Book to Skill

五维评分

优秀点拆解

• 「提取结构而非摘要」：产物是具名框架、决策规则、反模式的决策工具层，强制保留作者精确命名（The 5 Whys ≠ ask why multiple times），cheatsheet 定位为决策层而非关键词列表
• 编译期/运行期分离 + 实测经济学：章节按需加载，performance.md 用 tiktoken 实测 Discovery Loop Tax，单问题查询省 24×–51× token 且可复现
• 成本管理做成流程检查点：Step 2.5 生成前给完整 token/时间预估并等用户确认，Step 7 用 BOOK_TYPE×DEPTH 预算矩阵（800–3000 token/章），明确不硬编码美元价格
• 文档→Agent 供应链安全：sanitize.py 剥离零宽字符/Unicode 标签块防注入，docx 防 XXE，生成 skill 前跑扫描（指令覆盖短语/外泄特征），发现即停下找人类复核
• 确定性/判断力分工：多语言章节检测（中英日韩泰+罗马数字）与解析下沉到 Python，每格式有 stdlib 兜底、单源失败不中断、--check 预检环境

可复用的设计模式

• 编译期 vs 运行期两段式：确定性脚本做提取预处理，SKILL.md 本身作为生成器规范指挥 agent 做判断型工作
• 按需加载 + 主题索引导航：主文件只放核心框架与两级索引，细节下沉到章节文件按需读；重要内容前置（压缩从尾部截断）
• 成本预估检查点 + 参数化预算矩阵：生成前报 token 数与耗时、等用户确认，预算按类型×深度定档而非拍脑袋
• 对模型产物的安全检查步骤：交付前扫描指令覆盖短语与外泄特征，发现问题报文件/行号交人类裁决，不静默自动修复

适用场景

边界与注意：适合单本/紧密文档簇的深度精读，不适合几十本书的跨库相似检索（那是 RAG/NotebookLM 的活）；扫描版 PDF 需先 OCR（无文本层会早期中止）；章节标题不含 Chapter N 的书无法自动分段；含版权内容的生成 skill 不可对外分发。