很多人看完一本书、听完一门课、收藏了一场长视频，最后只得到几页笔记。真正到了工作里，还是不知道“什么时候该用哪一步”。
cangjie-skill 这个项目有意思的地方，就在这里。它不是把一本书、一门课、一场长视频压缩成摘要，而是把里面真正能迁移的方法论，拆成 Agent 可以调用、可以组合、可以测试的 skills。
换句话说，它处理的不是“内容有没有看完”，而是“内容能不能在下一次真实任务里被调用”。一本书可以蒸馏成判断框架，一门课可以蒸馏成训练流程，一位老师反复讲的授课方法，也可以沉淀成触发场景、操作步骤、边界条件和测试题。
cangjie-skill 到底讲什么
cangjie-skill 的仓库描述非常清楚：把书、长视频、播客等高价值内容蒸馏成可执行的 Agent Skills。README 里也把目标说得很直白：读完、看完、听完之后，带走一套能调用的方法论。
它解决的不是“我没看懂内容”，而是“我看过了，但用不起来”。这也是很多知识型内容最常见的断点：读者可以复述概念，却很难在真实工作、学习、教学或产品设计里稳定执行。
所以，cangjie-skill 最值得拆的不是某个提示词模板，而是它背后的内容加工路线：从长内容里识别可迁移的方法论，再把方法论变成带触发条件、操作步骤、边界说明和测试题的技能包。它真正做的，是把“看过的内容”变成“下一次能调用的能力”。
对课程、培训和专家经验来说，这意味着内容不再只是“讲完一遍”，而是可以被拆成长期复用的能力库。
项目背后的作者与生态
这个项目由 kangarooking 维护。仓库 README 介绍作者为“袋鼠帝 kangarooking”，AI 博主、独立开发者，也是「袋鼠帝 AI 客栈」主理人。
从仓库元数据看，kangarooking/cangjie-skill 使用 MIT License，创建于 2026 年 4 月 16 日，近期仍在更新；截至本次记录，GitHub API 返回的 Star 数超过 2100，Fork 数超过 300。它不是一个孤立仓库，而是放在更大的 skill 生态里：nuwa-skill 偏向蒸馏人，cangjie-skill 偏向蒸馏书、课程、长视频、播客里的方法论，darwin-skill 则负责让 skill 持续进化。
这个生态定位很关键。cangjie-skill 不是把某位专家“人格化”，也不是让 AI 假装某位老师说话，而是把专家系统表达过的流程、判断、边界和复盘方式沉淀下来。真正该蒸馏的不是老师的语气，而是老师稳定解决问题的那套动作。
比如，一门“临床科研入门课”不应该只留下“如何写方案”的讲义，而应该拆成几张可调用的能力卡：研究问题澄清、PICO 拆解、纳排标准设计、偏倚识别、统计路径选择、伦理风险检查。换成商业课、写作课、产品课也一样：下次遇到真实任务时，调用对应 skill，而不是重新翻完整课程。
最大优势在哪里
cangjie-skill 最强的地方，是它把“内容消费”改成了“能力生产”。这正是一门课从“听过”走向“可复用”的关键差别。
第一，它不满足于摘要。摘要解决的是“这份内容讲了什么”，skill 解决的是“我在什么场景下怎么用”。很多课程真正缺的往往不是更多摘要，而是能落到动作的训练单元。
第二，它有筛选机制。README 里写到，候选方法论单元需要经过三重验证：至少有 2 处独立佐证、能回答内容里未明说的新问题、不是常识。这个机制很重要，因为课程和长内容最怕把漂亮话、经验谈、口诀都混成“能力”。真正值得进入技能库的，必须能经得起场景迁移。
第三，它强调压力测试。每个 skill 要设计测试 prompt，包含应该调用、不该调用、边界模糊和跨 skill 混淆场景。课程蒸馏也需要这种机制：学员不是背熟答案就算通过，而是要在相似但不同的任务、案例和限制条件里做出正确选择。
第四，它保留审计轨迹。候选、淘汰、验证、测试都留下文件。如果一套课程要进入企业、学校、医院或个人知识体系，这一点非常重要。课程资产不是一次性内容，而是可追踪、可复核、可版本管理的能力工程。
RIA-TV++ 怎么工作
cangjie-skill 的核心流水线叫 RIA-TV++。
它先做整体内容理解，借鉴 Adler 分析阅读法，从结构、解释、批判、应用四个角度看完整材料。然后进入 5 类并行提取：框架、原则、案例、反例、术语。再通过三重验证筛选候选方法论，之后用 RIA++ 构造 skill。
这里的 RIA 不是普通读书笔记，而是把内容拆成可执行单元：一门课真正缺的，往往不是 R 和 I，而是 A2、E、B。
| 模块 | 在 skill 里的作用 | 医疗培训迁移 |
|---|---|---|
| R Reading | 原文依据 | 书中段落、课程讲义、字幕片段 |
| I Interpretation | 用自己的话重写 | 把知识翻译成判断规则 |
| A1 Past Application | 原内容里的案例 | 作者案例、课堂例题、老师演示 |
| A2 Future Trigger | 未来触发场景 | 遇到什么任务时调用 |
| E Execution | 可执行步骤 | 1-2-3 操作流程 |
| B Boundary | 边界与盲点 | 不适用场景、禁用条件、人工复核 |
把这个表放进课程设计，就能看出它的真实价值。很多课程只做了 R 和 I：给材料、讲解释。但真正能提升工作能力的，是 A2、E、B。也就是：什么时候用、怎么做、什么时候不能做。
核心章节拆解：一门课怎么改造成 skill
1. 先把课程目标改成能力地图
课程最容易写成“知识目录”：第一章概念，第二章流程，第三章案例。但 cangjie-skill 的思路提醒我们，课程目录应该被进一步翻译成能力地图。
例如一门写作课，可以拆成选题判断、素材筛选、结构搭建、开头设计、修改复盘；一门临床科研课，可以拆成问题澄清、证据检索、方案设计、偏倚检查、结果表达。每类能力都要有触发场景，而不是只有章节名。
这样做的好处是，学员不会只问“我学到第几章了”，而会问“我现在能不能独立完成这个任务”。课程目录服务的是讲授顺序，能力地图服务的是真实工作。
2. 再把讲义改成技能卡
一张课程 skill 卡至少应该包含 8 个字段：目标学员、适用场景、输入材料、操作步骤、禁用条件、评分标准、人工复核、版本记录。
比如“患者出院宣教生成”这个训练单元，不能只写“让 AI 帮忙生成宣教内容”。它要写清楚：适合低风险常见病宣教，不适合个体化诊疗建议；输入必须包括出院诊断、用药清单、复诊计划和警示症状；输出必须由医护复核；遇到危险信号必须升级。
这就是 skill 和 prompt 的区别。Prompt 往往只告诉模型“你要做什么”，skill 必须告诉系统“什么时候做、怎么做、不能做什么、失败了交给谁”。
3. 最后用测试题逼出边界
课程训练最需要的，不是让学员在标准题里永远正确，而是让学员在边界场景里知道该停、该追问、该换方法。
cangjie-skill 要求为 skill 设计诱饵测试和边界模糊测试，这一点非常适合课程化训练。比如同样是“帮我写一段说明”，销售文案、医学宣教、内部通知、危机回应完全不是一个任务。如果 skill 在这些场景里都给同一种套路，就说明它没有学会边界。
对于课程 skill，测试题应该至少覆盖三类：
| 测试类型 | 目的 | 例子 |
|---|---|---|
| 应调用 | 检查能力是否能启动 | 给定完整材料，生成下一步行动清单 |
| 不应调用 | 检查是否会越界 | 要求输出超出材料边界的结论 |
| 边界模糊 | 检查追问意识 | 信息不足，需要先补关键问题 |
课程真正变成能力库，靠的不是“多讲几遍”，而是把这些边界测试内置进去。好 skill 最重要的测试，不是会不会答题，而是该不该启动。
cangjie-skill 适合哪些使用场景
如果只把 cangjie-skill 理解成“拆书工具”，就有点窄了。它真正适合处理的是那些“内容很长、信息很多、但里面确实藏着可复用方法论”的材料。
我会把它的使用场景分成 6 类：
| 场景 | 适合输入 | 最终要得到什么 |
|---|---|---|
| 拆书成技能 | 一本书、读书笔记、章节摘录 | 一组可调用的思维模型和行动清单 |
| 长视频课程 | B 站/YouTube 课程字幕、讲义、课件 | 按章节拆出的技能卡和练习题 |
| 播客访谈 | 访谈转写稿、嘉宾观点整理 | 嘉宾反复使用的方法论和判断框架 |
| 医疗培训课 | 课程讲义、病例材料、培训手册 | 可复用的训练单元、边界测试和评分表 |
| 企业内训 | 内部 SOP、培训材料、复盘文档 | 新人可按步骤调用的工作技能包 |
| 专家 SOP 沉淀 | 专家经验、操作流程、质控要求 | 可审阅、可复核、可迭代的能力库 |
这里最重要的判断是：输入材料不能只是“信息多”，还要真的有方法论。比如一场纯宣传直播不适合，一门反复讲“怎么判断、怎么操作、哪里会错”的课程就很适合。
可以先做这 5 个案例
不要一开始就追求“大而全”。用 cangjie-skill 最稳的方式，是先挑一本书、一节课、一个老师方法或一个可验证任务做试点。
我更建议从这 5 类材料开始：
| 案例 | 输入材料 | 输出技能卡 | 边界测试 |
|---|---|---|---|
| 一本方法论书 | 章节摘录、读书笔记 | 判断框架、行动清单、反例提醒 | 是否只是复述观点 |
| 一门培训课 | 讲义、PPT、课堂作业 | 能力地图、练习题、评分表 | 是否能迁移到新任务 |
| 一场长视频 | 字幕、时间轴、评论问题 | 分段技能卡、使用场景、检查清单 | 是否抓住真正方法论 |
| 一位老师的授课方法 | 教案、板书、示范案例 | 讲解结构、提问方式、反馈模板 | 是否只模仿语气而没学到方法 |
| 一个医疗培训场景 | 病例材料、宣教模板、复盘记录 | 问题澄清、风险边界、人工复核 | 是否误写成诊疗建议 |
这 5 类材料有一个共同点：它们都不是单纯背知识，而是要做判断、排序、沟通和复盘。这类训练最适合被改造成 skill，因为它本来就依赖一套稳定动作。
小白怎么用：Codex 或 WorkBuddy 四步走
如果你没有做过 skill，也不用一上来理解全部 RIA-TV++。可以先按下面 4 步跑一个小样。
第 1 步，准备材料。
先不要把一整门大课丢进去。选一个最具体的材料，准备好书籍章节、课程 PDF、PPT、字幕、讲义、案例材料或播客转写稿。材料越接近真实教学，效果越好。
可以这样整理：
| 材料 | 最低要求 |
|---|---|
| 材料标题 | 例如“某本书第 3 章”“一节产品课”“一位老师的公开课” |
| 目标用户 | 学生、新员工、产品经理、运营同事、医疗培训学员 |
| 原始内容 | PDF、字幕、讲义、案例、SOP、访谈稿 |
| 希望产出 | 3-5 张 skill 卡、测试题、课程清单 |
| 禁止事项 | 不要编造原文没有的观点，高风险内容必须保留人工复核 |
第 2 步，把材料交给 Codex 或 WorkBuddy。
在 Codex 里，可以直接把材料路径和目标写清楚：
请围绕这份课程材料使用 cangjie-skill 的方法，
不要做摘要，而是蒸馏成 3-5 张可执行 skill 卡。
材料目标：把这节课的授课方法蒸馏成可执行 skill。
材料路径：/path/to/course.pdf
输出要求：
1. 先列能力地图
2. 再生成每张 skill 卡
3. 每张卡包含触发场景、输入材料、执行步骤、禁用条件、人工复核、测试题
4. 不编造材料外观点，高风险内容只输出培训与复核用途内容
在 WorkBuddy 里，也可以用同样方式：把课程文件上传或贴入文本，然后明确说“调用 cangjie-skill 思路，把这份内容转成可执行 skill 包”。不要只说“帮我总结一下”，否则它很容易退回普通摘要。
第 3 步，检查技能卡。
小白最容易漏的不是内容，而是边界。每张 skill 卡至少要检查 6 件事：
| 检查项 | 合格标准 |
|---|---|
| 触发场景 | 说得清什么时候该用 |
| 输入材料 | 说得清需要哪些信息 |
| 执行步骤 | 能按 1、2、3 做下去 |
| 禁用条件 | 说得清什么时候不能用 |
| 人工复核 | 说得清谁来确认 |
| 测试题 | 至少有应调用、不应调用、边界模糊 3 类 |
如果一张卡只有“请生成宣教内容”这种句子，它还不是 skill，只是 prompt。
第 4 步，用真实任务测试。
最后不要在纸面上结束。拿一个真实任务、一次学员作业、一段课程复盘或一个脱敏案例来测。看它能不能在正确场景启动，也能不能在危险场景停下来。
测试时可以问 3 个问题：
| 问题 | 看什么 |
|---|---|
| 它该启动时启动了吗 | 能不能识别正确任务 |
| 它不该启动时停了吗 | 有没有越界输出 |
| 它遇到信息缺失会追问吗 | 有没有补充信息意识 |
这一步做完，才算真正把一节课从“内容”推进到了“能力”。
怎么获取这些内容
cangjie-skill 是公开 GitHub 项目，核心入口是仓库 README 和 SKILL.md。README 适合快速理解项目目标、使用场景、已生成的 skill packs；SKILL.md 则是完整执行规范，包含输入要求、阶段流程、输出结构和质量红线。
对想迁移到医疗培训课程的人，建议按这个顺序看：
| 顺序 | 材料 | 重点 |
|---|---|---|
| 1 | README.md | 理解项目为什么不是摘要工具 |
| 2 | SKILL.md | 看完整流水线和质量红线 |
| 3 | methodology/ | 拆各阶段方法论 |
| 4 | templates/ | 看 skill、DIGEST、INDEX 怎么落盘 |
| 5 | 已生成 skill packs | 学习不同内容类型如何拆成能力包 |
如果你手上有一本书、一门课或一套老师讲义，不要一上来就全量改造。更稳的做法，是先选一节最能体现方法论的课，例如“如何拆临床问题”“如何做病例复盘”“如何设计科研问题”，用 cangjie-skill 的方法做成 3-5 张 skill 卡，再做一次边界测试。
写在最后
本期一句话：cangjie-skill 真正值得借鉴的，不是把内容变短，而是把一本书、一门课、一个老师的方法变成能被调用、测试和迭代的 skill。
课程和知识产品未来会遇到一个很现实的问题：当 AI 可以生成讲义、题库、摘要和总结时，课程本身的价值在哪里？
我的判断是，价值会从“内容交付”转向“能力工程”。谁能把专家经验拆成清楚的触发场景、执行步骤、禁用边界和评估题，谁的内容就更接近真实工作流。
资料下载与清单
| 类型 | 链接或本地路径 | 说明 |
|---|---|---|
| 项目仓库 | https://github.com/kangarooking/cangjie-skill | cangjie-skill 主入口 |
| README 本地备份 | automation-data/ai-learning-content-digest/20260709-kangarooking-cangjie-skill医疗培训能力/source-files/kangarooking-cangjie-skill-readme.decoded.md | 项目介绍与案例 |
| SKILL 本地备份 | automation-data/ai-learning-content-digest/20260709-kangarooking-cangjie-skill医疗培训能力/source-files/kangarooking-cangjie-skill-skill.decoded.md | 元 skill 执行规范 |
| 仓库元数据 | automation-data/ai-learning-content-digest/20260709-kangarooking-cangjie-skill医疗培训能力/source-files/kangarooking-cangjie-skill-repo.json | Star、Fork、License、更新时间 |
核心清单：
| 清单 | 字段 |
|---|---|
| RIA-TV++ 阶段 | Adler 整体理解、5 类并行提取、三重验证、RIA++ 构造、Zettelkasten 链接、压力测试、交付 |
| 课程 skill 字段 | 目标用户、适用场景、输入材料、操作步骤、禁用条件、评分标准、人工复核、版本记录 |
| 优先试点场景 | 拆书、长视频课程、老师授课方法、企业内训、医疗培训、产品评审 |
| 小白使用步骤 | 准备材料、交给 Codex/WorkBuddy、检查技能卡、真实任务测试 |
| 适合输入材料 | 书籍、长视频字幕、播客转写、课程讲义、病例材料、SOP、企业内训文档 |
| 质量检查 | 是否只是摘要、是否有触发场景、是否有禁用条件、是否有诱饵测试、是否可复核更新 |