kangarooking/cangjie-skill 原理拆解：用 RIA-TV++ 流水线把书 / 长视频 / 播客蒸馏成可被 agent 调用的方法论 skill 仓库
posts posts 2026-07-17T02:57:12+08:00cangjie-skill 是 kangarooking 维护的开源 skill 蒸馏流水线，3.2k stars，用 RIA-TV++ 七阶段方法（Adler 整体阅读 → 5 路并行提取 → 三重验证 → RIA++ 构造 → Zettelkasten 链接 → 压力测试 → 交付）把书 / 长视频 / 播客转成可被 Claude Code / Cursor 调用的 skill 仓库。本文拆解它的方法论骨架、5 个并行 extractor、三重验证筛、21 个已生成 skill pack 实战案例。技术笔记Claude Code, Skills, 知识蒸馏, RIA, AI Agent, 方法论一句话判断
cangjie-skill（kangarooking/cangjie-skill）是一个 3.2k stars 的方法论蒸馏流水线，作者 kangarooking。它解决一个具体痛点：你看了很多书、收藏了很多长视频、听过很多播客，但"就是用不起来"——知识停留在"看过 / 听过 / 收藏过"层面，没法在真实决策里被调用。cangjie-skill 用 RIA-TV++ 七阶段流水线（Adler 整体阅读 → 5 路并行提取 → 三重验证 → RIA++ 构造 → Zettelkasten 链接 → 压力测试 → 交付）把任意长篇原始内容（书、长视频字幕、播客文字稿、访谈）转成一个多 skill 仓库（BOOK_OVERVIEW.md + INDEX.md + DIGEST.md + GLOSSARY.md + 若干 */SKILL.md + test-prompts.json），让 Claude Code / Cursor 真正能在 agent loop 里调用这些方法论。区别于 nuwa-skill（蒸馏人）与 darwin-skill（让 skill 自我进化），cangjie-skill 是"蒸馏书"，形成完整的 skill 三件套生态。
如果你想"系统读完一本书不是写读书笔记、而是产出能用的 skill 工具包"，这篇文章值得读完整。
系统地图
┌────────────────────────────────────────────────────────────────────────┐
│ cangjie-skill (RIA-TV++ 流水线) │
│ │
│ ┌────────────────────────────────────────────────────────────────────┐ │
│ │ Stage 0 整体内容理解（Adler 分析阅读） │ │
│ │ └─ 借鉴 Mortimer Adler：结构 / 解释 / 批判 / 应用 │ │
│ │ └─ 输出 BOOK_OVERVIEW.md │ │
│ └────────────────────────────────────────────────────────────────────┘ │
│ ↓ │
│ ┌────────────────────────────────────────────────────────────────────┐ │
│ │ Stage 1 并行提取（5 个 extractor 同时跑） │ │
│ │ ├─ framework-extractor 框架 │ │
│ │ ├─ principle-extractor 原则 │ │
│ │ ├─ case-extractor 案例 │ │
│ │ ├─ counter-example-extractor 反例 │ │
│ │ └─ glossary-extractor 术语 │ │
│ └────────────────────────────────────────────────────────────────────┘ │
│ ↓ │
│ ┌────────────────────────────────────────────────────────────────────┐ │
│ │ Stage 1.5 三重验证筛选（Triple Verification） │ │
│ │ ├─ V1 跨域验证 原内容中至少 2 处独立佐证（跨域） │ │
│ │ ├─ V2 预测力测试 能回答内容里未明说的新问题 │ │
│ │ └─ V3 独特性检验 不是"任何聪明人都会说的常识" │ │
│ │ 通过率通常 25-50% │ │
│ └────────────────────────────────────────────────────────────────────┘ │
│ ↓ │
│ ┌────────────────────────────────────────────────────────────────────┐ │
│ │ Stage 2 RIA++ 构造 │ │
│ │ R = 原文引用 / I = 用自己的话重写 │ │
│ │ A1 = 书中案例 / A2 = 未来触发场景 │ │
│ │ E = 可执行步骤 (Execution) / B = 边界与盲点 (Boundary) │ │
│ └────────────────────────────────────────────────────────────────────┘ │
│ ↓ │
│ ┌────────────────────────────────────────────────────────────────────┐ │
│ │ Stage 3 Zettelkasten 链接 │ │
│ │ └─ 找出 skill 间的依赖 / 对比 / 组合关系 │ │
│ │ └─ 生成 INDEX.md 和引用图 │ │
│ └────────────────────────────────────────────────────────────────────┘ │
│ ↓ │
│ ┌────────────────────────────────────────────────────────────────────┐ │
│ │ Stage 4 压力测试 │ │
│ │ └─ 为每个 skill 设计测试用例（含诱饵题、跨 skill 混淆） │ │
│ │ └─ 未通过的回炉重做 │ │
│ └────────────────────────────────────────────────────────────────────┘ │
│ ↓ │
│ ┌────────────────────────────────────────────────────────────────────┐ │
│ │ Stage 5 交付 │ │
│ │ ├─ DIGEST.md 面向读者的精华长文（不想读全书？看这篇） │ │
│ │ ├─ BOOK_OVERVIEW.md 全局理解 │ │
│ │ ├─ INDEX.md 技能地图 │ │
│ │ ├─ GLOSSARY.md 术语词典 │ │
│ │ ├─ */SKILL.md 独立模块 │ │
│ │ └─ test-prompts.json 验证触发场景 │ │
│ └────────────────────────────────────────────────────────────────────┘ │
│ │
│ ↓ │
│ ┌───────────────────────────────┐ │
│ │ Claude Code / Cursor skills/ │ │
│ │ （真正可被 agent 调用） │ │
│ └───────────────────────────────┘ │
└────────────────────────────────────────────────────────────────────────┘这张图最重要的一条路径：Stage 1.5 三重验证是 cangjie-skill 区别于"书摘工具"的核心质量门。没有这一步，所有 extractor 的输出都会沦为金句堆砌；有了这一步，通过率只剩 25-50%——把真正"作者花长时间打磨出来的方法论"留下，把"看起来漂亮但只是常识"的内容淘汰。
边界与角色划分
cangjie-skill 的工程边界可以按"角色 + 决策门"分四组：
| 阶段 | 角色 | 谁负责 | 谁不允许 |
|---|---|---|---|
| Stage 0–1 | 内容理解 + 提取 | LLM agent 按 prompt 跑 | 跳过 Adler 直接抽金句 |
| Stage 1.5 | 质量筛选（决策门） | Triple Verification | 把"看着漂亮但常识"当 skill |
| Stage 2–3 | 构造 + 链接 | LLM 按模板生成 | 跳过 Zettelkasten 直交付 |
| Stage 4–5 | 测试 + 交付 | LLM 跑 test-prompts.json | 跳过压力测试直接装 |
不变项之外，cangjie-skill 明确不做的事：
- ❌ 不做内容总结 / 摘要压缩。“系统会把内容拆成多个带触发条件、适用边界、使用方式和关联关系的 skills，而不是把整份内容压缩成一篇泛化总结”——目标是结构化复用，不是压缩。
- ❌ 不照单全收。README 写：“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”——三重验证就是筛选门。
- ❌ 不面向人消费、面向 agent 执行。RIA-TV++ 的两个
++（E = Execution / B = Boundary）是给 agent 看的，不是给读者看的。 - ❌ 不做视频下载 / 字幕提取。如果源材料是长视频，要先配 video-downloader skill；cangjie-skill 只负责"拿到转写文本之后"那一步。
这四条"不做"恰好决定了 cangjie-skill 的设计取舍——下面拆开看。
关键机制：七阶段流水线是怎么把一本书变成 skill 仓库的
1. Stage 0 — Adler 分析阅读做整体理解
methodology/01-stage0-adler.md 借鉴 Mortimer Adler 的分析阅读法，把"读一本书"拆成四步：
- 结构：骨架是什么？章节怎么组织？
- 解释：作者在每章说了什么？
- 批判：作者说的对吗？有没有漏洞？
- 应用：我能不能用这个？
输出 BOOK_OVERVIEW.md，是后续所有 extractor 的"全局地图"。如果跳过这一步直接抽金句，5 个 extractor 互相矛盾的概率非常高。
2. Stage 1 — 5 路并行 extractor
methodology/02-stage1-parallel-extract.md 同时派 5 个专项提取器：
| Extractor | 抓什么 | 输出 |
|---|---|---|
framework-extractor | 作者的框架（“X 分三层” / “四步流程”） | 框架候选 |
principle-extractor | 作者的原则（“永远先 X 再 Y”） | 原则候选 |
case-extractor | 书中案例（故事、人物、场景） | 案例库 |
counter-example-extractor | 反例（作者用来证明"这样做会失败"的例子） | 边界条件 |
glossary-extractor | 术语（作者自创 / 重新定义的词） | 术语词典 |
5 个 extractor 并行跑、互不知道对方输出——这是避免"互相污染"的关键。如果串行跑，第二个 extractor 会受第一个影响，倾向于强化第一个的判断而不是独立发现。
3. Stage 1.5 — 三重验证（核心质量门）
methodology/03-stage1.5-triple-verify.md 是整套流水线最值得读的一节：
V1 跨域验证（Cross-domain）
这个单元在书中至少 2 个独立的语境下有佐证吗？
通过案例：《穷查理宝典》中"逆向思维"在投资决策、避免灾难、教学方法三个独立场景中都出现 → 通过。
不通过案例：某个漂亮句子只在一章里出现过一次，没有书内的独立证据 → 降级为金句 example。
V2 预测力测试（Predictive Power）
能用这个单元，推导出书里没明说的某个问题的答案吗？
- 自己设计一个书中没直接讨论过的场景
- 用这个方法论去分析
- 通过：得出有意义、非平庸的结论
- 不通过：只能得出"努力就会成功"之类的废话 → 降级
V3 独特性检验（Exclusivity）
这个单元是否是"任何聪明人都会说的常识"？
通过案例：段永平的"stop doing list"——主动列出不做什么，反常识 → 通过。
不通过案例：“要尊重时间”——太常识了，没人需要一个 skill 来告诉自己这个。
通过率通常 25-50%——这意味着如果 extractor 抽了 100 个候选，最终进入 Stage 2 构造的可能只有 25-50 个。这是质量门，不是 throughput 门。
失败模式（README 直接列了三类作弊）：
- V1 作弊——把同一例子换个说法算两处。要求：必须不同章节 + 不同对象 + 不同结论。
- V2 作弊——用一个其实书里讨论过的类似问题冒充"新问题"。要求：新问题应该让人第一眼不知道书里怎么说。
- V3 过松——只要"说得比较文雅"就认为不是常识。要求：看内容本身是否反直觉，而不是措辞。
用户轻确认：通过 Triple Verification 后，agent 问用户一句"这 N 个会做成 skill，有想捞回或砍掉的吗？"——得到确认再进入 Stage 2-4。这一句话的成本能避免大量返工。
4. Stage 2 — RIA++ 构造（六个维度结构化）
methodology/04-stage2-ria-plus.md 把验证通过的候选按六个维度结构化：
- R（Reading）——原文引用
- I（Interpretation）——用自己的话重写
- A1（书中案例）——作者自己举的例子
- A2（未来触发场景）——未来什么场景下我会调用这个 skill
- E（Execution，可执行步骤）——这是
++的第一个+，给 agent 看的执行步骤 - B（Boundary，边界与盲点）——这是
++的第二个+，什么场景下不能用
注意 RIA 来源于赵周《这样读书就够了》的便签拆书法——这是 cangjie-skill 不是凭空发明方法论、而是把成熟读书方法工程化的明证。E + B 是给 agent 加的两个新维度，不是人读卡片的标配。
5. Stage 3 — Zettelkasten 链接
methodology/05-stage3-zettelkasten.md 找 skill 之间的依赖、对比、组合关系。德国社会学家 Niklas Luhmann 的卡片盒笔记法（Zettelkasten）原本是给学者做知识管理用的，cangjie-skill 把它改造成"skill 间链接"——找出 skill_a.md 依赖 skill_b.md 的前提、A 和 B 在某种场景下可以组合使用、A 和 C 是同一思路在不同领域的应用。
输出 INDEX.md（技能地图）和引用图。这一步决定了 skill 仓库是不是"一堆独立 SKILL.md"还是"互相连通的知识网络"。
6. Stage 4 — 压力测试（Stage 4 含诱饵题）
methodology/06-stage4-pressure-test.md 为每个 skill 设计测试用例，含跨 skill 混淆测试——故意给出"这个 skill 不该被触发"的诱饵题，验证 skill 不会被错误激活。
未通过的 skill 回炉重做，不是直接删除。
7. Stage 5 — 交付（真正安装到 Claude Code）
methodology/07-stage5-deliver.md 把通过测试的 skill 安装到 ~/.claude/skills/（或 Cursor skills 目录），让它们真正可被 agent 调用。同时输出：
DIGEST.md（面向读者的精华长文，人类视角的总结）BOOK_OVERVIEW.md（全局理解）INDEX.md（技能地图）GLOSSARY.md（术语词典）*/SKILL.md（独立模块，给 agent 用的 SKILL.md）test-prompts.json（验证触发场景，给测试 agent 用）
DIGEST.md 和 SKILL.md 是双产物——前者给人看、后者给 agent 看。这一步让 cangjie-skill 不只是"内部工具"，也对外可读。
任务流案例：把《穷查理宝典》蒸馏成 skill 仓库
kangarooking/poor-charlies-almanack-skill（12 skills）是 README 列出的实战案例。把上面七阶段串起来跑：
Step 0：准备原文本
《穷查理宝典》PDF 或 EPUB 转纯文本，长度通常 30-50 万字。
Step 1：Stage 0 Adler 整体阅读
Agent 跑 Stage 0 prompt，输出 BOOK_OVERVIEW.md：作者是芒格，全书 11 讲，主要议题是多元思维模型、逆向思维、心理学误判、跨学科学习。
Step 2：Stage 1 5 路并行 extractor
- framework-extractor 抽到"多元思维模型 80/20"、“lollapalooza 效应"等框架候选
- principle-extractor 抽到"反过来想”、“避免心理误判”、“能力圈"等原则候选
- case-extractor 抽到芒格 / 巴菲特的具体投资案例
- counter-example-extractor 抽到"致命的几次投资失败”
- glossary-extractor 抽到芒格自创术语
Step 3：Stage 1.5 三重验证
100+ 候选经过 V1（跨域）+ V2（预测力）+ V3（独特性），通过 30 个左右（25-50% 通过率）。“逆向思维"通过——V1 在 3 个独立场景有佐证、V2 能解释"如何面试一个不知道答案的问题”、V3 是反直觉的排序。“要努力工作"被淘汰——V3 过不了（常识）。
Step 4：Stage 2 RIA++ 构造
通过的 30 个候选按 R/I/A1/A2/E/B 六个维度结构化，写成 30 个 */SKILL.md。
Step 5：Stage 3 Zettelkasten 链接
找出"逆向思维” ↔ “能力圈”（组合使用）、“lollapalooza 效应” ↔ “误判心理学”（依赖关系）、“多元思维模型” ↔ “能力圈”（同一思路的不同切面）。生成 INDEX.md。
Step 6：Stage 4 压力测试
为"逆向思维" skill 设计诱饵题："‘逆向思维’ 是不是说 ‘反过来想就一定对’？"——skill 应该拒绝触发并澄清"逆向思维是优先反着想，但反着想之后还要正向验证"。未通过的 skill 回炉。
Step 7：Stage 5 交付
输出最终 skill 仓库：
poor-charlies-almanack-skill/
├── BOOK_OVERVIEW.md
├── INDEX.md
├── DIGEST.md # 面向读者
├── GLOSSARY.md
├── 01-inversion-thinking/SKILL.md
├── 02-lollapalooza/SKILL.md
├── 03-multiple-models/SKILL.md
├── ...
└── test-prompts.json安装到 ~/.claude/skills/，Claude Code 在 agent loop 里能直接调用这些 skill。
与同类项目的横向对照
| 维度 | cangjie-skill | nuwa-skill | darwin-skill | 通用读书笔记工具（如 Obsidian + Readwise） |
|---|---|---|---|---|
| 蒸馏对象 | 书 / 长视频 / 播客 | 人（思维方式、表达 DNA） | 任意 skill | 书 / 文章 / 推文 |
| 输出形态 | 多 skill 仓库 + DIGEST.md | 单个 skill（人格） | skill 进化机制 | 笔记 + 标签 |
| 方法论骨架 | RIA-TV++（7 阶段） | 个人风格建模 | skill 自我迭代 | 用户自定义 |
| 质量门 | Triple Verification（3 重） | 风格一致性 | 评估指标 | 无 |
| 目标消费者 | Agent + 人（双产物） | Agent | Agent | 人 |
| 通过率 | 25-50% | n/a | n/a | n/a |
| 并行提取器 | 5 个 | 1 个（人格建模） | 1 个（进化策略） | 无 |
| 跨 skill 链接 | Zettelkasten | 无 | 无 | 反向链接 |
| 压力测试 | 含诱饵题 | 风格一致性 | 性能基准 | 无 |
| License | MIT | n/a（开源） | n/a（开源） | MIT / 商业 |
| Stars | 3.2k | n/a | n/a | n/a |
这张表想表达一件事：cangjie-skill 是少数把"读书方法论"（Adler + 拆书法 + Zettelkasten）工程化成 7 阶段流水线、并加上 Triple Verification 质量门 + 跨 skill 压力测试的开源 skill。它的工程深度（通过率 25-50% + 5 路并行 extractor + Zettelkasten 链接 + 双产物交付）不是通用笔记工具或简单 prompt 模板能复刻的。
适用边界
推荐使用：
- 读完一本书 / 长视频 / 播客，希望产出"能被 agent 调用"的方法论 skill 仓库
- 团队在做知识管理、想用 agent 把"高价值长内容"自动化蒸馏
- 已经在用 Claude Code / Cursor，希望把 skill 真正安装到本地 skills 目录
- 想做"蒸馏人 + 蒸馏书 + skill 自我进化"三件套（cangjie-skill + nuwa-skill + darwin-skill 配套使用）
- 想用 Zettelkasten 思路做 skill 间链接、避免一堆独立 SKILL.md
不推荐使用：
- 只是想写读书笔记 / 摘要 → 用 Obsidian / Readwise 更轻量，cangjie-skill 是 overkill
- 内容短（推文 / 短文 / 短博客）→ RIA-TV++ 流水线对小内容不适用
- 源材料没有字幕 / 转写文本（纯视频纯音频无文本）→ 配 video-downloader skill 先处理
- 团队不需要 agent 调用、只想要可读长文 → cangjie-skill 的 7 阶段是为"agent + 人"双产物设计的，纯人读场景太重
- 没耐心做 Triple Verification → 没有质量门，cangjie-skill 就退化成"金句收集器"，不如直接读 DIGEST.md
决策建议
按目标选：
- 个人 / 小团队、想把 N 本书蒸馏成 skill 工具包 → 直接装 cangjie-skill，按 README 给的 7 阶段跑
- 中型团队、有专门知识管理需求 → 配 video-downloader 一起用，统一处理书 + 视频 + 播客
- AI 工程师 / prompt 工程师、研究"如何让 agent 真正用上知识" → 看
methodology/03-stage1.5-triple-verify.md+methodology/06-stage4-pressure-test.md是少数公开的"agent 知识质量门"参考实现 - 内容创作者、想把自己的内容蒸馏成可被 AI 引用的 skill → 用 cangjie-skill 跑自己写的书 / 课程，配
darwin-skill做迭代 - 已经在用 nuwa-skill → cangjie-skill 是补"蒸馏书"那一维，三件套一起用
- 完全不需要 agent、只想要书摘 → 用通用笔记工具，不要硬上 cangjie-skill
阅读路径
按需读：
- 只想上手：README +
methodology/00-overview.md+SKILL.md - 想理解方法论骨架：
methodology/01-stage0-adler.md→02-stage1-parallel-extract.md→03-stage1.5-triple-verify.md→04-stage2-ria-plus.md - 想理解 skill 链接：
methodology/05-stage3-zettelkasten.md - 想理解测试：
methodology/06-stage4-pressure-test.md+templates/test-prompts.json - 想理解交付：
methodology/07-stage5-deliver.md+templates/SKILL.md+templates/INDEX.md - 想看实战案例：poor-charlies-almanack-skill + buffett-letters-skill + huangdi-neijing-skill（22 skills 跨《素问》《灵枢》）
- 想看生态：nuwa-skill + darwin-skill
边界声明
本文基于 kangarooking/cangjie-skill 仓库 README（2026-07-16 抓取）、methodology/00-overview.md、methodology/03-stage1.5-triple-verify.md、GitHub API 仓库元数据（3.2k stars、490 forks、Python 主语言、MIT license）。仓库处于活跃迭代期，7 阶段流水线与 5 个 extractor prompt 在持续微调；已生成的 21 个 skill pack（buffett-letters-skill 20 skills、cognitive-dividend-skill 15 skills、huangdi-neijing-skill 22 skills 等）作为实战案例展示方法论有效性。
cangjie-skill 是少数把"读书方法论"（Adler 分析阅读 + 拆书法 + Zettelkasten）工程化成 7 阶段流水线的开源 skill，Triple Verification 质量门 + 跨 skill 压力测试是它区别于"书摘工具"的核心特征；如果你的工作流强依赖某本特定书的特定章节，需要评估 cangjie-skill 在该维度的抽取通过率（25-50%）是否影响最终交付。