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
复制下面这句话，粘贴给 Claude Code、Codex、Cursor 等 AI 编程工具，它会读取安装说明并在你确认后完成安装。
请阅读 https://ai.atlankj.com/install/asset/gh-cangjie-skill-2439de14d330 ，按照其中的说明把「cangjie-skill」安装到你（当前 AI 工具）中。执行前先告诉我将运行的命令和写入的位置，等我确认。
查看 AI 将读取的安装说明正在读取 GitHub 原文…
内容来自 GitHub 原始文件，由原作者维护。在 GitHub 查看
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:
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）。
用户说类似:
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。
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。
books/<book-slug>/
├── 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
├── coverage-audit.md # 原书关键任务 → 候选 → 判定 → 实际交付去向
├── references.md # 有依据但不执行的参考内容及交付映射
├── needs-review.md # 来源/条件/测试缺口；不编译为 active 能力
├── 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)
└── .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）
│ ├── resources/ # 能力显式声明的 UTF-8 脚本、CSV/JSON/Markdown 模板（可选）
│ ├── 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）。
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。
methodology/01-stage0-adler.md 中的 Adler 四步 (结构 / 解释 / 批判 / 应用)。templates/BOOK_OVERVIEW.md.template 填充,写入 books/<slug>/BOOK_OVERVIEW.md。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 | 上下文策略 | 产出 |
|---|---|---|---|
| 框架提取器 | extractors/framework-extractor.md | 全量扫描（兼顾跨章节与单处完整机制） | 决策框架 / 思维模型 / 流程 / 排障 |
| 原则提取器 | extractors/principle-extractor.md | 全量扫描（含公式、表格、脚注） | 原则 / 清单 / 规则 / 计算口径 |
| 案例提取器 | extractors/case-extractor.md | 检索式取块（局部命中型） | 书中实例、转述案例、例题，标明类型 |
| 反例提取器 | extractors/counter-example-extractor.md | 检索式取块（局部命中型） | 书中警告的失败模式 |
| 术语提取器 | extractors/glossary-extractor.md | 检索式取块 + 脚本预筛 | 关键概念词典 |
每个 sub-agent 独立判断、独立输出到 books/<slug>/candidates/<type>.md。
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。读取 methodology/03-stage1.5-triple-verify.md,对每个候选单元执行:
按 verified / reference / needs_review / rejected 分流，记录依据及缺口；参考内容须映射到实际交付的 overview/glossary，不是所有未通过项都淘汰。更新 coverage-audit.md。
用户轻确认 ★: 展示可执行候选、参考、待核查、淘汰四类及重要缺口，再进入阶段 1.6；确认不能替代来源验证。
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）。
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:
books/<slug>/.cangjie/capabilities/cards/<slug>.md（不带 frontmatter,frontmatter 数据记入 Bundle）;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）。resources 显式声明配套文本资源，见阶段 2 说明。按 methodology/05-stage3-zettelkasten.md:
also_read,并回填 A2 的"与相邻能力的区分"candidates/glossary.md 整理成 books/<slug>/GLOSSARY.md,并复制到 .cangjie/capabilities/book/glossary.mdreferences.md 中需保留的内容并入 Bundle 的 book/overview.md 或 book/glossary.md，在覆盖审计登记实际路径；不把待核查内容伪装为可执行方法按 methodology/06-stage4-pressure-test.md，晋级能力测触发，router 能力测可达；两类都要实际完成代表任务并核对输出，不能用“会调用”替代“做得对”。缺失输出计入评测分母，未完成不得声明通过。未过的回炉重做阶段 2。
按 methodology/07-stage5-deliver.md:
books/<slug>/DIGEST.md — 面向读者的精华长文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）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description 必须明确 trigger 条件,并与来源路由入口互有近邻负例scripts/validate_skill_pack.py（格式/相对引用/frontmatter 100%）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。