kangarooking/cangjie-skill

解决的问题

Cangjie Skill 解决了「知识衰减」问题，即来自书籍、长视频、播客和课程的高价值内容被消费但从未被应用。它将被动消费（摘要和笔记）转化为结构化、可执行的 AI 技能，使代理能够在现实场景中调用这些技能来解决具体问题。

如何工作

该项目使用名为 RIA-TV++ 的管道，将源文本转换为「能力包」，再进一步转化为可安装的技能。该过程包含七个阶段：

1. 整体内容理解：采用阿德勒的方法进行结构化和批判性分析。
2. 并行提取：五个专业提取器分别提取框架、原则、案例和术语表。
3. 三重验证：基于证据和实用性对候选内容进行过滤，并提升为独立入口点。
4. RIA++ 能力构建：将内容结构化为能力卡片（阅读、解释、适配、执行、边界）。
5. Zettelkasten 链接：在能力图中编码依赖关系和组合关系。
6. 压力测试：使用诱饵问题和混淆测试确保技能的可靠性。
7. 确定性编译：将包编译为单一路由器风格技能或一组独立的紧凑技能包。

适用人群

希望将教育性或方法论内容转化为 AI 代理可用的功能工具的用户，以及需要从专家文献中提取的专用、经验证知识库来构建智能工作流的开发者。

主要亮点

• 执行导向：聚焦于结构化复用，而非叙事压缩或简单摘要。
• 全面的源支持：支持书籍、视频字幕、播客和访谈笔记。
• 确定性工具链：包含本地工具链，用于诊断、编译和增量更新。
• 丰富的库：提供广泛的预提取技能包，涵盖从巴菲特的投资推理到 Netflix 的组织设计。
• 平台集成：提供 DeepSeek Harness、Claude Code 和 OpenClaw 等平台的插件。