開源「倉頡.Skill」，你現在可以蒸餾任何書！

怎么在一年內賺到1000萬？

如果這個問題直接丟給AI，它大概率會給出正確的廢話

按理說AI在訓練的時候已經把各種經典名著都訓練進去了，但是卻用不上來，總是說一堆看似正確的廢話。它說的每個字都對，但好像就是...沒用。

我最近讀了一本書叫《認知紅利》。

講認知升級、講時間商人、講透析三棱鏡...全書讀完，筆記做了，金句劃了一堆。

合上書那一刻，覺得自己升級了，又變強了。

然后過了兩周，當我想用書中的方法論去解決一些實際問題的時候，又突然感覺好模糊，那個記憶在你腦海中，但就是抓不住。這時我要重新打開那本書，花不少時間去翻找對應的方法論。

好像我跟AI一樣，都看過不少書，但就是用不上來。

你的書架上，是不是也躺著幾本讀完但用不起來的書？段永平、查理·芒格、巴菲特…道理都懂，但真到做決策的時候，那些框架就像從來沒出現過。

關于這個問題，我以前想的是多讀幾遍，然后要有意識的使用起來。

直到最近，我看我有了新的想法。

最近 skill 非?；鹇?。特別是有人把同事蒸餾成 skill：人離職了，但他的經驗、做事方式、甚至說話的語氣，都被固化成了一個 AI 可以調用的skill，繼續干活

然后@花生又做了一個女媧skill

主打一個你想蒸餾的何必是同事，直接蒸餾這個世界上各個領域最強的那一批人，比如馬斯克，芒格，巴菲特等等...

很有意思。但我想了一下：

我們可以蒸餾一個人，為什么不蒸餾他花了大量時間寫的書呢？

書是一個人花了大量時間沉淀下來的深度思考，是他反復推敲，實戰沉淀下來的精華。

蒸餾大佬們寫的書，你能拿到他們的方法論，那是真正可落地的驗證過的經驗。

于是我決定干一件事：做一個能蒸餾任何書的 skill，然后讓Agent幫我們把這些知識用起來！

于是倉頡.Skill就這么誕生了

https://github.com/kangarooking/cangjie-skill

倉頡.Skill不是做摘要，不是做讀書筆記。而是讓 AI 真正把書里的方法論學會，在你遇到對應問題的時候，自動調用對的框架，給你可落地執行的步驟。

目前我已經蒸餾了好幾本書：

《認知紅利》、《窮查理寶典》、《大道：段永平投資問答錄》、《不拘一格：網飛的自由與責任工作法》、《巴菲特致股東的信（1957-2024）》

從巴菲特致股東的信中蒸餾出來了整整20個Skill：

倉頡.Skill的誕生

倉頡.Skill是我用純血版的 Claude Code + Opus 4.6打造的。

我跟它一起設計了這套蒸餾體系。

不得不說，CC + Opus確實

它理解了一件很關鍵的事：蒸餾書不是做摘要。

產出的東西必須是 Agent 能在真實場景下自動調用的，有觸發條件、有執行步驟、有邊界限制、有質量驗證。

它幫我設計了一套完整的六階段蒸餾SOP：

整書理解、五個 Agent 并行提取、三重驗證篩選、skill 構造、關系鏈接、壓力測試。

六階段流水線具體是這樣的：

1.整書理解。不是上來就摘金句，而是先把整本書的骨架讀清楚——主旨是什么、論證鏈怎么走、關鍵術語作者怎么用的、作者有什么盲點。

2.五個 Agent 并行提取。同時從五個角度掃描全文：一個找框架，一個找原則，一個找案例，一個找反例，一個建術語詞典。獨立工作，互不干擾。

3.三重驗證：每個候選單元都要過三關：跨域驗證、預測力測試、獨特性檢驗。通不過就淘汰，寧缺毋濫。

4.構造 skill。關鍵是設計觸發條件——什么場景下自動激活，什么時候不該用。這一步最難，也最決定 skill 到底有沒有用。

5.鏈接。找出 skill 之間的依賴、對比、組合關系，形成知識網絡。

6.壓力測試。包括誘餌測試--故意給不該觸發的場景，看 skill 忍不忍得住。

下面左圖是原始版SOP，右圖是借鑒nuwa skill后的升級版SOP

這套流程跑完，一本書會被蒸餾成一套Agent Skills，包含幾個甚至幾十個原子化的 Skill（取決于書的知識密度）。每一個Skill都能獨立被調用，都有明確的適用場景和邊界。

化學里有個概念叫精餾：就是把混合物按沸點分離成不同的純凈組分。

知識精餾做的事一樣：按"框架 / 原則 / 案例 / 反例 / 術語"五個維度，把書里的知識分離成不同類型的純凈組分，然后只把真正有用的提純成可執行的 skill。

所以我把倉頡.Skill用的蒸餾方法稱為：知識精餾

為什么叫倉頡.Skill？

這個 skill 需要一個名字。

我想到了倉頡。

傳說倉頡觀鳥跡獸紋，從大自然的萬千信息中提煉出可復用的符號。于是人類有了文字，知識第一次可以被記錄和傳播。

倉頡.skill 做的事本質上一樣：從書本的萬千文字中，提煉出可被 Agent 使用的 skill。

倉頡讓知識能被記錄。

倉頡.Skill讓知識能被Agent執行。

英文名就叫 cangjie-skill。

知識精餾效果

skill 造好了，我拿來蒸餾的第一本書，就是那本剛讀完不久讀的《認知紅利》。

我最開始是準備使用Claude Code + Claude Opus4.6來進行蒸餾的

但是一跑起來，我就發現倉頡.Skill簡直是個Token炸彈！

瞬間把我的Claude Pro干到了限額

說實話，Claude Pro額度是真不夠用，用來跑CC的話根本不夠看，三下五除二就觸發限額了..

不得已，這次直接下血本，上了Claude Max

上完Claude Max之后，我又讓它繼續蒸餾了，但很快又被勸退了，那個token消耗量猛猛漲，很快就超了10萬token?♂?

我趕緊叫停

于是，我換成了更高性價比的組合Claude Code + GLM-5.1

不得不說，智譜的Coding Plan還是香，我隨便跑，都沒有達到限額。

五個 Agent 先并行掃描全文。然后一個找思維框架，一個找原則，一個找作者案例，一個找反面教訓，一個建概念詞典。各自獨立工作，互不干擾。

提取完一共拿到 22 個候選單元。然后過三重驗證--跨域驗證、預測力測試、獨特性檢驗。沒通過的直接淘汰。

最終篩下來15個可執行的 skill，每一個都有明確的觸發場景、執行步驟、和邊界限制。

然后，我重新開了一個CC窗口，問了一個問題。

怎么在一年內賺到 1000 萬？（當然我還補充了一些我的信息）

這次完全不一樣，AI終于沒有給正確的廢話

它調用了《認知紅利》里的好幾個方法論框架。

給了非常實用的建議，總結下來就是需要批發時間，設計增強循環，打造復利飛輪。

還有一些細節沒有截圖放出來

它還推薦了我去賣課，還得是賣課

多維能力模型：幫我找到了可以組合的能力維度，指出哪些組合能打造出市場稀缺性。

一步步推導，最后給出了大方向和具體的行動路徑。

求之于勢，不責于人

我當時的感覺很難形容。

不是說這個方案一定能讓我賺到 1000 萬。而是我感受到，書里的知識真的被"用"起來了。如果繼續，我還能跟它討論更多落地的細節。

同一本《認知紅利》，讀完的時候我覺得非常有道理。蒸餾成 skill 之后，AI 替我把這些方法論變成了行動路徑。

這一刻我非常興奮，倉頡.Skill 是有用的。

大家伙可能會有疑問：

把書丟進知識庫用 RAG 不就行了？干嘛搞這么復雜？

這個問題我認真想過，答案是：不行。

RAG 的本質是檢索。你問一個問題，它去知識庫里找最相關的原文片段，拼給你看。

問題在哪？

你得知道該問什么，比如幫我找到xxx框架，然后解決xxx問題

如果你不知道該怎么問，RAG 幫不了你。它不會知道"哦，你現在遇到的這個問題，其實書里有有好幾個框架可以用"。

Skill 不一樣。每個 skill 都有觸發條件--當你遇到某類問題、說出某類話時，它會自動激活（會自動匹配多個方法論）。你不需要記得書里有哪些方法論，AI 替你記著，替你在對的時刻拿出來用。

另外，RAG 沒有質量檢查，什么內容都可以往里塞。倉頡.skill 有三重驗證：跨域驗證（這個方法論在書里至少兩個獨立場景出現過嗎？）、預測力測試（能用它推導出書里沒直接討論的問題嗎？）、獨特性檢驗（是不是任何人都能說出來的常識？）。通不過的直接淘汰。

還有誘餌測試：故意給不該觸發的場景，看 skill 會不會亂調用。這一步很關鍵，因為一個沒有邊界的 skill，用錯的時候反而幫倒忙。

并且RAG很重，Skill則比較輕量，用起來更方便

本質上RAG還是幫你記知識，而不是運用知識

說到這里，不得不提 Andrej Karpathy 最近分享的一個思路。

LLM Knowledge Base（LLM Wiki）

他說他現在大量用 LLM 來構建個人知識庫：把原始資料索引到一個目錄里，讓 LLM "編譯"成一個 wiki，然后對這個 wiki 做 Q&A，產出的結果再回填到 wiki 里，持續增強。

這個思路很棒。倉頡.Skill 的流程也吸收了他的核心思想：先讓 AI 深度閱讀、結構化整理、建立索引、維護一致性。

這些在階段 0（整書理解）和階段 1（并行提?。├锒加兄苯芋w現。

但 倉頡.Skill 的知識精餾在這個基礎上多走了幾步。

Karpathy 的方案是把知識編譯成 wiki，等著你去查它。倉頡.Skill 是把知識提純成 Skill，該用的時候它主動跳出來。

一個解決"知識管理"問題，一個試圖解決"知識運用"問題。

《認知紅利》之后，我又蒸餾了另外五本。

說實話，過程沒有那么迅速。

窮查理寶典那本書，GLM-5.1 硬是跑了一個半小時，才全部干完了。

不過，一個半小時蒸餾查理·芒格的思維精華，還能運用起來，這個投入產出比，我覺得非常值。

另外一個讓我覺得值得做的事情：每個蒸餾出來的 skill 都自帶測試用例，格式兼容 darwin-skill（達爾文.Skill）。

darwin-skill 是一個專門用來自動進化 skill 的工具--你把 skill 喂給它，它會自動評估、改進、測試，分數只升不降。

也就是說，這些蒸餾出來的 skill 不是靜態的。可以試著用darwin-skill讓它們越來越強。

蒸餾到第三本的時候，我意識到一件事。

一個人蒸餾不完人類所有的好書。

《資治通鑒》、《國富論》、《原則》、《反脆弱》、《孫子兵法》、《思考，快與慢》、《高情商》……值得蒸餾的經典太多了。

所以我把所有東西都開源到了 GitHub。

倉頡.Skill 本體：

https://github.com/kangarooking/cangjie-skill

使用方式是：把地址丟給你的Agent，讓它幫你安裝這個skill即可。

蒸餾好的書本 skill：

巴菲特致股東的信：

https://github.com/kangarooking/buffett-letters-skill

窮查理寶典：

https://github.com/kangarooking/poor-charlies-almanack-skill

不拘一格：

https://github.com/kangarooking/no-rules-rules-skill

任何人都可以直接用蒸餾好的 Skill，也可以用 倉頡.Skill 蒸餾自己想蒸餾的書，還可以把成果分享出來。

另外，不是所有書都適合蒸餾。方法論密度高的書效果最好，金句散文類的出來效果一般。

以及token 消耗確實大，推薦使用國內的Coding Plan套餐，GLM-5.1長任務表現很棒，非常適合作為執行這項蒸餾任務。

「最后」

蒸餾不是讓AI替你讀書。

我覺得蒸餾一本書之前，最好是看過一遍。

不然你不知道哪些方法論是你看中的，哪些重點沒被照顧到。蒸餾的過程中你是要參與判斷的，這樣蒸餾出來的效果會更好。

另外，就算 AI 通過 skill 給出了建議，你也得有足夠的認知水平去判斷：這個方向對不對？能不能執行？效果好不好？

AI 時代，人的判斷力和自身的知識水平息息相關。

AI 越強，對你的要求其實越高。因為它能給你更多選項、更復雜的分析，但選哪個、信哪個、執行哪個 是你的事。

而且，蒸餾和運用的過程，本身就是一種加速學習。你在蒸餾中會重新審視書里的知識，在使用 skill 建議的時候會進一步思考。這個過程比單純讀一遍書的吸收率要高得多。

所以不要覺得有了 AI 就可以不看書、不思考了。

AI 是輔助工具，核心永遠是人。持續提升自己，無限進步。

如果你來蒸餾一本書，你會選哪本？

我選了五本，但還遠遠不夠。

好在這件事不用一個人干了。

歡迎來蒸餾你的書～

我是袋鼠帝，一個致力于幫你把AI變成生產力的博主。我們下期見～

能看到這里的都是鳳毛麟角的存在！

如果覺得不錯，隨手點個贊、在看、轉發三連吧~

如果想第一時間收到推送，也可以給我個星標?

謝謝你耐心看完我的文章~