cangjie-skill
kangarooking/cangjie-skill加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
读了一本好书却记不住用不上？看完一期干货播客转头就忘？cangjie-skill 可能是你一直在找的那个"知识变现"工具——它能把任何书籍、视频、播客里的方法论，蒸馏成 AI Agent 可以直接调用的 Skill。
你一定有过这样的经历：深夜刷到一个 B 站/YouTube 长视频，干货满满，收藏了。打开一本专业书籍，框架精妙，画了线。订阅了一个播客，观点犀利，存了。
然后呢？收藏夹吃灰，笔记散落在各处，AI 来了却不知道怎么调用。
这不是你的问题——这是知识消费方式的结构性困境。摘要、笔记、划线只是在做"压缩"，而不是"结构化复用"。压缩后的内容依然是非结构化的自然语言文本，AI agent 无法在真实决策场景中精确调用。
cangjie-skill 解决的就是这道鸿沟：把高价值内容里真正值得变成工具的方法论拆出来，变成可以触发、可以组合、可以测试的 AI Skill。
作者 kangarooking 明确区分了两个概念：
两者互补：nuwa 把人的经验变成可复用的 AI 风格，cangjie 把系统性输出的内容变成可调用的 AI 工具。
cangjie-skill 特别适合商业经典（穷查理宝典、影响力、疯传、爆款文案）、投资文献（巴菲特致股东信 1957-2023，20个投资判断 Skill）、管理文化（网飞《不拘一格》）、中文经典（黄帝内经、孙子兵法、毛泽东选集、周易）以及长视频/播客。已有大量社区贡献者将各类书籍蒸馏成了可安装的 Skill Pack。
cangjie-skill 的核心是 RIA-TV++ 流水线，将原始内容转化为可安装的 Skill Bundle。
阶段 0：Adler 整书理解 — 借鉴 Mortimer Adler 的分析阅读法，对整份内容做结构、解释、批判、应用四步拆解，产出 BOOK_OVERVIEW.md。
阶段 1：5 个 Agent 并行提取 — 同时派出 5 个专项提取 Agent：
阶段 1.5 & 1.6：三重验证 + 晋级门 — 每个候选必须通过：来源充分性、可执行性、任务增益。通过的进入能力卡构造，参考内容单独留痕，淘汰内容记录原因。
阶段 2：RIA++ 能力卡构造 — 写入结构化的 Capability Card，包含 R（原文引用）、I（理解）、A1/A2（两种场景应用）、E（执行步骤）、B（适用边界）。这就是 TV++ 的 + 含义——面向 AI Agent 执行做了扩展。
阶段 3：Zettelkasten 链接 — 将能力关系写入能力图和共享术语表，构建知识网络。
阶段 4：压力测试 — 为每个 Skill 设计含诱饵题的测试用例，未通过回炉重做，兼容 darwin-skill 自动进化。
阶段 5：确定性编译与交付 — 同一 Bundle 编译为 single（单路由入口，适合学习）或 pack（紧凑包，适合工作流）。产出 DIGEST.md、校验结果和可安装目录。
cangjie-skill 本身不是 AI 模型，而是方法论 + 模板 + 脚本的 Skill 定义包，核心交付物是 SKILL.md 元定义文件，被多个 AI Agent 平台消费：
官网 cangjie-skill.com 用 Astro 构建，提供 Skill Pack 可视化浏览。
从仓库结构看，这是一个方法论驱动的项目。代码量不大（Python + TypeScript），但方法论文档极为详尽（methodology/ 下 9 个阶段），有严格的 Schema 验证（12 个 JSON Schema）和 vitest 测试框架。版本化发布（v2.5.0，带 SHA256 校验），包含内容寻址预处理、源文档 diff、影响分析、事务性补丁、手改检测、快照和回滚等演进机制。
这是典型的"文档质量 > 代码量"项目——本质是 AI 驱动的知识工程框架。
cangjie-skill 代表了知识蒸馏从模型层走向应用层的新方向：不是把知识压缩进大模型参数里，而是把知识结构化成 Agent 可以精确调用的 Skill 工具包。
这解决了一个核心痛点：一份被蒸馏过的巴菲特投资方法论 Skill，在需要做投资判断时触发调用，比让大模型"凭记忆推理"要可靠得多。
v2.5.0 的 Capability Bundle 机制将"能力"与"产品化形式"解耦，同一套方法论可灵活编译为不同交付形态，降低了知识资产复用的门槛。