cangjie-skill：把書籍與長影音蒸餾成 AI Agent 可用的 Skills
很多人讀完一本書、看完一支一小時的 YouTube，或聽完一集 Podcast，最後留下來的通常是一篇摘要。
摘要當然有用，但它只能回答：
這份內容說了什麼？
真正困難的問題是：
遇到什麼情境時，我應該採用這套方法？要怎麼做？什麼時候反而不該用？
這也是 cangjie-skill 有意思的地方。它嘗試把書籍、長影音、Podcast、課程、訪談、演講與長文章裡的可遷移方法論，蒸餾成一組組可以被 AI Agent 呼叫的 Skills。
從知識管理走向知識能力化
傳統的知識管理，通常是把內容保存下來：筆記、摘要、逐字稿、書摘與收藏清單。這些資料能幫助我們回想，但不一定能在需要做決策時直接派上用場。
Skill 的思路則更接近一個小型決策系統：它不只保存結論，也要描述觸發條件、判斷步驟、執行方式與使用邊界。
| 形式 | 主要回答的問題 | 典型產出 |
|---|---|---|
| 摘要 | 作者說了什麼？ | 一篇精華文章 |
| RAG | 哪些原文與目前問題相關？ | 檢索結果與引用 |
| Agent Skill | 目前是否該採用這套方法？接下來怎麼做？ | 可呼叫、可測試的工作模組 |
因此，「我看過這本書」不再只是個人的記憶，而可能變成「我的 Agent 知道什麼時候使用這本書的方法做事」。
cangjie-skill 會把內容拆成什麼？
一本書或一段長影音裡，不是每一句話都值得被做成 Skill。比較適合被抽取的，通常是以下幾類內容：
- 可以重複使用的框架與方法論
- 能協助判斷的原則與決策方式
- 能說明方法如何運作的案例
- 能提醒 Agent 不要誤用的反例與限制
- 需要精確理解的專有名詞與概念
最後的產物也不是一份很長的 Markdown 摘要，而是一個具有結構的 Skill Repository，可能包含：
BOOK_OVERVIEW.md：完整內容的全局理解INDEX.md：各個 Skill 的地圖與關聯DIGEST.md：給人閱讀的精華長文GLOSSARY.md：重要術語與定義- 多個
SKILL.md：可以獨立呼叫的能力模組 test-prompts.json：用來驗證觸發與拒用行為的測試案例
一套 Skill 如何從長內容被蒸餾出來？
官方 repository 將流程整理成 RIA-TV++。它可以理解成一條從「理解原始內容」走到「驗證 Agent 行為」的蒸餾流程。
1. 先建立整體理解
先處理整份內容的結構、解釋、批判與應用，不急著看到一句金句就立刻生成 Skill。這一步的目的，是避免把脫離上下文的片段誤當成完整方法。
2. 讓不同角度的提取器並行工作
流程會分別尋找框架、原則、案例、反例與術語。不同提取角度可以減少只看「漂亮結論」的偏差，也比較容易發現一套方法的前提條件。
3. 用三重驗證篩選候選方法
候選內容需要經過三項檢查：
- 原始內容中至少有兩處相對獨立的佐證
- 這套方法能回答內容沒有直接說出的新問題
- 它具有一定獨特性，不只是一般常識
這個步驟很重要，因為不是所有作者說過的句子，都值得變成 Agent 的長期行為規則。
4. 把方法整理成可執行格式
通過驗證後，Skill 需要進一步整理出原文依據、自己的重述、原始案例、未來可能遇到的觸發場景、執行步驟，以及邊界與盲點。
其中「邊界與盲點」尤其關鍵。沒有邊界的 Skill，很容易變成遇到任何問題都硬套的萬用提示詞。
5. 建立 Skill 之間的關聯
有些方法彼此互補，有些方法互相衝突，有些方法則必須先使用另一個 Skill 才能成立。把這些依賴、對比與組合關係整理出來，Agent 才比較有機會選對工具，而不是只根據關鍵字做表面匹配。
6. 用誘餌題進行壓力測試
test-prompts.json 不只測試「該用的時候有沒有成功呼叫」，還會故意設計不該使用該 Skill 的情境，例如：
- 表面上相似，但缺少必要前提
- 其實應該使用另一個 Skill
- 問題需要更多資料，不能直接套用方法
- 方法本身與使用者目標互相衝突
這讓驗證目標從「AI 知不知道這個知識」，提升到「AI 能不能判斷什麼時候使用，以及什麼時候拒絕使用」。
為什麼「知道何時不用」比「知道更多」重要？
Agent 最危險的情況，不一定是不知道某個框架，而是知道框架後到處套用。
例如，一套適合產品定位的行銷方法，可能不適合處理個人情緒；一套適合快速實驗的創業框架，也不一定適合高風險的醫療、法律或財務決策。如果 Skill 只有步驟，沒有前提與停用條件，內容越多，誤用的機會可能越高。
因此，一個成熟的 Skill 至少要讓 Agent 能回答：
- 目前問題是否符合觸發條件？
- 還缺少哪些必要資訊？
- 是否存在更適合的 Skill？
- 哪些情況下應該停止、轉交或改用其他方法？
它和摘要、RAG 是互補關係
cangjie-skill 不必取代摘要或 RAG。比較合理的分工是：
- 摘要負責讓人快速掌握內容全貌
- RAG 負責在需要時找回原文依據
- Skill 負責把方法轉成可重複執行的決策與行動流程
在實務上，Skill 仍然需要保留來源脈絡。當 Agent 要做出高風險或高成本的決策時，應該能回到原始書籍、逐字稿或案例確認，而不是把蒸餾後的版本當成不可質疑的真理。
哪些內容適合拿來蒸餾？
只要內容裡存在可抽取、可驗證、可遷移的方法論，就有機會被轉成 Skill。例如：
- 行銷與文案書籍
- YouTube 或 Bilibili 長影音字幕
- Podcast 轉錄稿
- 線上課程與企業內訓教材
- 專家訪談與演講逐字稿
- 產品、管理或創業相關長文章
相反地，如果內容主要是個人故事、情緒抒發、一次性的新聞或缺乏可重複判斷方式的觀點，就不一定適合強行 Skill 化。保留成摘要、引用資料或背景知識，可能更誠實也更有用。
實際使用前，還是要做四項檢查
來源是否可靠？
字幕錯誤、轉錄遺漏、版本不完整或二手整理，都可能讓後續 Skill 建立在錯誤材料上。蒸餾前要先知道來源是原書、官方字幕、人工逐字稿，還是未經確認的轉述。
方法是否適合目前情境？
作者的框架通常有它的時代、產業、角色與資源前提。能從內容抽出來，不代表可以無條件套用到所有人身上。
測試是否包含拒用案例？
如果測試只有正向案例，看到 AI 成功呼叫 Skill 不能代表路由正確。至少要加入相似但不適用、資料不足、目標衝突與跨 Skill 混淆等誘餌題。
是否符合來源授權？
書籍、課程、字幕與 Podcast 轉錄內容可能受到著作權或平台條款限制。實驗可以從自己擁有、取得授權或適合內部使用的材料開始，並確認 Skill Repository 的分享範圍。
從「我讀過」到「我的 Agent 會用」
cangjie-skill 最值得研究的地方，是它把知識管理的終點往前推了一步。
以前我們會問：
我有沒有把這本書讀完？
現在可以多問一個問題：
這本書裡哪些方法，值得在未來的工作情境中被 Agent 正確呼叫？
這個轉變意味著，知識庫不再只是收藏與搜尋的地方，也可以逐漸變成一組可組合、可驗證、可持續修正的能力模組。
當然，Skill 化不是把所有內容都拆得越細越好。真正重要的是保留來源、清楚寫出適用邊界，並用足夠的反例確認 Agent 不會亂用。只有這樣，「看過一本書」才有機會真正變成可重複使用的工作能力。
常見問答 (FAQ)
Q1：cangjie-skill 和一般 AI 摘要有什麼不同？
cangjie-skill 的目標不是只濃縮內容，而是把其中可遷移的方法論拆成具有觸發條件、執行步驟、使用邊界與測試案例的 Agent Skills。
Q2：哪些素材可以拿來蒸餾成 Skill？
書籍、長影音字幕、Podcast 轉錄稿、課程、訪談、演講與長文章都可以嘗試，但前提是內容中存在可抽取、可驗證、可重複使用的方法或決策框架。
Q3：為什麼測試題要加入誘餌題？
誘餌題可以檢查 Agent 是否只會看到關鍵字就亂用 Skill，也能驗證它在條件不足、目標衝突或存在更適合方法時，是否能拒用或改選其他 Skill。
Q4：蒸餾完成後可以直接相信 Skill 嗎？
不應該完全直接相信。Skill 仍可能受到來源品質、模型理解與方法適用範圍影響；高風險決策應保留原文依據、人工審查與必要的專業驗證。
Q5：第一次實驗適合從什麼內容開始？
建議先選一堂課、一場訪談或一本會在工作中反覆使用的方法書，並以「正確觸發、正確拒用、邊界判斷與實際產出」和單純摘要加提示詞的結果做比較。
