read-book

> 本 Skill 基于《如何阅读一本书》的分析阅读法，帮助你深度分析书籍，输出 RIA++ 结构化读书笔记，并生成专属 AI Skill。 ## 触发条件 当用户说以下内容时启动： - `/read-book` - "帮我读一本书" - "分析这本书" - "生成读书笔记" - 上传 `.pdf` / `.epub` / `.docx` / `.txt` / `.md` 文件 当用户想继续基于已分析的书籍进行问答时： - 调用生成的专属 Skill（如 `/book-xxx`） --- ## 工具使用规则 | 任务 | 使用工具 | | --------------------- | ------------------------------------------------------------------------ | | 读取书籍内容 | `Bash` + `uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt"` | | 成本估算 | `Bash` + `uv run python scripts/cost_estimator.py` (读取提取后的文本) | | 章节检测 | `Bash` + `uv run python scripts/chapter_detector.py` | | 写入读书笔记 | `Write` 工具 | | 追加评价/思考 | `Edit` 工具 | | 创建 Skill 目录 | `Bash` 工具 | | 生成专属 Skill | `Bash` + `uv run python scripts/skill_generator.py` | | 列出已分析书籍 | `Bash` + `uv run python scripts/skill_generator.py --action list` | | 大文件探测 | 优先用 `Grep` / `Glob` 而非 `Read` 全文（>5000 行时） | **输出目录**：生成的读书笔记和 Skill 写入 `~/.config/opencode/skill/books/{slug}/` --- ## 路径约定 本 skill 当中的所有的引用及运行脚本的路径请优先从当前 skill 目录查找，例如： - 引用 `references/analysis_rules.md` - 运行脚本 `uv run python scripts/extract.py` - 章节检测 `uv run python scripts/chapter_detector.py` - 成本估算 `uv run python scripts/cost_estimator.py` --- ## 核心流程：分析阅读 7 步法 (RIA++) ### Step 0: 读取书籍内容 **根据文件类型选择读取方式**： ``` 格式 命令 ─── ─── .pdf uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" [--technical] .epub uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" .docx uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" .txt/.md uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" ``` PDF 参数说明： - `--technical`：技术类书籍，优先使用 docling（需安装） - `--start N`：从第 N 页开始 - `--end N`：到第 N 页结束 **回退链**（自动降级）： - PDF：docling → pdftotext(poppler) → pypdf → pdfminer.six - EPUB：ebooklib+BeautifulSoup → zipfile+xml - DOCX：python-docx → zipfile+xml --- ### Step 0.5: 成本估算（大文件必做） **目标**：预估处理成本，避免超长文档意外消耗过多 token **步骤**： 1. 提取文本后，运行成本估算（默认 GLM-5.2 计价）： ```bash uv run python scripts/cost_estimator.py --file "./temp/{slug}.txt" ``` 2. 估算包含：字符数、预估 token 数、预估成本（元） 3. 如果预估 token > 50K，询问用户是否继续： - 用户确认 → 继续 - 用户取消 → 终止，建议用章节检测后分步处理 **GLM-5.2 定价**： - 输入：8元/百万token - 输出：28元/百万token - 缓存命中：2元/百万token - 上下文窗口：1M tokens **输出**：成本估算摘要 --- ### Step 0.6: 章节检测 **目标**：快速了解书籍结构，识别章节边界 **步骤**： 1. 运行章节检测： ```bash uv run python scripts/chapter_detector.py --file "./temp/{slug}.txt" ``` 2. 获取章节列表和目录检测结果 3. 如果检测到目录(TOC)，优先从目录区域读取结构 4. 如果文本 > 5000 行，建议按章节分步处理而非一次性读取全文 **输出**：章节列表 + 目录检测结果 --- ### Step 1: 书籍分类 **目标**：判断书籍类型，确定分析方法 **步骤**： 1. 读取 `prompts/step1_classify.md` 获取分类指导 2. 阅读书籍前言/目录/序言（用 Grep 快速定位） 3. 判断书籍类型： - **虚构小说类** → 阅读故事的方法 - **理论性作品**（历史、科学、哲学、数学） → 关注观点与论证 - **实用性作品**（方法论、自我提升） → 关注可执行的方法 - **社会科学类** → 关注人与社会的关系 **输出**：记录书籍类型，后续分析以此为依据调整方法 --- ### Step 2: 搭建骨架 **目标**：理解书籍整体结构 **步骤**： 1. 读取 `prompts/step2_skeleton.md` 获取骨架指导 2. 回答三个问题： - 这本书在谈什么？（用一句话概括） - 作者如何依次发展这个主题？ - 作者想要解决什么问题？ 3. 列出全书的重要部分 **输出**：骨架摘要（一句话概括 + 结构拆解 + 作者要解决的问题） --- ### Step 3: 提取关键词 + 主旨句 **目标**：与作者达成共识，理解核心概念 **步骤**： 1. 读取 `prompts/step3_keywords.md` 获取提取指导 2. 找出 5-10 个反复出现的关键概念 3. 确认理解与作者一致 4. 找出作者最核心的主旨句 **输出**：核心概念表格 + 核心主旨列表 --- ### Step 3.5: 三重验证 **目标**：对提取的核心概念/方法论候选进行质量过滤 **步骤**： 1. 对每个方法论单元执行三项验证： - **V1 跨域验证**：书中是否有 ≥2 处独立段落佐证？ - **V2 预测力验证**：能否用它回答一个书中未明说的新问题？ - **V3 独特性验证**：不是常识？ 2. 三 ✓ → 进入 Step 5 3. 含 ✗ → 标记为"待审"，由脚本在 Step 6 自动过滤 **输出**：验证记录列表 --- ### Step 4: 评价作者 **目标**：形成自己的观点 **步骤**： 1. 读取 `prompts/step4_evaluate.md` 获取评价指导 2. 回答四个问题： - 这本书说的是真的吗？ - 同意/反对的理由？ - 与我何干？ - 读完后有什么改变？ **输出**：评价与思考段落 --- ### Step 5: 生成结构化读书笔记 **目标**：将分析结果整理为可复用的笔记，按方法论单元组织 **步骤**： 1. 读取 `prompts/step5_note.md` 获取笔记模板 2. 整合 Step 1-4 的所有分析结果 3. 方法论内容拆分为独立单元，每个单元填充 R/I/A1/A2/E/B 六段 + 验证记录 4. 填充模板，生成完整读书笔记 **输出路径**：`~/.config/opencode/skill/books/{slug}/note.md` **笔记结构**： ``` ## 方法论拆解 ### {方法论1} → R / I / A1 / A2 / E / B / 验证记录 ### {方法论2} → R / I / A1 / A2 / E / B / 验证记录 ## 核心概念 → 概念表格 ## 我的评价 / 与我何干 ## 精彩摘录 ## 附录：分析过程记录 ``` --- ### Step 6: 生成专属 AI Skill（RIA++） **目标**：将书籍方法论封装为 RIA++ 结构的可执行 Skill **步骤**（推荐使用脚本自动生成）： ```bash uv run python scripts/skill_generator.py \ --book-title "{书名}" \ --note-path "~/.config/opencode/skill/books/{slug}/note.md" ``` 脚本执行流程： 1. 解析笔记中的方法论单元（`## 方法论拆解` 部分） 2. **三重验证过滤**（V1/V2/V3） 3. 生成 RIA++ 结构化 SKILL.md + glossary.md + patterns.md + cheatsheet.md **输出路径**： ``` ~/.config/opencode/skill/books/{slug}/ ├── SKILL.md # 核心触发入口（~4K tokens） ├── glossary.md # 术语表（~1.5K tokens） ├── patterns.md # 技术/模式表（~2K tokens） ├── cheatsheet.md # 决策规则速查（~1K tokens） └── rejected/ # 被过滤的方法论单元 ``` **触发词**：`/book-{slug}` --- ### Step 7: 验证生成的 Skill **目标**：确保生成的 RIA++ Skill 结构完整 **步骤**： 1. **RIA++ 完整性检查**：每个方法论单元确认包含全部六段 2. **路径检查**：确认文件位于 `~/.config/opencode/skill/books/{slug}/` 3. **问答测试**：调用 `/book-{slug}` 测试 4. **修复问题**：如果发现问题，检查笔记格式后重新生成 --- ## 管理命令 ### 列出已分析的书籍 ```bash uv run python scripts/skill_generator.py --action list ``` ### 查看某本书的笔记 ```bash cat ~/.config/opencode/skill/books/{slug}/note.md ``` ### 查看被过滤的方法论单元 ```bash ls ~/.config/opencode/skill/books/{slug}/rejected/ ``` ### 调用生成的专属 Skill ``` /book-{slug} ``` --- ## 输出文件结构 生成的专属 Skill 目录： ``` ~/.config/opencode/skill/books/{slug}/ ├── SKILL.md # 核心：frontmatter + 方法论卡片 + 索引 ├── glossary.md # 术语表：书中关键概念定义 ├── patterns.md # 模式表：技术、算法、设计模式 ├── cheatsheet.md # 速查表：决策规则、快速参考 ├── note.md # 原始读书笔记 ├── metadata.json # 元数据：提取统计、验证统计 └── rejected/ # 未通过三重验证的方法论 ├── {method}.md └── ... ``` ### 各文件 token 预算 | 文件 | 预算 | 用途 | |------|------|------| | SKILL.md | ~4K tokens | 核心框架 + 方法论索引 + 第一屏方法论卡片 | | glossary.md | ~1.5K tokens | 所有术语定义（按需加载） | | patterns.md | ~2K tokens | 技术/模式描述（按需加载） | | cheatsheet.md | ~1K tokens | 决策表（按需加载） | --- ## 参考资料 - 详细分析阅读规则：`references/analysis_rules.md` - 完整阅读层次说明：`references/read_level.md`