长文，并把通过测试的 skill 安装到 Claude Code / Cursor 的 skills 目录

命名含义：RIA 来自赵周《这样读书就够了》的便签拆书法，TV 代表 Triple Verification，++ 代表面向 agent 执行的 E（Execution）+ B（Boundary）扩展。

仓库结构

cangjie-skill/
├── SKILL.md               # 元 skill 定义（完整执行规范）
├── methodology/           # RIA-TV++ 各阶段方法论文档
├── extractors/            # 5 个并行提取器的 prompt 定义
└── templates/             # SKILL.md / INDEX.md / BOOK_OVERVIEW.md 模板

输出示例

输入一本书或长视频后，最终输出是多 skill 仓库，而非单文件摘要：

• BOOK_OVERVIEW.md：全局理解
• INDEX.md：技能地图
• DIGEST.md：面向读者的精华长文
• GLOSSARY.md：术语词典
• 若干 */SKILL.md：独立模块
• test-prompts.json：用于验证触发场景

生态关系

cangjie-skill 是一个 skill 生态的一部分：

• nuwa-skill：蒸馏人（思维方式、表达 DNA）
• cangjie-skill（本仓库）：蒸馏书（方法论、框架、原则）
• darwin-skill：让任意 skill 自动进化

已生成的 Skill Packs（节选）

视频蒸馏区另有 Loop Engineering 长视频合集（8 个 skills）。后续候选书单包括《君主论》等。