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

本 Skill 基于《如何阅读一本书》的分析阅读法，帮助你深度分析一本书籍，输出结构化读书笔记，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 .txt 或 .pdf 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	Read 工具（.txt）或 Bash + pdf_extractor.py（.pdf）
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	推荐 Bash + skill_generator.py；或 Write 手动按模板生成
列出已分析书籍	Bash + skill_generator.py --action list

输出目录：生成的读书笔记和 Skill 写入 ~/.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/skill_generator.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：

方式一：.txt 文件

直接使用 Read 工具读取：

请读取书籍内容

方式二：.pdf 文件

使用 pdf_extractor.py 转换为文本：uv run python scripts/pdf_extractor.py --file "{书籍路径}" --output "./temp/{书名}.txt" 然后用 Read 工具读取生成的 .txt 文件。

---

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
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：

   • 第一部分在讲什么
   • 第二部分在讲什么
   • ...

输出：

## 书籍骨架

### 一句话概括
[整本书在讲什么]

### 结构拆解
- 第一部分：[主题]
- 第二部分：[主题]
- ...

### 作者要解决的问题
- 问题1：
- 问题2：

---

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. 找出书中反复出现的关键概念
3. 对每个重要单字，确认你对它的理解与作者一致
4. 找出作者最核心的主旨句（可用自己的话复述检验）

输出：

## 核心概念

| 概念  | 作者的定义 | 你的理解 |
| ----- | ---------- | -------- |
| 概念1 | ...        | ...      |
| 概念2 | ...        | ...      |

## 核心主旨
1. 主旨1：...
2. 主旨2：...

---

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，只保留有独立佐证、有预测力、非常识的方法论单元。

步骤：

1. 对 Step 3 产出的每个方法论单元执行三项验证：
   • V1 跨域验证：书中是否有 ≥2 处独立段落佐证此观点？
   • 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：不是任何聪明人都知道的常识？
2. 记录每项的通过结果
3. 三 ✓ 的进入 Step 5 笔记撰写
4. 含 ✗ 的目标记为"待审"，由脚本在 Step 6 自动过滤

输出：验证记录列表（写入笔记的 ### 验证记录 字段）

---

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/部分同意）
   • 我同意/反对的理由是什么？
   • 这本书与我何干？
   • 读完后我有什么改变？

输出：

## 评价与思考

### 我的立场
- [ ] 同意 / [ ] 反对 / [ ] 部分同意

### 理由
- 同意的点：...
- 不同意的点：...

### 与我何干
- 收获：...
- 行动：...

---

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. 将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：~/.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

---

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，每个方法论单元包含 R/I/A1/A2/E/B 六段

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 "~/.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 跨域：检查 R 段来源章节 ≥2 → 通过
   • V2 预测力：检查 A2 段触发场景 ≥3 条且语言信号 ≥2 → 通过
   • V3 独特性：检查 B 段边界 ≥2 条且 A1 有案例 → 通过
   • 三 ✓ → 纳入 SKILL.md；含 ✗ → 写入 rejected/{单元名}.md
3. 按 prompts/step6_builder.md 模板生成 RIA++ 结构化 SKILL.md

手动方式（如需定制）：

1. 读取 prompts/step6_builder.md 获取 RIA++ 模板
2. 基于读书笔记中的方法论拆解部分，按六段结构组织
3. 生成专属 Skill 文件

输出路径：

• ~/.opencode/skill/books/{slug}/SKILL.md
• ~/.opencode/skill/books/{slug}/rejected/（被过滤的单元，附原因）

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、每个方法论单元六段齐全

步骤：

1. RIA++ 完整性检查：对每个方法论单元确认包含全部六段：
   • R — 原文引用（≤150 字，带出处）
   • I — 方法论骨架（用自己的话重写）
   • A1 — 书中案例（问题 → 使用 → 结果）
   • A2 — 触发场景 ★（≥3 个场景 + 语言信号）
   • E — 可执行步骤（1-2-3 + 完成标准）
   • B — 边界（反场景 + 失败模式）
2. 路径检查：确认文件位于 ~/.opencode/skill/books/{slug}/SKILL.md
3. 问答测试：调用 /book-{slug} 触发词，测试能回答关于方法论的具体问题
4. 修复问题：如果发现六段不完整，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

生成专属 Skill（自动解析笔记）

uv run python scripts/skill_generator.py \
  --book-title "{书名}" \
  --note-path "~/.opencode/skill/books/{slug}/note.md"

查看某本书的笔记

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

查看被过滤的方法论单元（未通过三重验证）

ls ~/.opencode/skill/books/{slug}/rejected/

调用生成的专属 Skill

/book-{slug}

---

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