评分明细
适用场景
这是什么？适合谁？
Cangjie Skill（仓颉 Skill，kangarooking/cangjie-skill）是一个知识蒸馏元 Skill：把一本书、一个 B 站/YouTube 长视频、一期播客、一门课程里的方法论，拆解成一组原子化、可被 Agent 在真实场景中调用的 Skills。它不是做摘要、不是写读后感，而是产出带触发条件、适用边界、可组合调用的 SKILL.md 工具包—让「看过很多书却用不起来」的知识真正变成 Agent 能调用的能力。
适合人群：
- 内容消费者：书、长视频、播客收藏一堆但从未复用的知识工作者
- Skill 生态玩家：想用别人蒸馏好的「巴菲特投资判断」「影响力说服心理」等现成 skill 包
- 中文 Agent 用户：这是目前少有的中文原生方法论蒸馏 skill，README/SKILL.md 全中文
- 知识博主：想把自己内容产品化为可分发 skill 包的创作者
使用前提：已安装 Claude Code / OpenClaw / Cursor / DeepSeek Harness 之一的 Agent 环境；源材料有可提取的文本（书籍文本、字幕、转写稿）。
准备工作
- Agent 环境：Claude Code（主力验证平台）或 OpenClaw / Cursor；DeepSeek Harness 用户可用官方插件包（v2.0.0）
- 源材料：书籍文本 / 视频字幕 / 播客转写稿（视频建议先用同作者的 video-downloader skill 下载并转写）
- 成本：Skill 本身 AGPL-3.0 开源免费；蒸馏过程消耗 LLM tokens（长书一次蒸馏 token 消耗可观，建议分段）
- 时间预算：装好 skill 后跑通第一个蒸馏任务约 30-60 分钟（视材料长度）
快速上手（3 步）
第一步：把 skill 装进 Agent 的 skills 目录
以 Claude Code 为例，把仓库放入 ~/.claude/skills/（或你的 Agent 对应 skills 目录）：
git clone https://github.com/kangarooking/cangjie-skill.git ~/.claude/skills/cangjie-skill
DeepSeek Harness 用户改用官方插件包：
mkdir -p ~/.dsh/packages
curl -fL "https://github.com/kangarooking/cangjie-skill/releases/download/v2.0.0/dsh-cangjie-skill-2.0.0.tgz" -o ~/.dsh/packages/dsh-cangjie-skill-2.0.0.tgz
dsh plugin --profile web add ~/.dsh/packages/dsh-cangjie-skill-2.0.0.tgz
第二步：发起第一个蒸馏任务
启动新会话后直接说：
请用 cangjie-skill 把这本书蒸馏成一组可执行的 Agent Skills：<文件路径>
skill 的触发词包括「拆书」「蒸馏一本书」「把 XX 书做成 skill」「把这个视频/播客蒸馏成 skill」。
第三步：按流水线走完并验收产出
完整流水线是 RIA-TV++：整书理解 -> 5 个 agent 并行提取候选方法论 -> 三重验证筛选（用户轻确认）-> RIA++ 构造每个 skill（原文/重写/书中案例/未来触发场景/可执行步骤/边界六维度）-> Zettelkasten 链接生成 INDEX.md -> 压力测试（含诱饵题）-> 交付。
成功判定：产出不是一个摘要文件，而是一个多 skill 仓库—BOOK_OVERVIEW.md（全局理解）+ INDEX.md（技能地图）+ DIGEST.md（精华长文）+ GLOSSARY.md（术语表）+ 若干 */SKILL.md（独立可调用模块）+ test-prompts.json（触发验证）。
初级用法
- 直接用现成 skill pack：仓库 README 列出 25+ 个已蒸馏好的包，如 buffett-letters-skill（20 个投资判断 skill）、《影响力》（12 个说服心理 skill）—不想自己蒸馏，装成品即可
- 视频/播客蒸馏：先配合作者的 video-downloader skill 拿到字幕/转写，再交给 cangjie-skill 抽方法论
- 控制边界：它只蒸馏方法论/框架/原则/清单，明确不做书摘、读后感、作者人设扮演（那是同生态 nuwa-skill 的职责）
高级玩法
- 生态组合流水线：nuwa-skill 蒸馏人（表达 DNA）+ cangjie-skill 蒸馏书（方法论）+ darwin-skill 让 skill 自动进化—三件套构成完整的「人的知识资产化」管线
- 压力测试把关：利用阶段 4 的 darwin 兼容测试与诱饵题机制，淘汰「看似有理但经不起追问」的候选 skill，只留真金
- 外部书源共建：README 已收纳经作者同意的外部仓库（book2startup 的《精益创业》《孙子兵法》、book2skill 的《缠论》《茶经》），可参照格式贡献自己的蒸馏包
常见踩坑（5 条）
踩坑 1：拿它当摘要工具用
- 现象：期待输出「这本书讲了什么」的总结
- 原因：SKILL.md 边界条款明确排除简单摘要/书评/角色扮演
- 解决：要摘要用普通 LLM 对话；要「以后能调用的方法论」才用 cangjie-skill
踩坑 2：源材料没有可提取的方法论
- 现象：蒸馏结果 skill 数量少、质量低
- 原因：小说、散文类内容缺少可重复调用的决策框架/原则体系
- 解决：优先选方法论文献、投资/商业问答录、课程讲义类材料
踩坑 3：一次性蒸馏超长内容 token 爆炸
- 现象：长书整本跑，上下文和费用都吃紧
- 原因：整书理解 + 5 路并行提取都是 token 大户
- 解决：按篇/章分段蒸馏，或选已有 skill pack 直接复用
踩坑 4：视频直接丢链接
- 现象：Agent 无法处理视频 URL
- 原因：cangjie-skill 消费的是文本（字幕/转写）
- 解决：先用 video-downloader skill 下载视频、提取字幕转写，再进入蒸馏
踩坑 5：忽略三重验证的「用户轻确认」环节
- 现象：跳过确认导致产出大量低价值 skill
- 原因：阶段 1.5 设计上要求用户对候选方法论单元轻确认
- 解决：花几分钟勾选，淘汰率直接影响最终 skill 包质量
小技巧（5 条）
- 先装成品包体验：从 buffett-letters-skill 或 influence-skill 开始，理解「蒸馏后的 skill 长什么样」再自己动手
- 中英日三语 README：英文用户看 README.en.md，贡献者注意同步多语言版本
- 用 test-prompts.json 验收：产出后用测试提示词逐个触发，确认每个 skill 能被正确调起
- GLOSSARY.md 别浪费：术语表是跨 skill 混淆测试的基础，也是后续维护包的索引
- 官网可视化浏览：cangjie-skill.com 提供 Skill Packs 浏览与从零教程，比纯 README 更直观
常见问题 FAQ
Q1：和普通「让 ChatGPT 总结一本书」有什么本质区别？
A：摘要产出的是「压缩后的记忆」，蒸馏产出的是「可调用的技能」—每个 skill 有触发条件（什么时候用）、边界（什么时候不用）、可执行步骤，能在你未来真实决策场景中被 Agent 自动调起。
Q2：已经有哪些现成的 skill pack 可以直接用？
A：README 列出 25+ 个，覆盖巴菲特致股东信（20 skill）、《影响力》（12）、《穷查理宝典》（12）、《黄帝内经》（22）、《毛泽东选集》（25）、吴恩达 AI 课程（25）等，另有经作者同意的外部贡献包。
Q3：支持哪些 Agent 平台？
A：README 徽章标注 OpenClaw、Claude Code、DeepSeek Harness 三平台；蒸馏产出的 SKILL.md 是通用格式，Cursor 等支持 skills 目录的 Agent 也可安装。
Q4：中文内容的优势在哪？
A：它是中文原创生态（作者袋鼠帝 kangarooking），对中文书籍/视频/播客的蒸馏无需翻译损耗，且已有大量中文书目成品包，这在 skill 生态里独一份。
Q5：许可证有什么需要注意的？
A：仓库为 GNU AGPL v3.0。个人使用无碍；若二次开发并对外提供网络服务，需遵守 AGPL 开源衍生作品的义务。
进阶学习建议
- 精读 SKILL.md 的 RIA-TV++ 流水线定义与
methodology/各阶段文档，理解五阶段+并行提取+三重验证的设计取舍 - 研读
extractors/中 5 个并行提取器的 prompt 定义，学习「多视角提取再交叉验证」的抗遗漏结构 - 拆解一个成品包（如 influence-skill 的 12 个 SKILL.md），观察 R/I/A1/A2/E/B 六维度在真实 skill 里的落法
- 了解生态三件套的咬合方式：nuwa 蒸馏人、cangjie 蒸馏书、darwin 进化 skill，思考自己的知识管理管线怎么搭
参考链接
本文基于公开资料于 2026-08-19 整理，社区指标反映 GitHub 公开数据。独立实测未进行，功能和配置项可能随版本更新而变化，请以官方文档为准。
📊 评分与标签
评分说明
总分 8.2/10 · P_优选
📊 可观测社区指标（采集日期：2026-08-19）
- GitHub: kangarooking/cangjie-skill ★8,246, 🔱983
- 语言：中文为主（附英文/日文 README），最近推送：2026-08-17
- 协议：AGPL-3.0
- 生态：25+ 个成品 skill pack 仓库（巴菲特信、《影响力》《穷查理宝典》《黄帝内经》等）
📦 可安装性 2.3/2.5
- 克隆进 skills 目录即用；提供 DeepSeek Harness 官方插件包（v2.0.0 tgz）
- 无构建依赖，纯 Markdown+prompt 资产
- 竞品对比 1（需要编译/依赖管理的框架型 skill）：本仓库零构建
- 竞品对比 2（仅提供 API 的知识服务）：无环境依赖但无 Agent 原生集成
🎯 实用性 2.2/2.5
- 解决「知识看过用不起来」的真痛点：产出可触发、可组合、可压力测试的 skill 而非摘要
- 25+ 成品包可直接复用（投资/文案/认知/国学等垂直领域）
- 蒸馏长书 token 消耗大，需分段控制
- 竞品对比 1（书摘类笔记工具）：只压缩不复用
- 竞品对比 2（nuwa-skill）：蒸馏「人」的表达 DNA，cangjie 蒸馏「方法论」，互补不替代
📖 文档质量 1.8/2.0
- 全中文原创文档+中英日三语 README，官网提供可视化教程
- RIA-TV++ 五阶段流水线、边界条款、成品包清单全部显式写明
- 竞品对比 1（无方法论说明的 prompt 集合）：本仓库有完整方法论文档（methodology/）
- 竞品对比 2（英文为主的知识 skill）：中文用户体验零损耗
👥 社区活跃 1.5/1.5
- 8,246 星 / 983 fork（2026-08-19 采集），中文 skill 生态头部量级
- 2026-08-17 仍活跃推送；已有外部贡献者提交 skill pack 与多语言 README
- 来源：GitHub API
- 竞品对比 1（同类蒸馏项目多在几百星量级）：体量领先一个数量级
- 竞品对比 2（个人实验仓库）：本仓库生态化程度高（25+ 衍生包）
🔗 兼容性 0.4/1.5
- 官方标注 OpenClaw / Claude Code / DeepSeek Harness 三平台；产出为通用 SKILL.md 格式，Cursor 等可手动安装
- 平台适配层封装在 Release 包中，自建 Agent 需自行搬运
- 竞品对比 1（官方六平台兼容检查类工具）：本仓库未提供兼容性自检
- 竞品对比 2（单一平台锁定的 skill）：跨平台可迁移性尚可
标签说明
- 知识蒸馏: 把书籍/长视频/播客的方法论蒸馏为可调用 skill。来源：GitHub
- RIA-TV++: 独创五阶段+并行提取+三重验证蒸馏方法论。来源：GitHub
- 中文原创: 中文原生 skill 生态头部项目，无翻译损耗。来源：GitHub
- Claude Code: 主力验证平台，克隆即用。来源：GitHub
- Skill: 服务于 Agent Skill 生态的元 skill。来源：GitHub
来源核实
- ✅ GitHub API 已验证: kangarooking/cangjie-skill - Stars 8,246, Forks 983, pushed 2026-08-17, AGPL-3.0
- ✅ README/SKILL.md 已读取: RIA-TV++ 流水线、平台徽章、DeepSeek Harness 插件安装命令、25+ 成品包清单均已核对
- ⚠️ 未实测: 未实际执行一次完整蒸馏流程，token 消耗为基于流水线结构的推断
- ⚠️ 注意: staging 原始评分 80/100（10 分制约 8.0），本评分按五维度独立核算为 8.2，差异来自社区活跃度（8.2K 星）权重上浮
评分依据可追溯至公开数据源，评估日期：2026-08-19。社区指标来自 GitHub API 实时数据。