项目介绍
Cangjie Skill 是一个用于生成其他 Skills 的元 Skill。它不把一本书或一段长视频压缩成单篇摘要，而是先理解整份内容，再由框架、原则、案例、反例和术语五类提取器形成候选池，用跨段落佐证、预测力和独特性三重验证筛选，最后把通过项构造成有触发条件、执行步骤、边界和测试用例的独立 Skills。它适合真正想把长内容变成 Agent 可复用工具的用户。
核心功能
整体理解与内容审计
先用 Adler 方法处理结构、解释、批判和应用，生成 BOOK_OVERVIEW.md，并保留阶段状态。
五路方法论提取
框架、原则、案例、反例和术语提取器可并行运行；不支持子 Agent 时可保持相同格式串行降级。
三重验证与 RIA++ 构造
候选必须通过跨段落佐证、预测力和非普通常识检查，再写成 Reading、Interpretation、Application、Execution、Boundary 结构。
压力测试与可安装交付
每个 Skill 设计应触发、不应触发和边界模糊测试，失败回炉；通过后才复制或链接到用户指定的 Skills 目录。
安装与使用
可将仓库放入宿主的 Skills 目录读取根 SKILL.md；DeepSeek Harness 用户也可按 README 下载 v2.0.0 插件包并用 dsh plugin 安装。
让 AI Agent 帮你安装
把这段话发送给 Codex、Claude Code 或其他可以操作本地环境的 AI Agent。
请帮我安装 Cangjie Skill。项目地址：https://github.com/kangarooking/cangjie-skill。先阅读 README.md、README.zh-CN.md、SKILL.md 和 v2.0.0 Release。把仓库安装到我指定的用户级或项目级 Skills 目录；如果目标是 DeepSeek Harness，则严格使用 README 的 v2.0.0 tgz 下载与 `dsh plugin --profile web add` 命令。安装后用一个本地短文本文件做最小触发验证，确认它先询问文本来源、元信息和试点范围。遇到下载 Release、执行 dsh、创建或覆盖目录、复制 Skills、访问源文件、调用多个子 Agent 或请求额外权限时先向我确认。- 可读取的书籍、字幕或转写文本
- 支持 Skills 的 Agent 宿主或已安装的 DeepSeek Harness
- 项目目录写权限
- 完整流程所需的上下文、子 Agent 或串行执行时间
项目地址：https://github.com/kangarooking/cangjie-skill
复制地址并按照下方步骤完成设置。- 1接入 Skill 或 DSH 插件
把仓库放入宿主 Skills 目录；DeepSeek Harness 用户按 README 下载 v2.0.0 tgz 并运行官方 dsh plugin 安装命令。
- 2准备源文本和元信息
提供 PDF、EPUB、TXT、字幕或转写稿，以及标题、作者和日期；首次使用先约定一份试点内容。
- 3完成整体理解与候选确认
先生成 BOOK_OVERVIEW.md，再运行五类提取和三重验证；用户确认通过和淘汰的候选后才进入构造阶段。
- 4构造、测试和安装输出
为通过项生成完整 RIA++ Skill、关联索引与诱饵测试，失败项回炉，通过后再安装到用户指定目录。
安装后发起最小任务：`Use cangjie-skill to distill this book into a set of executable Agent Skills: <file path>`。正确行为应先确认文本来源、元信息和是否首次试点，而不是在没有正文时直接生成 Skills。
- 没有可读源文本时应停止，而不是凭模型记忆蒸馏。
- 首次使用建议只试点一份内容，再决定是否批量。
- 最终复制或链接生成 Skills 前，应由用户确认安装位置。
使用场景
书籍方法论转 Skills
把决策框架、原则和案例拆为原子化能力，并保留原文证据和适用边界。
长视频或播客知识复用
从字幕或转写稿中筛出可迁移方法，避免只生成一次性摘要。
课程与资料集 Skill Pack
将多章节内容组织为可组合 Skills、术语表、索引和可回归的触发测试。
使用评价
根据 README、SKILL.md、methodology、extractors、templates 和已列出的生成案例判断，Cangjie Skill 的亮点是把知识蒸馏定义成可审计的筛选、构造和压力测试流程，而不是摘要包装。代价是流程长、依赖完整文本和阶段确认。此评价来自公开资料阅读，不代表 AgentMatter 已复现其案例质量。
值得一试的地方
- 明确拒绝无文本凭记忆生成和普通摘要
- 候选、淘汰项、引用、边界和测试均保留审计轨迹
- 同时覆盖书籍、长视频、播客、课程和访谈转写
使用前要知道
- 完整七阶段流程投入较大
- 并行提取和盲测依赖宿主的子 Agent 或串行替代
- 输出仍需用户确认、源材料版权判断和人工质量复核
README
Cangjie Skill
Overview
Cangjie Skill 使用 RIA-TV++ 流程，把书籍、视频转写、播客、课程或访谈中的方法论筛选、验证并构造成可调用、可组合、可压力测试的 Agent Skills。 把书、长视频、播客等高价值内容蒸馏成可执行的 Agent Skills。
Getting started
- 可将仓库放入宿主的 Skills 目录读取根 SKILL.md；DeepSeek Harness 用户也可按 README 下载 v2.0.0 插件包并用 dsh plugin 安装。
- RIA-TV++ 依次执行整体理解、五路提取、三重验证、RIA++ 构造、双链笔记关联、压力测试和交付。
- 每个生成的 Skill 需要触发条件、边界、可执行步骤与诱饵测试，而不是泛化说明。
- 安装后发起最小任务：`Use cangjie-skill to distill this book into a set of executable Agent Skills: <file path>`。正确行为应先确认文本来源、元信息和是否首次试点，而不是在没有正文时直接生成 Skills。
Configuration
项目地址：https://github.com/kangarooking/cangjie-skill
复制地址并按照下方步骤完成设置。