仓颉 Skill（长内容方法论蒸馏）

作者介绍

把书、长视频、播客里的方法论，蒸馏成可调用的 AI Skills

读完、看完、听完之后，带走一套能调用的方法论。

它能做什么

把书籍、视频转写和播客等长内容中的方法论提取为能力卡，再编译成可调用的单 Skill 或紧凑 Skill 包。

主要能力

• Adler 整体理解，框架、原则、案例、反例、术语五类提取。
• 来源充分性、可执行性、任务增益三重验证，再经独立 Skill 晋级门。
• 用 R / I / A1 / A2 / E / B 六段能力卡维护 Capability Bundle，保留来源和审计轨迹。
• 同一 Bundle 确定性编译为 single 路由入口或 pack 路由 + 少量晋级 Skill，并生成 DIGEST.md、索引、术语和测试。
• 本地 CLI 提供 doctor、compile、replan-output、update、repair、rollback、eval、benchmark；支持断点续跑和更新回滚。

实际工作流程

确认可访问原文、元信息与使用目的 → Adler 理解并确认 → 五类提取（无子 Agent 时可串行）→ 三重验证并确认 → 独立 Skill 晋级 → RIA++ 能力卡 → 链接与共享术语 → 代表任务压力测试 → 确定性编译 single/pack → 确认安装位置。

安装与调用

官方建议安装完整 cangjie-skill/ 目录，不能只复制 SKILL.md。本批源码 ZIP 固定到 main 的核验 Commit；解压完整项目后按宿主 Skill 机制放入安装目录。OpenClaw、Claude Code 为 README 列出平台；DeepSeek Harness 需 Release 中专用 tgz 适配包，不能把通用源码 ZIP 当专用插件。

在仓库目录执行官方依赖/诊断与编译用法：

python3 -m pip install pyyaml
python3 scripts/cangjie.py doctor
python3 scripts/cangjie.py compile --bundle books/<slug>/.cangjie/capabilities --out <目标目录> --output auto

占位路径需替换，compile 输入是已构造且通过验证的 Bundle，不是直接将 PDF 路径交给 CLI 自动蒸馏。用户可对 Agent 说 SKILL.md 官方例子：distill this book into skills: <path>。需提供原文路径、标题/作者/时间、使用目的。视频/播客先取得合法字幕或转写文本，video-downloader 是官方推荐配套，不是内置必要依赖。

使用条件

Python 3.10+、PyYAML；可选 tiktoken、jsonschema。Agent 需要读写文件、按需调用子 Agent/模型并执行脚本；无并行子 Agent 时按原文允许串行。PDF/EPUB/TXT/字幕/转写稿是输入来源要求，不是所有二进制格式都有内置解析器承诺，文本应可由宿主实际读取。主工具未声明统一 OS 限制、固定 API Key、固定外部模型或浏览器要求；这些项目写原仓库未说明。website/ 的 Node/Astro 依赖是官网构建，不是核心 Python 蒸馏必需依赖。

注意事项

脚本在本地读写 Bundle、运行记录与产物；用户交给云端 Agent 的书籍或转写会进入模型上下文，不能把本地 CLI 宣称为端到端零上传。安装依赖、下载 Release 与可选视频下载会联网。生成与更新会写文件、快照和安装目录，应保留审计和回滚。原文不得包含无权处理的商业/个人敏感信息；工具 MIT 不代表书籍、视频、作者方法论表述或生成的衍生 Skill 自动允许公开分发。未发现独立 SECURITY.md，不宣称已完成全面安全审计。

不是普通摘要、读后感或作者人格模仿。没有可读原文时不能凭模型记忆蒸馏；阶段确认和实际压力测试不可省略。v2.5 的产物并非“一条知识一个独立 Skill”，多数能力可留在单路由中。Release 同版本补包而 Tag 不移动，GitHub 自动 source archive 仍是最初 Tag；本次 main 固定快照需要用 Commit 核对。