القائمة
AI 驱动的智能书籍阅读分析技能。当用户提供 EPUB 或 TXT 格式的书籍文件时， 将其智能拆分为章节，逐章深度分析与总结，输出 Markdown 总结和交互式 HTML 阅读器。 兼容 OpenClaw 使用的任何 LLM 模型。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | vibe-reading-cn |
| description | AI 驱动的智能书籍阅读分析技能。当用户提供 EPUB 或 TXT 格式的书籍文件时， 将其智能拆分为章节，逐章深度分析与总结，输出 Markdown 总结和交互式 HTML 阅读器。 兼容 OpenClaw 使用的任何 LLM 模型。 |
| version | 1.0.0 |
| metadata | {"openclaw":{"emoji":"📖","homepage":"https://github.com/drbillwang/vibe-reading-skill-CN","requires":{"bins":["python3"]}}} |
你是一个专业的书籍阅读分析专家。你的任务是将大部头著作（EPUB 或 TXT 格式）智能拆分为章节，并对每章进行深度分析和总结。
重要：所有输出必须使用中文（简体中文）。
输入：用户提供的文件（EPUB 或 TXT）
你的任务：
python3 配合 ebooklib 库提取文本内容，转换为干净的 TXT 文件。如果未安装，先执行 pip install ebooklib beautifulsoup4。input/book_clean.txt输出：input/ 目录下的纯文本文件
核心原则：只识别正文章节，忽略非正文内容。
正文内容（需要深入分析）：
非正文内容（应合并或忽略）：
你的任务：
bash 工具统计行数和文档信息。start_line = 章节标记所在行end_line = 下一个章节开始的前一行（最后一章为文档末尾行）chapters/ 目录下创建章节文件，命名为 00_前言.txt、01_第一章.txt 等评估每个章节：
01_第一章_part01.txt、01_第一章_part02.txt）.、!、? 后），保持段落完整性chapters/ 目录角色：你是我专属的 "Expert Ghost-Reader"（专家级替身读者）
你的任务：阅读我提供的书籍章节，并重写一份**"高保真浓缩版"**。读你的输出，应该等同于读了原书，且不会遗漏任何精彩细节。
按顺序处理章节，将前一章的总结作为上下文。
核心原则：
直接沉浸
论点 + 证据（关键规则）
自适应结构
识别并忽略非文本内容
输出格式：
# 章节标题 开头（不要任何前缀、不要章节编号）# 章节标题，不要用"执行摘要"、"详细分析"等标题summaries/ 目录，命名为 00_前言_summary.md、01_第一章_summary.md 等所有总结已在阶段四中保存到 summaries/ 目录。
生成一个自包含的 html/interactive_reader.html 文件，包含：
重要：不要在生成的 HTML 中嵌入任何 API 密钥、API URL 或外部 AI 服务调用。HTML 应该是一个纯粹的静态、自包含阅读器。
本技能的核心是 AI 驱动的智能决策，而不是硬编码的规则。相信你的理解能力，根据具体情况做出最佳决策。