| name | cangjie_extraction |
| description | 把书/长视频转写/播客文字稿/课程/访谈/长文蒸馏成一组原子化、可被 agent 调用的方法论 skill。 当用户说"拆书"、"蒸馏一本书"、"把 XX 书做成 skill"、"提取方法论"、"抽象出理论"、 "把视频/播客/课程蒸馏成 skill"时使用，或 agent 在任务中识别到可复用方法论时主动调用。 基于 RIA-TV++ 流水线（Adler 理解→并行提取→三重验证→RIA++→Zettelkasten→压力测试→交付）。
|
| task_type | daily.cangjie_extraction |
| trust | adapted |
| upstream_repo | https://github.com/kangarooking/cangjie-skill |
| upstream_path | .agents/skills/daily/cangjie_extraction/upstream/ |
| upstream_fused_at | 2026-07-21T00:00:00.000Z |
cangjie_extraction — 蒸馏长内容为可执行方法论 skill 包
何时调用此 skill
用户显式触发：
- "帮我拆《穷查理宝典》"
- "把毛选蒸馏成 skill"
- "把这个 B 站视频/播客/课程蒸馏成 skill"
- "distill this book into skills: "
- "我想把这本书的方法论做成可用的 skill"
- "提取一下这套方法论"
- "把这套流程抽象成 skill"
Agent 主动触发（任务执行中识别到机会）：
- 用户在任务中分享了一本书的核心观点，且这些观点明显可复用为决策框架
- 任务执行过程中浮现出一套非显然的方法论，值得抽象为可复用 skill
- 会话中产生的方法论既不是代码也不是简单事实，而是结构化思维工具
- 用户多次提到同一类决策模式，暗示需要抽象出指导框架
与 nuwa-skill / darwin-skill 的边界
- nuwa-skill（外部）：蒸馏人（思维方式 / 表达 DNA）— 模仿一个人
- cangjie_extraction（本 skill）：蒸馏书 / 长内容（方法论 / 框架 / 原则）— 抽象出可复用工具
- darwin-skill（外部）：进化任意 skill — 持续优化已存在的 skill
本 skill 不做：书摘、读后感、作者人设角色扮演。后者请引导用户用其他工具。
输入要求
开始前必须从用户处确认：
- 内容文本来源：PDF / EPUB / TXT / 字幕文件 / 转写稿路径，或可访问的纯文本。不要在没有文本的情况下"凭记忆"蒸馏 — 宁可停下来问用户要。
- 视频/播客建议先用
web_archive 或第三方转写工具拿到文本
- 内容元信息：书籍是"书名 + 作者 + 出版年"；视频/播客/课程是"标题 + 作者(UP主/主播/讲者) + 发布时间"。用于目录命名和审计。
- 是否首次试点：如果用户是第一次用此 skill，建议先蒸馏 1 份内容验证流程再批量。
非书籍内容的字段映射：source_chapter 等"章节"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。
完整流水线（RIA-TV++）
完整工作流文档位于本地 upstream/ 档案：.agents/skills/daily/cangjie_extraction/upstream/SKILL.md（含 7 阶段详细规范）。本 wrapper 提供路径适配和产物路由决策，具体阶段执行细节请读对应文件。
阶段 0: Adler 整书理解 → BOOK_OVERVIEW.md ← methodology/01-stage0-adler.md
阶段 1: 5 个 agent 并行提取 → 候选方法论单元池 ← extractors/*.md
阶段 1.5: 三重验证筛选 → 通过的单元 (用户轻确认) ← methodology/03-stage1.5-triple-verify.md
阶段 2: RIA++ 构造 skill → 每个 skill 的 SKILL.md ← methodology/04-stage2-ria-plus.md + templates/SKILL.md.template
阶段 3: Zettelkasten 链接 → INDEX.md + GLOSSARY.md ← methodology/05-stage3-zettelkasten.md
阶段 4: 压力测试 (darwin 兼容) → test-prompts.json + 回炉淘汰 ← methodology/06-stage4-pressure-test.md
阶段 5: 交付 → DIGEST.md + 安装到 skills 目录 ← methodology/07-stage5-deliver.md
断点续跑：开始前先检查 workspace/cangjie/<slug>/PIPELINE_STATE.md 是否存在。存在则从记录的阶段续跑，不要从头重来。每完成一个阶段更新该文件。
产物路径适配（与原版的差异）
原版 cangjie-skill 默认输出到 books/<book-slug>/。本适配版按项目约定改为：
| 原版路径 | 本项目路径 | 说明 |
|---|
books/<slug>/ | workspace/cangjie/<slug>/ | 蒸馏工作目录（所有阶段产物） |
books/<slug>/PIPELINE_STATE.md | workspace/cangjie/<slug>/PIPELINE_STATE.md | 流水线状态（断点续跑用） |
books/<slug>/BOOK_OVERVIEW.md | workspace/cangjie/<slug>/BOOK_OVERVIEW.md | 阶段 0 产出 |
books/<slug>/candidates/ | workspace/cangjie/<slug>/candidates/ | 阶段 1 候选池（审计） |
books/<slug>/rejected/ | workspace/cangjie/<slug>/rejected/ | 阶段 1.5 淘汰单元（审计） |
books/<slug>/verified.md | workspace/cangjie/<slug>/verified.md | 阶段 1.5 通过单元 |
books/<slug>/<skill-slug>/SKILL.md | workspace/cangjie/<slug>/<skill-slug>/SKILL.md | 单个蒸馏出的 skill |
books/<slug>/INDEX.md | workspace/cangjie/<slug>/INDEX.md | skill 总览 + 引用图 |
books/<slug>/GLOSSARY.md | workspace/cangjie/<slug>/GLOSSARY.md | 共享术语词典 |
books/<slug>/DIGEST.md | workspace/cangjie/<slug>/DIGEST.md | 面向读者的精华长文 |
~/.claude/skills/ 或 .claude/skills/ | 见下方"产物路由决策" | 安装位置 |
产物路由决策（核心适配点）
原版阶段 5 简单询问"装到 ~/.claude/skills/ 还是项目级"。本适配版按产物通用性做四向路由，agent 在阶段 5 完成后必须按下表决策：
| 产物特征 | 路由目的地 | 操作 |
|---|
| 通用方法论（适用于多数项目 / 跨领域复用，如"反向思考清单"、"二阶决策框架"） | .agents/skills/<scope>/<skill-slug>/SKILL.md | scope 选 daily/ 或 dev/；写入后更新 _index.md + agent_guide.py GUIDE_REGISTRY + 运行 tools/check_skills 验证 |
| 领域特定方法论（仅对本项目或当前任务有用，如"异环抽卡数据清洗方法论"） | workspace/cangjie/<slug>/<skill-slug>/SKILL.md | 保留在工作目录，不进项目 skills；可在 wip 中引用路径 |
可消费性达标的洞察事实（符合 memory_generation 的"为什么 + 如何应用"标准，且不与已有记忆重复） | 写入 memory（memory_set） | 用 cangjie_extraction.<slug> 作为 key 前缀；type=reference；必填 consumption_contexts 和 trigger_keywords |
| 未完成的蒸馏任务 / 后续要测试的 skill / 待用户决策的安装 | wip（wip_create） | extra_data 字段存 workspace/cangjie/<slug>/ 路径；status=active 或 blocked（等用户决策） |
多目的地并存：一次蒸馏可能同时产出多种特征的方法论，agent 应分别路由，不要"一刀切"。例如《穷查理宝典》可能既产出通用 skill（"反向思考"）也产出领域 skill（"投资决策清单"）。
避免重复造轮子：写入项目 .agents/skills/ 前，先用 memory_list 和 _index.md 查重，避免与已有 skill 重复（如 anti_hallucination 已有的"先理解再动手"原则）。
执行流程要点
阶段 0 — 整书理解
- 读取用户提供的文本（大文件分块）
- 执行
methodology/01-stage0-adler.md 中的 Adler 四步（结构 / 解释 / 批判 / 应用）
- 按
templates/BOOK_OVERVIEW.md.template 填充，写入 workspace/cangjie/<slug>/BOOK_OVERVIEW.md
- 展示给用户确认："骨架我理解对了吗？有没有你希望重点突出的方向？" 得到确认再进入阶段 1
阶段 1 — 5 个 sub-agent 并行提取
并行 spawn 5 个 Task sub-agents（一次调用中发起 5 个）：
| sub-agent | 读取的 prompt | 产出 |
|---|
| 框架提取器 | extractors/framework-extractor.md | 决策框架 / 思维模型 |
| 原则提取器 | extractors/principle-extractor.md | 原则 / 清单 / 规则 |
| 案例提取器 | extractors/case-extractor.md | 作者在书中亲自使用过的实例 |
| 反例提取器 | extractors/counter-example-extractor.md | 书中警告的失败模式 |
| 术语提取器 | extractors/glossary-extractor.md | 关键概念词典 |
每个 sub-agent 独立读书、独立提取、独立输出到 workspace/cangjie/<slug>/candidates/<type>.md。
- 长文本：超出单个 sub-agent 上下文的内容，按
methodology/02-stage1-parallel-extract.md 的分块策略处理
- 降级方案：当前环境不支持并行 sub-agent 时，用同样 5 个 extractor prompt 串行执行，产出格式不变
阶段 1.5 — 三重验证筛选
读取 methodology/03-stage1.5-triple-verify.md，对每个候选单元执行：
- V1 跨域：书中至少 2 个独立段落有佐证？
- V2 预测力：能用它回答一个书里没明说的新问题吗？
- V3 独特性：不是任何聪明人都会说的常识吗？
通过的写入 verified.md，不通过的写入 rejected/ 并附原因。
用户轻确认 ★：把"通过的 N 个候选标题 + 淘汰的 M 个"列表展示给用户确认后再进入阶段 2 — 避免最耗时的阶段 2-4 大量返工。
阶段 2 — RIA++ 构造 skill
对每个通过的单元，按 templates/SKILL.md.template 填充：
- R (Reading)：原文引用 ≤150 字/段（英文原文 ≤100 词/段）
- I (Interpretation)：用自己的话重写方法论骨架（避免照搬译本）
- A1 (Past Application)：书中作者用过的案例
- A2 (Future Trigger) ★：用户在什么情境下会需要这个 → skill 的
description 字段
- E (Execution)：1-2-3 可执行步骤
- B (Boundary)：什么时候不适用 / 来自阶段 0 批判阶段的作者盲点
细则见 methodology/04-stage2-ria-plus.md。
阶段 3 — Zettelkasten 链接
按 methodology/05-stage3-zettelkasten.md：
- 找出 skill 之间的引用关系（A 依赖 B / A 对比 B / A 组合 B）
- 在每个 SKILL.md 末尾补"相关 skills"段，并回填 A2 的"与相邻 skill 的区分"
- 按
templates/INDEX.md.template 生成 INDEX.md（含引用图 mermaid）
- 把
candidates/glossary.md 整理成 GLOSSARY.md
阶段 4 — 压力测试（darwin 兼容）
对每个 skill 按 methodology/06-stage4-pressure-test.md：
- 设计 5-10 条测试 prompt，按
templates/test-prompts.json.template 写入 test-prompts.json
- 至少包括 3 类：应调用 / 不应调用（诱饵） / 边界模糊。诱饵中至少 1 条必须是"应触发同书另一个 skill"的场景
- 优先用独立 sub-agent 盲测，未过的回炉重做阶段 2 — 不做"表面修补"
- 每个 skill 的测试结果写入
<skill-dir>/test-results.md
阶段 5 — 交付（含产物路由）
按 methodology/07-stage5-deliver.md：
- 生成
workspace/cangjie/<slug>/DIGEST.md — 面向读者的精华长文（按 templates/DIGEST.md.template）
- 执行产物路由决策（见上方"产物路由决策"表）：
- 通用方法论 → 复制到
.agents/skills/<scope>/<skill-slug>/，更新 _index.md 和 agent_guide.py，运行 tools/check_skills
- 领域方法论 → 保留在
workspace/cangjie/<slug>/
- 洞察事实 → 写入 memory
- 未完成 / 待决策 → wip
- 告知用户："已完成，可一键喂给 darwin-skill 自动进化"（如用户安装了 darwin-skill）
质量红线（违反则阻止输出）
- 每个 skill 必须通过全部三重验证
- 每个 skill 必须有完整的 R / I / A1 / A2 / E / B 六段
- 原文引用 ≤150 字/段（英文 ≤100 词/段）
- 每个 skill 必须有
test-prompts.json，且包含诱饵测试（不应调用的场景），其中至少 1 条是同书兄弟 skill 的场景
description 字段必须明确 trigger 条件，不能只是"一个关于 X 的 skill"
调用惯例
- 永远先试点 1 本 — 除非用户明确说"批量"
- 阶段之间主动汇报进度 — 不要静默跑完再 dump 结果
- 不凭记忆拆书 — 没文本就停下来问
- 保留审计轨迹 —
candidates/ 和 rejected/ 都要留
- 随时可续跑 — 每完成一个阶段就更新
PIPELINE_STATE.md，中断后从状态文件恢复
- 产物路由必执行 — 阶段 5 不能只装到 skills 目录就完事，必须按"产物路由决策"表分别路由到 workspace/memory/wip/项目 skills
与项目其他 skill 的联动
memory_generation：阶段 5 路由到 memory 时，复用 memory_generation 的查重+写入流程wip_tracker：阶段 5 路由到 wip 时，用 wip_create 而非直接写文件skill-creator：装到 .agents/skills/ 的 skill 应符合 skill-creator 的规范（YAML frontmatter + 触发词 + 工作流）neat-freak：会话收尾时若新增了项目级 skill，触发 neat-freak 同步 _index.md 和 agent_guide.pyweb_archive：若源是网页/文章，先用 web_archive 抓取纯文本task_closure：蒸馏任务结束时走 task_closure，记录经验并按产物路由更新记忆/wip
依赖
| 依赖 | 路径/接口 | 说明 |
|---|
| 本地 upstream/ 档案 | .agents/skills/daily/cangjie_extraction/upstream/ | RIA-TV++ 完整方法论、原版 README/LICENSE/GITHUB_REPO.md（融合自 cangjie-skill，2026-07-21） |
| Task sub-agent | Trae Task 工具（subagent_type=general_purpose_task） | 阶段 1 并行提取、阶段 4 盲测 |
| LLM 池 | localagent_agent_chat 或 localagent_advanced_tool(llm_pool_call) | 阶段 0-4 各阶段生成内容 |
| memory | localagent_memory_* | 阶段 5 路由到 memory 时使用 |
| wip | localagent_wip_create | 阶段 5 路由到 wip 时使用 |
| _index.md / GUIDE_REGISTRY | 写入项目级 skill 后同步 | 阶段 5 路由到 .agents/skills/ 时使用 |
