kangarooking/cangjie-skill

项目概览

该项目提供严格的三次验证与压力测试机制来提炼可执行技能，且生成的技能包通过率仅为 25%-50%，适合需要将复杂资料直接转化为可靠 AI 行为的开发者。

项目类型

AI Agent · AI 工作流 · 提示词工程 · 学习资源

应用场景

学习教育

部署方式

查看项目说明

License

MIT

适合谁

• 需要从长篇幅非结构化文本中提取方法论并将其直接接入智能体工作流的开发者。
• 需要将书籍等静态知识转化为可在真实场景中独立调用的结构化提示词技能库。

核心能力

• 通过涵盖提取、三次验证和压力测试等环节的七阶段流程，将原始文本转化为结构化的 AI 技能。
• 生成一个包含多个独立技能的仓库，附带索引、概述、摘要、词汇表和测试提示词，而不是仅生成单一的摘要文件。
• 将测试通过的技能安装到 Claude Code 或 Cursor 的技能目录中，使其能够被智能体直接调用。

限制与风险

• 视频蒸馏任务无法独立完成，必须依赖额外的 video-downloader 技能来提供转录支持。
• 由于其严格的三次验证机制，蒸馏过程的典型通过率仅维持在 25%-50% 左右，可能导致大量原始内容被丢弃。

如何开始

• 部署所需的操作系统、硬件要求、GPU 依赖及编码要求目前均未明确记录，首次上手路径细节不足。

替代方案与同类比较

• 如果你不需要从长文本中蒸馏技能，而是需要一个直观的 Python API 来从非结构化输入中提取数据并编排工作流，Marvin 提供了类型安全的结果和可观测性。

同类比较

• kangarooking/cangjie-skill vs 面向结构化输出的多智能体框架

核验依据

• GitHub 项目简介: 把书、长视频、播客等高价值内容蒸馏成可执行的 Agent Skills
• README: ├── SKILL.md ← 元 skill 定义（cangjie-skill 的完整执行规范）
• README: 把书、长视频、播客里的方法论，蒸馏成可调用的 AI Skills
• README: 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
• README: cangjie-skill 使用 **RIA-TV++** 流水线，把书籍、视频转写、播客文字稿、访谈记录等原始文本变成一组结构化的 skill。整个过程分七个阶段

来源更新时间：2026-07-16T18:11:18Z

打开原始 GitHub 项目