kangarooking/cangjie-skill

解決的問題

Cangjie Skill 解決了「知識衰減」問題，即來自書籍、長影片、播客和課程的高價值內容被消費但從未被應用。它將被動消費（摘要與筆記）轉化為結構化、可執行的 AI 技能，使代理能在現實場景中調用這些技能來解決具體問題。

如何運作

此專案使用名為 RIA-TV++ 的管道，將來源文字轉換為「能力包」，再進一步轉化為可安裝的技能。該過程包含七個階段：

1. 整體內容理解：採用阿德勒的方法進行結構化與批判性分析。
2. 平行提取：五個專業提取器分別提取框架、原則、案例與術語表。
3. 三重驗證：基於證據與實用性對候選內容進行過濾，並提升為獨立入口點。
4. RIA++ 能力建構：將內容結構化為能力卡片（閱讀、解釋、適應、執行、邊界）。
5. Zettelkasten 連結：在能力圖中編碼依賴關係與組合關係。
6. 壓力測試：使用誘餌問題與混淆測試確保技能的可靠性。
7. 決定性編譯：將包編譯為單一路由器風格技能或一組獨立的緊湊技能包。

適用對象

希望將教育性或方法論內容轉化為 AI 代理可用的功能工具的使用者，以及需要從專家文獻中提取的專用、經驗證知識庫來建構智能工作流程的開發者。

主要亮點

• 執行導向：聚焦於結構化重用，而非敘事壓縮或簡單摘要。
• 全面的來源支援：支援書籍、影片字幕、播客和訪談筆記。
• 決定性工具鏈：包含本地工具鏈，用於診斷、編譯和增量更新。
• 豐富的圖書館：提供廣泛的預提取技能包，涵蓋從巴菲特的投資推理到 Netflix 的組織設計。
• 平台整合：提供 DeepSeek Harness、Claude Code 和 OpenClaw 等平台的外掛程式。