kangarooking/cangjie-skill

해결하는 문제

Cangjie Skill은 책, 장시간 영상, 팟캐스트, 강의 등 고가치 콘텐츠가 소비되지만 실제로 활용되지 않는 '지식의 쇠퇴' 문제를 해결합니다. 수동적인 소비(요약 및 노트)를 에이전트가 실제 상황에서 특정 문제를 해결하기 위해 호출할 수 있는 구조화되고 실행 가능한 AI 스킬로 전환합니다.

작동 방식

이 프로젝트는 소스 텍스트를 "능력 패키지"로 변환한 후 설치 가능한 스킬로 만드는 RIA-TV++ 라는 파이프라인을 사용합니다. 이 과정은 7단계로 구성됩니다:

1. 전체 콘텐츠 이해: 아들러의 방법을 사용하여 구조적 및 비판적 분석을 수행합니다.
2. 병렬 추출: 다섯 개의 전문 추출기가 프레임워크, 원칙, 사례, 용어집을 추출합니다.
3. 삼중 검증: 증거와 유용성에 기반해 후보를 필터링하고 독립적인 진입점으로 승격합니다.
4. RIA++ 능력 구축: 콘텐츠를 독해, 해석, 적응, 실행, 경계라는 능력 카드로 구조화합니다.
5. Zettelkasten 링크: 능력 그래프 내에서 의존성과 조합을 인코딩합니다.
6. 압력 테스트: 유도 질문과 혼란 테스트를 통해 스킬의 신뢰성을 확인합니다.
7. 결정론적 컴파일: 패키지를 단일 라우터 스타일 스킬 또는 독립형 스킬의 컴팩트한 팩으로 컴파일합니다.

대상 사용자

교육적 또는 방법론적 콘텐츠를 AI 에이전트용 기능적 도구로 전환하고 싶은 사용자, 그리고 전문가 문헌에서 유도된 검증된 지식 기반을 필요로 하는 에이전트 워크플로우를 개발하는 개발자.

주요 특징

• 실행 중심: 서사적 압축이나 단순 요약이 아닌, 구조화된 재사용에 초점을 맞춥니다.
• 포괄적인 소스 지원: 책, 영상 대본, 팟캐스트, 인터뷰 노트 등 다양한 소스를 지원합니다.
• 결정론적 툴체인: 진단, 컴파일, 인크리멘탈 업데이트를 위한 로컬 툴체인을 포함합니다.
• 풍부한 라이브러리: 버핏의 투자 사고에서 넷플릭스의 조직 설계에 이르기까지 다양한 사전 추출된 스킬 팩을 제공합니다.
• 플랫폼 통합: DeepSeek Harness, Claude Code, OpenClaw 등의 플랫폼용 플러그인을 제공합니다.