virgiliojr94/book-to-skill
AI 工程把技术书、文档文件夹或成组资料转换成可按需加载的 Agent 技能,供 Claude Code 等兼容宿主在工作中查阅。
项目介绍
book-to-skill 把一本技术书或一组结构化的文档转换成一个宿主 Agent 可以使用的技能:一份包含核心心智模型和章节索引的 SKILL.md、按章节拆分的 Markdown 文件、术语表、模式文件和速查表。提问时 Agent 只加载需要的章节,从原书内容中作答,而不是让模型凭空猜测。
README 给出的基准结论是:回答一个问题所用的 token 比把整本书塞进上下文少 24–51 倍,测量方法和分书数据在性能文档中。输入不限于书,内部 runbook、设计规范、论文和标准文档同样可以转换。
工作原理
流程分两段:确定性的 Python 提取器把文档转成干净文本和元数据,再由宿主 Agent 按规范生成结构化技能。提取在本地进行,仓库本身不附带任何书的内容。可选依赖(pdftotext、docling、pypdf、ebooklib 等)决定支持的格式和提取质量;没有文本层的扫描版 PDF 需要先做 OCR(例如使用 ocrmypdf)。
快速使用
-
用跨 Agent 的 CLI 安装技能:
npx skills add virgiliojr94/book-to-skill也可以把仓库克隆到宿主对应的技能目录,例如
git clone https://github.com/virgiliojr94/book-to-skill.git ~/.claude/skills/book-to-skill,其他宿主的路径见安装文档。 -
检查本机可用的提取器:
python3 scripts/extract.py --check -
在宿主 Agent 中对文件、文件夹或 glob 运行转换:
/book-to-skill ./my-book.pdf转换过程会询问内容是技术型还是纯文本型,并据此选择提取工具。生成的技能写入
~/.agents/skills/<slug>/;Claude Code、Hermes Agent、OpenCode、OpenClaw 等宿主另有各自的目录处理方式,详见 README。 -
按话题查询生成的技能,例如
/my-book-slug replication。
仅分析、从分析生成、更新/合并等模式见使用文档。
使用约束
- 手动安装时源目录使用
~/.claude/skills/book-to-skill,而生成的技能通常落在~/.agents/skills/<slug>/;不扫描该目录的宿主需要各自的路径。 - 格式支持取决于已安装的工具:PDF 文本提取需要 poppler/pypdf/pdfminer 或 docling,含代码、表格、公式的技术型 PDF 用 docling 约 1.5 秒/页;MOBI/AZW/AZW3 需要 Calibre 的
ebook-convert。 - 纯图片的扫描版 PDF 必须先 OCR;纯文本、Markdown、reStructuredText 和 AsciiDoc 不需要额外依赖。
- MIT 许可证只覆盖转换器和技能定义,不覆盖处理的文档。第三方版权书生成的技能应保持私有,公开分发可能侵犯权利人。
- 提取在本地完成,但使用云端模型时,喂给模型的文本仍按该服务商的数据条款处理。
HotRepo 点评
站内快照显示关注度持续而非一次性爆发:2026-07-29 和 2026-07-30 分别新增 1,428 和 1,421 Star;2026-11-17 进入 Python 日榜第 10 名,当日新增 161 Star。这些记录来自不同日期和不同榜单口径,不能合并成同一个累计排名。与星数相比,更值得注意的是宣传背后的工程细节——模块化提取包、测试、技能校验器和 token 成本测量工具——使按需加载章节的机制和 token 结论可以在仓库里实际核对,而不必只凭介绍采信。
本文由 AI 根据项目 README 生成,更新于 ,以项目官方文档为准。
Hacker News 讨论
相关推荐
- bookleme/bookleme把一本书编译成可安装的 Agent Skill,双引擎生成知识包与行为流程,并做逐字忠实度与版权校验。
- agentskills/agentskills用普通文件夹打包智能体指令、脚本与参考资料,让同一份技能在多个兼容智能体中复用。
- headroomlabs-ai/headroom在内容送入 LLM 前本地压缩工具的日志、文件与 RAG 片段,减少输入 token。
- affaan-m/ECC让不同编程 CLI Agent 共用一套技能、记忆与安全规则,减少切换工具时的行为漂移。
- langchain-ai/langgraph面向需要显式控制状态的开发者,提供可持久执行、可中断的长时 Agent 编排底层框架。