git:20260703.859028a to git:20260830.4b922d7

67 added, 60 removed. Audit A to A.

---

name: cangjie-skill

description: Distill a book, long-video transcript, podcast, course, or interview into a coherent set of executable skills. Use when the user asks to "拆书" / "蒸馏一本书" / "把 XX 书做成 skill" / "把这个视频/播客/课程蒸馏成 skill" / "turn a book or video into skills" — i.e. wants the frameworks, principles, and methodologies in long-form content extracted into atomic, reusable Claude skills that an agent can invoke in real-world situations. NOT for simple summarization, book reviews, or role-playing as the author (that is nuwa-skill's job).

+ metadata:

+ cangjie.version: "2.5.0"

---

# cangjie-skill — 把一本书蒸馏成一组可执行 skills 的元 skill

## 使命

- 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。

+ 把一本书里沉淀的方法论,拆解成**原子化、可被 agent 在真实场景下调用**的能力,并按用户目的编译成合适数量的 skill,让读者真正用起来。

> **术语约定**: 本文档及 `methodology/`、`extractors/` 中所有的"书",泛指一切被蒸馏的长内容 — 书籍、长视频转写、播客文字稿、课程、访谈、长文、资料集。

**边界**:

- ✅ 做: 方法论 / 决策框架 / 清单 / 原则 / 概念体系的蒸馏

- ❌ 不做: 书摘 / 读后感 / 作者人设角色扮演 (后者请用 nuwa-skill)

- ## 核心方法论: RIA-TV++

+ ## 核心方法论: RIA-TV++（v2.5 Bundle 版）

- 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`。

+ 一个五阶段 + 并行提取 + 三重验证 + 晋级门 + darwin 兼容测试的流水线。详见 `methodology/00-overview.md`。

```

- 阶段 0: Adler 整书理解 → BOOK_OVERVIEW.md

- 阶段 1: 5 个 agent 并行提取 → 候选方法论单元池

- 阶段 1.5: 三重验证筛选 → 通过的单元 (用户轻确认)

- 阶段 2: RIA++ 构造 skill → 每个 skill 的 SKILL.md

- 阶段 3: Zettelkasten 链接 → INDEX.md + GLOSSARY.md

- 阶段 4: 压力测试 (darwin 兼容) → test-prompts.json + 回炉淘汰

- 阶段 5: 交付 → DIGEST.md 精华长文 + 安装到 skills 目录

+ 阶段 0: Adler 整书理解 → BOOK_OVERVIEW.md

+ 阶段 1: 5 个 agent 并行提取 → 候选方法论单元池

+ 阶段 1.5: 三重验证筛选（知识验证） → 通过的单元 (用户轻确认)

+ 阶段 1.6: 独立 Skill 晋级门（产品化验证）→ promoted / router 去向

+ 阶段 2: RIA++ 构造能力卡 → .cangjie/capabilities/cards/<slug>.md

+ 阶段 3: Zettelkasten 链接 → verified.yaml 的 also_read + GLOSSARY

+ 阶段 4: 压力测试 (darwin 兼容) → 评测用例 + 回炉淘汰

+ 阶段 5: 编译与交付 → cangjie.py compile（single/pack）+ DIGEST.md + 安装

```

+ **v2.5 关键变化（ADR-002）**: 阶段 2–4 不再直接把每个单元写成独立的最终 Skill 目录，而是产出一份 **Capability Bundle**（`books/<slug>/.cangjie/capabilities/verified.yaml` + `cards/*.md`）。single 与 pack 都从这同一份 Bundle 由 `scripts/cangjie.py compile` 确定性编译，两者引用同一组稳定 `capability_id`。旧的 one-to-one 输出仍受支持（legacy-pack，见 `docs/migrations/2026-08-25-v2.0-to-v2.1.md`）。

## 何时调用此 skill

用户说类似:

- "帮我拆《穷查理宝典》"

- "把毛选蒸馏成 skill"

- "把这个 B 站视频/播客/课程蒸馏成 skill"

- "distill this book into skills: <path>"

- "我想把这本书的方法论做成可用的 skill"

## 输入要求

在开始前**必须**从用户处确认:

1. **内容文本来源**: PDF / EPUB / TXT / 字幕文件 / 转写稿路径, 或可访问的纯文本。**不要**在没有文本的情况下"凭记忆"蒸馏 — 宁可停下来问用户要。(视频/播客建议先用 video-downloader 类工具拿到转写文本)

2. **内容元信息**: 书籍是"书名 + 作者 + 出版年"; 视频/播客/课程是"标题 + 作者(UP 主/主播/讲者) + 发布时间"。用于目录命名和审计。

- 3. **是否首次试点**: 如果用户是第一次用 cangjie-skill,建议先蒸馏 1 份内容验证流程再批量。

+ 3. **使用目的**（决定输出模式推荐）: 学习/查阅这本书 → 倾向 single；接入日常工作流、跨书组合 → 倾向 pack。不确定时按 single-first 原则先推荐 single。

+ 4. **是否首次试点**: 如果用户是第一次用 cangjie-skill,建议先蒸馏 1 份内容验证流程再批量。

- **非书籍内容的字段映射**: `source_chapter` 等"章节"字段对视频填时间戳或分 P,对播客填集数,对课程填讲次 — 保证可追溯即可。

+ **非书籍内容的字段映射**: 章节类字段对视频填时间戳或分 P,对播客填集数,对课程填讲次 — 保证可追溯即可。

## 输出结构

```

books/<book-slug>/

- ├── PIPELINE_STATE.md # 流水线状态: 当前阶段 + 各 skill 进度 (断点续跑用)

+ ├── PIPELINE_STATE.md # 流水线状态: 当前阶段 + 进度 (断点续跑用)

├── BOOK_OVERVIEW.md # 阶段 0 产出: 主旨/骨架/术语/批判

├── verified.md # 阶段 1.5 产出: 通过三重验证的单元 + 判定理由

- ├── INDEX.md # 阶段 3 产出: skill 总览 + 引用图

├── GLOSSARY.md # 阶段 3 产出: 全书共享术语词典

├── DIGEST.md # 阶段 5 产出: 面向读者的精华长文

├── candidates/ # 阶段 1 产出: 原始候选池 (审计用)

├── rejected/ # 阶段 1.5 淘汰的单元 + 原因 (审计用)

- ├── <skill-slug-1>/

- │ ├── SKILL.md

- │ ├── test-prompts.json # darwin-skill 兼容格式

- │ └── test-results.md # 阶段 4 测试通过率 + 失败分析

- ├── <skill-slug-2>/

- │ └── ...

+ └── .cangjie/ # v2.5 侧车层（编译事实源 + 运行记录）

+ ├── capabilities/

+ │ ├── verified.yaml # Capability Bundle（唯一编译事实源, capability-bundle.schema.json）

+ │ ├── cards/<slug>.md # RIA 能力卡（R/I/A1/A2/E/B, 阶段 2 产出）

+ │ ├── destinations.json # 晋级/路由去向映射（阶段 1.6 产出）

+ │ └── book/{overview.md,glossary.md}

+ ├── runs/<run-id>/ # 每次编译/更新的决策报告与校验日志

+ └── snapshots/ # 发布前快照（rollback 用）

```

+ 最终交付物由 `scripts/cangjie.py compile` 从 Bundle 编译（--output single 得到 1 个入口 + 能力卡；--output pack 得到 1 个来源路由入口 + 少量晋级 Skill）。

## 执行流程 (严格按顺序)

- **断点续跑**: 开始前先检查 `books/<slug>/PIPELINE_STATE.md` 是否存在。存在则读取并从记录的阶段续跑,不要从头重来。每完成一个阶段,更新该文件 (当前阶段 / 已完成产物 / 各 skill 状态 / 下一步),格式用简单的 checklist markdown 即可。

+ **断点续跑**: 开始前先检查 `books/<slug>/PIPELINE_STATE.md` 是否存在。存在则读取并从记录的阶段续跑,不要从头重来。每完成一个阶段,更新该文件。

### 阶段 0 — 整书理解

1. 读取用户提供的书本文本。大文件分块阅读。

2. 执行 `methodology/01-stage0-adler.md` 中的 Adler 四步 (结构 / 解释 / 批判 / 应用)。

3. 按 `templates/BOOK_OVERVIEW.md.template` 填充,写入 `books/<slug>/BOOK_OVERVIEW.md`。

4. 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。

### 阶段 1 — 5 个 sub-agent 并行提取

**并行** spawn 5 个 Task sub-agents(使用 Agent 工具,一次调用中发起 5 个):

- | sub-agent | 读取的 prompt | 产出 |

- |---|---|---|

- | 框架提取器 | `extractors/framework-extractor.md` | 决策框架 / 思维模型 |

- | 原则提取器 | `extractors/principle-extractor.md` | 原则 / 清单 / 规则 |

- | 案例提取器 | `extractors/case-extractor.md` | 作者在书中亲自使用过的实例 |

- | 反例提取器 | `extractors/counter-example-extractor.md` | 书中警告的失败模式 |

- | 术语提取器 | `extractors/glossary-extractor.md` | 关键概念词典 |

+ |---|---|---|---|

- 每个 sub-agent 独立读书、独立提取、独立输出到 `books/<slug>/candidates/<type>.md`。

+ 每个 sub-agent 独立判断、独立输出到 `books/<slug>/candidates/<type>.md`。

- - **长文本**: 超出单个 sub-agent 上下文的内容,按 `methodology/02-stage1-parallel-extract.md` 的分块策略处理。

+ - **长文本**: 超出单个 sub-agent 上下文的内容,按 `methodology/02-stage1-parallel-extract.md` 的分块策略处理；已建立内容索引（`.cangjie/index/`）时,检索式 extractor 按索引取相关块。

+ - **覆盖率硬门**: 检索式改造后,最终通过三重验证的候选相对全量扫描基线**漏检数必须为 0**,否则该 extractor 退回全量扫描。

- **降级方案**: 当前环境不支持并行 sub-agent 时,用同样 5 个 extractor prompt **串行**执行,产出格式不变。

- ### 阶段 1.5 — 三重验证筛选

+ ### 阶段 1.5 — 三重验证筛选（知识验证）

读取 `methodology/03-stage1.5-triple-verify.md`,对每个候选单元执行:

- **V1 跨域**: 书中至少 2 个独立段落有佐证?

- **V2 预测力**: 能用它回答一个书里没明说的新问题吗?

- **V3 独特性**: 不是任何聪明人都会说的常识吗?

- 通过的写入 `books/<slug>/verified.md`。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。

+ 通过的写入 `books/<slug>/verified.md`。不通过的写入 `books/<slug>/rejected/` 并附原因。

- **用户轻确认** ★: 筛选完成后,把"通过的 N 个候选标题 + 淘汰的 M 个"列表展示给用户:"这 N 个会做成 skill,有想捞回或砍掉的吗?" 得到确认再进入阶段 2 — 阶段 2–4 是最耗时的部分,这一步确认能避免大量返工。

+ **用户轻确认** ★: 筛选完成后,把"通过的 N 个候选标题 + 淘汰的 M 个"列表展示给用户确认,再进入阶段 1.6。

- ### 阶段 2 — RIA++ 构造 skill

+ ### 阶段 1.6 — 独立 Skill 晋级门（产品化验证）

- 对每个通过的单元,按 `templates/SKILL.md.template` 填充:

+ 读取 `methodology/03b-stage1.6-promotion-gate.md`。知识验证通过 ≠ 值得成为独立 Skill。对每个单元评审五条判据（独立意图/独立契约/独立运行/独立复用/独立评测,前 3 条必须通过,后 2 条至少 1 条),把去向写入 Bundle 的 `promotion.destination`（promoted / router）。未晋级单元**不淘汰**,保留为来源路由入口内的能力卡。可发现入口软预算默认 8（含 1 个来源路由入口）。

- - **R (Reading)**: 原文引用 ≤150 字/段 (英文原文 ≤100 词/段)

- - **I (Interpretation)**: 用自己的话重写方法论骨架 (避免照搬译本)

- - **A1 (Past Application)**: 书中作者用过的案例

- - **A2 (Future Trigger)** ★: 用户在什么情境下会需要这个 → skill 的 `description` 字段

- - **E (Execution)**: 1-2-3 可执行步骤

- - **B (Boundary)**: 什么时候不适用 / 来自阶段 0 批判阶段的作者盲点

+ ### 阶段 2 — RIA++ 构造能力卡

- 细则见 `methodology/04-stage2-ria-plus.md`。注意: A2 中"与相邻 skill 的区分"此时只写**初稿** (基于 verified.md 的单元列表),阶段 3 建立链接后回填定稿。

+ 对每个通过的单元,按 `methodology/04-stage2-ria-plus.md` 构造 R / I / A1 / A2 / E / B 六段能力卡:

+ - 卡片正文写入 `books/<slug>/.cangjie/capabilities/cards/<slug>.md`（**不带 frontmatter**,frontmatter 数据记入 Bundle）;

+ - 同时在 `verified.yaml` 登记该能力: 稳定 `capability_id`、intents、keywords、one_liner、importance（附依据）、`frontmatter.description`（A2 浓缩版）。

### 阶段 3 — Zettelkasten 链接

按 `methodology/05-stage3-zettelkasten.md`:

- 1. 找出 skill 之间的引用关系 (A 依赖 B / A 对比 B / A 组合 B)

- 2. 在每个 SKILL.md 末尾补"相关 skills"段,并回填 A2 的"与相邻 skill 的区分"

- 3. 按 `templates/INDEX.md.template` 生成 `INDEX.md` (含引用图 mermaid)

- 4. 把 `candidates/glossary.md` 整理成 `books/<slug>/GLOSSARY.md` — 它是所有 skill 的共享词典,不该埋在审计目录里

+ 1. 找出能力之间的引用关系,写入 Bundle 中各能力的 `also_read`,并回填 A2 的"与相邻能力的区分"

+ 2. 把 `candidates/glossary.md` 整理成 `books/<slug>/GLOSSARY.md`,并复制到 `.cangjie/capabilities/book/glossary.md`

+ 3. INDEX/路由表由编译器从 Bundle 生成,不再手写

### 阶段 4 — 压力测试 (darwin 兼容)

- 对每个 skill 按 `methodology/06-stage4-pressure-test.md`:

- 1. 设计 5–10 条测试 prompt,按 `templates/test-prompts.json.template` 写入 `test-prompts.json`

- 2. 至少包括 3 类: **应调用** / **不应调用 (诱饵)** / **边界模糊**。诱饵中至少 1 条必须是"应触发同书另一个 skill"的场景 (跨 skill 混淆测试)

- 3. 优先用独立 sub-agent 盲测每条 prompt,由主流程对照预期统计结果,**未过的回炉重做阶段 2** — 不做"表面修补"

- 4. 每个 skill 的测试结果写入 `<skill-dir>/test-results.md`

+ 对每个**晋级能力**按 `methodology/06-stage4-pressure-test.md` 设计触发评测（含兄弟诱饵与来源路由入口的互斥负例）;对 router 能力设计"经路由入口可达"的路由用例。未过的回炉重做阶段 2。

- ### 阶段 5 — 交付

+ ### 阶段 5 — 编译与交付

按 `methodology/07-stage5-deliver.md`:

- 1. 生成 `books/<slug>/DIGEST.md` — 面向读者的精华长文 (按 `templates/DIGEST.md.template`),满足"不读全书、只看精华"的需求

- 2. 询问用户安装位置 (用户级 `~/.claude/skills/` 或项目级 `.claude/skills/` / `.cursor/skills/`),把通过测试的 skill 复制或 symlink 过去 — **没有这一步,产出的 skill 无法被真正调用**

- 3. 告知用户: "已完成,可一键喂给 darwin-skill 自动进化"

+ 1. 生成 `books/<slug>/DIGEST.md` — 面向读者的精华长文

+ 2. 运行 `python3 scripts/cangjie.py compile --bundle books/<slug>/.cangjie/capabilities --out <目标目录> --output auto`,把决策报告展示给用户轻确认（按推荐 / 改 single / 改 pack）

+ 3. 询问用户安装位置,把编译产物复制或 symlink 过去

+ 4. 告知用户: "已完成,可一键喂给 darwin-skill 自动进化"

## 质量红线 (违反则阻止输出)

- 1. 每个 skill 必须通过**全部**三重验证

- 2. 每个 skill 必须有完整的 R / I / A1 / A2 / E / B 六段

+ 1. 每个能力必须通过**全部**三重验证

+ 2. 每张能力卡必须有完整的 R / I / A1 / A2 / E / B 六段

3. 原文引用 ≤150 字/段 (英文 ≤100 词/段)

- 4. 每个 skill 必须有 `test-prompts.json`,且包含诱饵测试 (不应调用的场景),其中至少 1 条是同书兄弟 skill 的场景

- 5. `description` 字段必须明确 trigger 条件,不能只是"一个关于 X 的 skill"

+ 4. 每个 active 能力在 `destinations.json` 中恰好一个去向（promoted_to 或 served_by）;未晋级能力必须可经来源路由入口到达

+ 5. 晋级 Skill 的 `description` 必须明确 trigger 条件,并与来源路由入口互有近邻负例

+ 6. 编译产物必须通过 `scripts/validate_skill_pack.py`（格式/相对引用/frontmatter 100%）

+ 7. 生成目录只读:检测到本地手改时不得静默覆盖（编译器强制三选一）

## 与 nuwa-skill / darwin-skill 的生态定位

- **nuwa-skill**: 蒸馏人 (思维方式 / 表达 DNA)

- **cangjie-skill** (本 skill): 蒸馏书 (方法论 / 框架 / 原则)

- **darwin-skill**: 进化任意 skill

- 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。

+ 三者咬合: 本 skill 输出的评测用例遵循 darwin-skill 格式,以便产出的 skill 可直接接入 darwin 做自动进化。

## 调用惯例

- **永远先试点 1 本** — 除非用户明确说"批量"

- **阶段之间主动汇报进度** — 不要静默跑完再 dump 结果

- **不凭记忆拆书** — 没文本就停下来问

- **保留审计轨迹** — candidates/ 和 rejected/ 都要留

- **随时可续跑** — 每完成一个阶段就更新 PIPELINE_STATE.md,中断后从状态文件恢复

+ - **输出策略持久化** — update/repair 默认沿用原输出模式,不因新增材料静默改变产物形态