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 / 操作流程 / 计算规则 / 排障 / 清单 / 原则的蒸馏，概念体系作为参考支撑
• ❌ 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++（v2.5 Bundle 版）

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（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:

脚本依赖: 确定性脚本(scripts/)需要 Python 3.10+ 与 PyYAML(python3 -m pip install pyyaml)。缺 PyYAML 时先运行 python3 scripts/cangjie.py doctor 自检,它会给出安装指引。

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. 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: 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