kangarooking/cangjie-skill

何を解決するか

Cangjie Skillは、書籍、長編動画、ポッドキャスト、コースなどの高価値コンテンツが消費されるものの、実際には活用されないという「知識の劣化」問題に対処します。受動的な消費（要約やノート）を、エージェントが現実のシナリオで特定の問題を解決するために呼び出せる構造化された実行可能なAIスキルに変換します。

仕組み

このプロジェクトは、RIA-TV++ と呼ばれるパイプラインを使用して、ソーステキストを「能力バンドル」に変換し、その後インストール可能なスキルにします。プロセスは7段階で構成されています：

1. 全体的コンテンツ理解：アドラーの方法を用いて構造的・批判的分析を行います。
2. 並列抽出：5つの専門的な抽出器がフレームワーク、原則、事例、用語集を抽出します。
3. 三重検証：証拠と有用性に基づいて候補をフィルタリングし、独立したエントリポイントに昇格させます。
4. RIA++能力構築：コンテンツを能力カード（読解、解釈、適応、実行、境界）に構造化します。
5. Zettelkastenリンク：能力グラフ内で依存関係と組み合わせをエンコードします。
6. 圧力テスト：罠質問と混乱テストを用いてスキルの信頼性を確認します。
7. 決定論的コンパイル：バンドルを単一のルーター型スキルまたは独立したスキルのコンパクトなパックにコンパイルします。

対象ユーザー

教育的または方法論的コンテンツをAIエージェント用の機能的ツールに変換したいユーザー、および専門的で検証された知識ベース（エキスパート文献から導出）を必要とするエージェントワークフローを開発する開発者。

特徴

• 実行志向：物語の圧縮や単純な要約ではなく、構造化された再利用に焦点を当てます。
• 包括的なソース対応：書籍、動画の字幕、ポッドキャスト、インタビュー記録に対応します。
• 決定論的ツールチェーン：診断、コンパイル、インクリメンタル更新に対応するローカルツールチェーンを含みます。
• 豊富なライブラリ：バフェットの投資意思決定からNetflixの組織設計まで、幅広い事前に抽出されたスキルパックを提供します。
• プラットフォーム統合：DeepSeek Harness、Claude Code、OpenClawなどのプラットフォーム用のプラグインを提供します。