read-book

name	read-book
description	读书 Skill - 基于《如何阅读一本书》的分析阅读法，深度分析书籍并生成专属 AI Skill 助手
argument-hint	[书籍文件名]
user-invocable	true
allowed-tools	Read, Write, Edit, Bash, Glob, Grep
use_case	当用户需要深度分析一本书并生成结构化读书笔记和 RIA++ 格式的 AI Skill 时调用。 支持 PDF / EPUB / DOCX / TXT / Markdown 格式。 包含成本预估、章节检测、三重验证等质量控制步骤。

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）：

   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：

   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）：

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

uv run python scripts/skill_generator.py --action list

查看某本书的笔记

cat ~/.config/opencode/skill/books/{slug}/note.md

查看被过滤的方法论单元

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