README

简体中文 ·
  English ·
  日本語




 Cangjie Skill

 把书、长视频、播客里的方法论，蒸馏成可调用的 AI Skills








读完、看完、听完之后，带走一套能调用的方法论。



 66 秒了解仓颉 Skill

https://github.com/user-attachments/assets/87a2cf7b-2114-48aa-aecd-2640a667db40

 官方网站

🌐 访问 Cangjie Skill 官方网站

官网提供 Skill Packs 可视化浏览、从零开始的使用教程、Skill 详情与生态共建提交入口。GitHub 仓库仍是 cangjie-skill 代码、方法论和模板的唯一来源，官网负责展示、导航与使用指引。

 v2.5.0 更新重点

- Capability Bundle 成为唯一事实源：先生成稳定的能力卡和元数据，再编译安装产物。
- 两种确定性交付模式：可编译为单路由入口（single），或「路由入口 + 少量晋级独立 Skill」的紧凑包（pack）。
- 统一本地工具链：scripts/cangjie.py 覆盖诊断、编译、输出重规划、增量更新、修复、回滚、评测和基准测试。
- 更安全的演进机制：包含内容寻址预处理、源文档 diff、影响分析、事务性补丁、手改检测、快照和回滚。
- Registry v2 与官网支持：可展示输出模式和能力数量，同时保持对 Registry v1 条目的兼容。

完整范围、兼容性和验证方式见 v2.5.0 发布说明 与 Changelog。

2026-09-13 补充优化（仍为 v2.5.0）：三重验证改为来源充分性、可执行性和任务增益，工具书中只在一处讲透的流程或公式也可入选；输出评分不再漏算缺失样本，支持数值/单位检查；编译产物可携带显式声明的脚本与文本模板。下载通用 Skill ZIP · SHA256。解压后安装完整 cangjie-skill/ 目录。已安装用户请重新下载补包，通过 BUILD_INFO.json 核对源码提交与补包日期。原始标签保持不变，GitHub 自动生成的 Source code 压缩包仍是首次发布源码。

 DeepSeek Harness 插件

cangjie-skill 同时提供独立的 DeepSeek Harness 插件安装包。适配层封装在 Release 安装包中，不会向本仓库加入特定平台的包装文件。

已安装 DeepSeek Harness 后，下载 v2.5.0 安装包与校验文件，校验通过后再从本地包安装：

bash
mkdir -p ~/.dsh/packages
curl -fL "https://github.com/kangarooking/cangjie-skill/releases/download/v2.5.0/dsh-cangjie-skill-2.5.0.tgz" \
  -o ~/.dsh/packages/dsh-cangjie-skill-2.5.0.tgz
curl -fL "https://github.com/kangarooking/cangjie-skill/releases/download/v2.5.0/dsh-cangjie-skill-2.5.0.tgz.sha256" \
  -o ~/.dsh/packages/dsh-cangjie-skill-2.5.0.tgz.sha256
(cd ~/.dsh/packages && shasum -a 256 -c dsh-cangjie-skill-2.5.0.tgz.sha256)
dsh plugin --profile web add ~/.dsh/packages/dsh-cangjie-skill-2.5.0.tgz
dsh web


下载 DeepSeek Harness 插件（适配仓颉 Skill v2.5.0） · SHA256 校验文件

启动新任务后，可以直接说：

text
请用 cangjie-skill 把这本书蒸馏成一组可执行的 Agent Skills：


 为什么做这件事

最近有一个很火的 idea：把同事蒸馏成 skill。即便一个人离职了，他的经验、语气、工作方式都会被 AI 一定程度替代。nuwa-skill 就是做这件事的——创造"人类 skill"，比如马斯克 skill、巴菲特 skill。配套的 darwin-skill 负责让这些 skill 自动进化。

蒸馏人很有价值——nuwa-skill 已经证明了这一点。而蒸馏人系统性表达过的内容，则是另一个维度的补充：一本书、一场长访谈、一期播客、一个 B 站或 YouTube 长视频，都可能沉淀了作者花很长时间打磨出来的方法论。比起模仿一个人的表达方式，把他系统性输出的方法论拆出来、变成可以帮人解决实际问题的工具，同样是很有价值的事。

而且还有一个真实的痛点：你可能看了很多书、收藏了很多视频、听过很多播客，但就是运用不起来。尤其是各大平台每天都有大量干货长视频，时效性很强，内容又很长；它们往往不可能已经被 AI 训练过，也很难靠一次观看完整吸收。把这些内容蒸馏成 skill 之后，AI agent 可以帮你在真实场景中调用这些知识，而不是让它们躺在笔记、收藏夹或稍后再看列表里落灰。

所以 cangjie-skill 的目标很明确：蒸馏所有值得蒸馏的高价值内容。它不只适用于书，也适用于有字幕/转写文本的视频、播客、访谈、演讲、课程、长文和资料集。只要内容里存在可抽取、可验证、可迁移的方法论，就可以用 cangjie-skill 把它变成一套可独立调用、可组合使用、可压力测试的 AI skill 工具包。

如果要蒸馏视频内容，建议搭配 video-downloader skill 一起使用：先用它下载视频、提取字幕/音频转写和关键素材，再把得到的文本内容交给 cangjie-skill 做方法论抽取、skill 化和压力测试。

 它解决了什么问题

- 看了很多书、视频、播客但用不起来——知识停留在"看过/听过/收藏过"层面，无法在真实决策中被调用
- 摘要、笔记、字幕整理只是压缩，不是结构化复用——读完/看完还是不知道"什么时候该用什么"
- 高价值内容里真正值得变成工具的内容只有一小部分——需要严格的筛选而不是照单全收
- 现有的阅读/观看/听课方法论都是给人看的，不是给 agent 用的——需要面向执行而非面向消费的蒸馏方法

 它是怎么工作的

cangjie-skill 使用 RIA-TV++ 流水线，先把书籍、视频转写、播客文字稿、访谈记录等原始文本变成可复用的 Capability Bundle，再编译为可安装的 skill。整个过程分七个阶段：

 脚本依赖：scripts/ 下的确定性脚本需要 Python 3.10+ 与 PyYAML（python3 -m pip install pyyaml）。缺 PyYAML 时 python3 scripts/cangjie.py doctor 自