买了本好书，读完三个月后想不起第 7 章讲什么。搜 PDF 只得到页码，让 Agent 凭记忆答容易幻觉，手写笔记又再也不打开。book-to-skill 的做法是：把书蒸馏成结构化 skill，Agent 按需加载真实章节，而不是靠「记得大概」。

项目：virgiliojr94/book-to-skill（MIT）。互补的一篇：mattpocock/skills——一个管「懂什么」，一个管「怎么干」。

三步

  1. 指向：/book-to-skill ./my-book.pdf（文件、文件夹、glob 都行）
  2. 蒸馏：提炼成框架、决策规则、反模式、逐章文件——是结构，不是摘要
  3. 使用：/my-book replication，Agent 读对应章节再回答

生成结构（~/.claude/skills/<slug>/）

文件 用途 大约大小
SKILL.md 核心心智模型 + 章节索引 ~4,000 tokens
chapters/ch01-*.md 每章一个文件，按需加载 ~1,000 tokens/章
glossary.md 术语表，带章节引用 ~1,500 tokens
patterns.md 技术、算法、设计模式 ~2,000 tokens
cheatsheet.md 决策表与速查 ~1,000 tokens

不问的章节不占 skill 预算。实测比整本书塞进上下文省约 24×–51× tokens。

亮点

  • 格式广：PDF、EPUB、DOCX、TXT、Markdown、reST、AsciiDoc、HTML、RTF、MOBI/AZW
  • 不限于书：内部文档、ADR、runbook、设计系统、论文、RFC / API 规范都适用。经常重新打开、恨不得背下来的材料，就是候选
  • 开放标准：Agent Skills（SKILL.md），兼容 Claude Code、GitHub Copilot CLI、Amp

PDF 提取

按书型选工具（提取前会问是技术书还是文字书）：

书型 工具 速度
文字类 pdftotext（poppler） 即时
文字类备选 pypdf / pdfminer.six 即时
技术类（代码 / 表格 / 公式） docling 约 1.5 秒/页，保真表格 
1
python3 scripts/extract.py --check

一条命令列出各格式缺什么、怎么装。

示例

1
2
3
4
5
6
7
8
9
10
11
# 多文件合成一个 skill
/book-to-skill ~/papers/paper1.pdf ~/notes/export.txt unified-research

# 整个文件夹
/book-to-skill ~/workspace/project-docs/ project-knowledge

# glob
/book-to-skill "~/books/*.epub" my-library

# 并入已有 skill
/book-to-skill ~/articles/new-paper.pdf ~/.claude/skills/project-knowledge

调用（Copilot CLI 需先 /skills reload；Claude Code / Amp 下个会话生效）：

1
2
3
/designing-data-intensive-apps              # 核心心智模型
/designing-data-intensive-apps replication  # 按主题查
/designing-data-intensive-apps ch05         # 第 5 章

评价

  • 适合：架构书、规范、内部文档——把「读过」变成可检索资产
  • 对比 RAG：RAG 回片段，这个回结构化章节，路径更简单
  • 注意：效果取决于蒸馏质量和切章；技术书建议用 docling，避免表格 / 公式失真

快来参与讨论吧~