仓颉 Skill：长视频先降维成文本，再榨出方法论
前言
" 上周写过仓颉 Skill（cangjie-skill）的整体架构。这个项目最近更新到 v2.5.0，README 里专门开了一个"视频蒸馏区"——吴恩达《AI for Everyone》视频课程蒸出了 25 个 skill，Loop Engineering 长视频合集蒸出 8 个。
这篇单独拆一件事：一个两三个小时的 B 站/YouTube 长视频，是怎么变成一套能在 Agent 里调用的 skill 的。
先给结论：整个过程里，"视频"其实只出现在第一步。仓颉 Skill 的聪明之处在于，它根本不去理解视频——先把视频降维成文本，再把文本里的方法论榨出来。
- GitHub：https://github.com/kangarooking/cangjie-skill
- 作者：袋鼠帝（kangarooking），AI Top 公众号「袋鼠帝 AI 客栈」主理人
- 协议：MIT，v2.5.0
一、项目身份：蒸馏"系统性表达过的内容"
仓颉 Skill 的定位一句话：把书、长视频、播客里的方法论，蒸馏成可调用的 AI Skills。
它旁边还有两个配套项目构成生态：nuwa-skill 蒸馏人（马斯克 skill、巴菲特 skill 那一挂），darwin-skill 让 skill 自动进化。nuwa 蒸馏人，仓颉蒸馏书，darwin 负责进化。
为什么单独蒸馏"内容"这一层？作者的理由很实：你可能看了很多视频、收藏了很多干货，但就是用不起来。平台每天产出大量时效性强的长视频，这些内容 AI 大概率没训练过，靠一次观看也吸收不了。看完之后，知识停留在收藏夹里落灰。
摘要不是解法。摘要和笔记只是压缩——读完还是不知道"什么时候该用什么"。仓颉的答案是把知识拆成带触发条件、适用边界、可测试的 skill 单元，让 Agent 在真实场景里替你调用。
二、主执行链路：视频进来，先过一道"降维"
关键认知：仓颉 Skill 本身不处理视频文件。视频蒸馏走两段式：
第一段交给配套的 video-downloader skill：下载视频、提取字幕（有字幕用字幕，没字幕走音频转写）、抓关键素材。第二段才是仓颉的主场——它拿到的已经是纯文本，和一本书没有区别。
这个设计非常务实。直接理解视频是多模态难题，理解转写文本是成熟技术。字幕/转写文本保住了视频里 95% 的方法论信息，剩下 5% 的画面信息对"可调用的方法论"来说基本是噪声。降维不是妥协，是聚焦。
三、核心模块：RIA-TV++ 七阶段
文本进来之后，走七阶段流水线：
名字拆开看：RIA 来自赵周《这样读书就够了》的便签拆书法；TV 是 Triple Verification 三重验证；++ 是面向 Agent 执行的扩展——E（可执行步骤）+ B（边界）。
对视频内容，几个阶段特别关键：
三重验证是筛选器。视频转写文本的特点是口语化、啰嗦、水词多。真正值得变成 skill 的内容只有一小部分。验证按三条查：来源充分性（原文撑不撑得住）、可执行性（能不能变成动作）、任务增益（比通用知识强在哪）。v2.5.0 还放宽了一条：只在一处讲透的流程或公式也可入选，不强求重复出现。
诱饵题压力测试是防伪器。每个 skill 配测试用例，故意埋诱饵题——测它会不会在不该触发的场景触发，会不会和别的 skill 混淆。未通过的回炉重做。这一步把"看起来能用"和"真的能用"区分开。
四、数据与状态流：Bundle 是唯一事实源
v2.5.0 最重要的架构决定：Capability Bundle 成为唯一事实源。
先有稳定的 Bundle，再有编译产物。好处在演进时显现：源内容更新（视频作者发了续集、书出了新版）时，走内容寻址预处理、源文档 diff、影响分析、事务性补丁，还有手改检测——你自己改过的地方会被保护，快照可回滚。
中间还有两个常被忽略的产物：GLOSSARY.md（术语词典）和 INDEX.md（技能地图）。视频里冒出来的行话被术语表统一收口，skill 之间的关联被能力图记录——这两样让散落的 skill 变成一个可导航的体系。
五、跨端边界
- 输入端：不直接吃视频。依赖 video-downloader skill 前置处理；播客、访谈、演讲、课程、长文、资料集同理——先有文本，万物可蒸
- 平台端：OpenClaw / Claude Code 原生支持，DeepSeek Harness 有独立插件安装包（Release 下载 + SHA256 校验 + dsh 命令安装）
- 分发端：通用 Skill ZIP 下载解压即装；Registry v2 兼容 v1 条目；官网 cangjie-skill.com 提供可视化浏览，但 GitHub 仓库是唯一事实来源
- 产出端：标准 skill 目录结构（SKILL.md + 模板），任何支持 Agent Skills 格式的运行时可用
六、配置边界
这个项目几乎没有传统配置——它是元 skill，配置就是 SKILL.md 里的执行规范本身。可控的决策点：
- 交付模式：single（全合一）还是 pack（紧凑分包），按 skill 数量和调用频率选
- 晋级决策：哪些内容值得从 Bundle 晋级为独立 skill，由验证阶段的任务增益决定
- 蒸馏范围：来源文本的边界（整本书 or 单章节，如"高等数学上册第一章"也能蒸）
- 验证宽严：v2.5.0 后单处完整机制可入选，无需重复出现或作者独创
仓库本体只有三个目录：methodology（各阶段方法论文档）、extractors（5 个提取器的 prompt）、templates（输出模板）。没有脚本依赖，prompt 即程序。
七、扩展点
- 源类型扩展：只要能变成文本的内容都在射程内——已有的实战包括巴菲特股东信（20 skill）、毛选 1-5 卷（25 skill）、165 个系统提示词、X 增长资料集，甚至单篇叙事写作样本
- 提取器扩展：5 个提取器（框架/原则/案例/反例/术语）是独立 prompt，可以加新维度
- 生态咬合：上游接 video-downloader 拿文本，下游接 darwin-skill 让蒸馏产物自动进化
- 社区共建：qbdx-hub、book2skill 等外部仓库经作者同意接入，Registry 保持兼容
八、风险点
- 字幕质量是天花板。转写错误、无字幕视频的语音识别噪声，会直接污染蒸馏源头。垃圾进垃圾出，这一步没有任何后置补救
- 口语内容的方法论密度低。两小时视频里可能只有二十分钟是干货，三重验证会大量淘汰候选——这不是缺陷，但意味着视频蒸馏的"出 skill 率"天然低于结构化的书
- 蒸馏 ≠ 作者授权。把别人的视频/书蒸成 skill 分发，内容版权和人格权益的边界模糊。仓库里外部来源都标注"经对方作者同意"，这个自觉值得保持，但普通用户未必有这个意识
- 可调用 ≠ 被调用。蒸出 25 个 skill 不等于它们会在对的场景被触发。诱饵题压测防了误触发，但真实场景的触发质量要靠长期使用检验
- 依赖底座模型。提取和验证的质量绑定在所用大模型的能力上，换模型结果会漂
记住
长视频变 skill 的核心思路是两次转换：先降维——用 video-downloader 把视频变成字幕/转写文本，绕开多模态难题；再蒸馏——RIA-TV++ 七阶段流水线，从文本里榨出验证过、测过的能力卡。
摘要只是压缩，skill 是结构化复用：带触发条件、带边界、经得起诱饵题。
知识不该躺在收藏夹里落灰——它应该在你的 Agent 里待命。
参考资源
- GitHub：https://github.com/kangarooking/cangjie-skill
- 官网：https://cangjie-skill.com/
- 视频蒸馏示例：https://github.com/kangarooking/ai-for-everyone-skill
- License：MIT