跳到正文

仓颉:书籍与长内容转 Skill

把书籍、长视频、播客和课程中的知识整理为可调用的能力资料,保留来源索引、方法说明与验证材料。

开源精选知识加工63 个文件11,347 Stars浏览次数 0kangarooking/cangjie-skill MIT版本 a28de55
开始使用

下载前阅读 SKILL.md 中的使用条件,并确认所用工具支持对应能力。

输入资料
获准处理的完整来源材料 目标能力、用途和来源信息 阅读本节完整说明
交付内容
Skill 能力资料包 来源追溯与验证记录 阅读本节完整说明
  1. 获取完整包,保留配套文件的目录结构。
  2. 按照原文准备所需工具、依赖与输入资料。
  3. 阅读对应使用步骤与输入输出说明,在自己的环境中验证结果。

使用提示摘自原文,配套文件保留来源版本;实际运行条件以各包说明为准。

正文

获取原文件

methodology/00-overview.md

本文是 cangjie-skill 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-*。

命名

RIA-TV++ =

  • RIA — 赵周 (《这样读书就够了》) 的便签拆书法: Reading / Interpretation / Appropriation
  • TV — Triple Verification,借自 nuwa-skill 的三重验证
  • ++ — 面向 agent 执行的扩展: E (Execution 可执行步骤) + B (Boundary 边界)

思想来源

来源 借鉴内容
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)
赵周 RIA 拆书法 阶段 2: R-I-A1-A2 基本骨架, 尤其 A2 → trigger
Niklas Luhmann Zettelkasten 原子化 + 链接 + 用自己的话重写
Tiago Forte Progressive Summarization 阶段 4 的"可验证压缩链条"思想
nuwa-skill 阶段 1 并行 extractor + 阶段 1.5 三重验证
darwin-skill 阶段 4 test-prompts.json 格式 + 可进化性

根本洞察

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。

维度 给人看 给 agent 用 (cangjie-skill 目标)
关键字段 故事 / 金句 / 情感钩子 trigger / 可执行步骤 / 判停标准
失败模式 读完就忘 trigger 不准 → 永不调用或乱调用
成功标准 读者"有收获" 真实问题被解决

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。

流水线

          ┌───────────────────┐
          │ 阶段 0: 整书理解   │  Adler 四步
          └─────────┬─────────┘
                    │ BOOK_OVERVIEW.md
                    ▼
          ┌───────────────────┐
          │ 阶段 1: 并行提取   │  5 个 sub-agent 同时跑
          └─────────┬─────────┘
                    │ candidates/
                    ▼
          ┌───────────────────┐
          │ 阶段 1.5: 三重验证 │  V1 来源充分 / V2 可执行 / V3 任务增益
          └─────────┬─────────┘
                    │ verified + reference / needs_review / rejected 审计
                    ▼
          ┌───────────────────┐
          │ 阶段 1.6: 晋级门   │  产品化验证: promoted / router 去向
          └─────────┬─────────┘
                    │ destinations.json
                    ▼
          ┌───────────────────┐
          │ 阶段 2: RIA++ 构造 │  R / I / A1 / A2 / E / B 能力卡
          └─────────┬─────────┘
                    │ .cangjie/capabilities/ (Capability Bundle)
                    ▼
          ┌───────────────────┐
          │ 阶段 3: 链接       │  Zettelkasten → Bundle 的 also_read
          └─────────┬─────────┘
                    │
                    ▼
          ┌───────────────────┐
          │ 阶段 4: 压力测试   │  触发/路由 + 实际输出 + 基线对照 + 回炉
          └─────────┬─────────┘
                    │
                    ▼
          ┌───────────────────┐
          │ 阶段 5: 编译与交付 │  cangjie.py compile (single/pack) + DIGEST + 安装
          └───────────────────┘
                    │
                    ▼
          可喂给 darwin-skill 自动进化

不变量 (任何迭代都不能违反)

  1. 原子性: 一个能力只做一个方法论单元,不能"大而全"(single 的"一个"指一个发现入口,内部能力仍原子化)
  2. 可追溯: 每个能力必须有原文引用,指向源书章节 (视频指向时间戳/分 P)
  3. 可验证: 每个能力必须通过三重验证 + 压力测试
  4. 可进化: 每个晋级 Skill 必须附带 darwin 兼容的评测用例
  5. 用户参与: 阶段 0 之后必须让用户确认骨架; 阶段 1.5 之后必须让用户确认入选名单; 阶段 5 编译前必须让用户轻确认输出模式
  6. 可交付: 流程终点是"用户能调用"— 编译产物必须被安装到 skills 目录,读者需求由 DIGEST.md 承接
  7. 单一事实源 (v2.1, ADR-002): single 与 pack 从同一份 Capability Bundle 编译,引用同一组稳定 capability_id;生成目录只读,检测到本地手改不得静默覆盖
  8. 能力不失联 (v2.1): 未晋级能力保留为来源路由入口内的能力卡,每个 active 能力在 destinations 中恰好一个去向
  9. 覆盖不自证: 原书关键任务清单独立于旧版通过候选;重要机制即使只出现一次,也要有候选与明确去向

CONTACT HAONAN

联系haonan

医疗 AI · 产品与独立开发

刘浩南

关注医疗 AI 从 demo 到真实落地,聚焦产品化、商业化与院内工作流效率提升。

12年医疗产研经验,大湾区头部医疗AI公司前产品总监,独立开发者

医疗 AI 产品化医疗 AI 商业化院内工作流效率
刘浩南的微信联系二维码
微信扫一扫,联系 haonan