今天發點適合把方法論變成 Skills 的東西。
平時讀完一本書,或者看完一條視頻,總覺的學到了東西,但是又不能完全應用在自己的項目中,浪費了很多靈感。
今天給大家推薦一個叫 Cangjie-skill 的 GitHub 項目,能把你看過的書、視頻、博客都蒸餾成 Skills ,你就可以在真實場景中調用這些知識。

大家可以看看,這是我把光效教學視頻蒸餾後,運用到生圖項目中的效果:

01. 項目實測
case 1 書籍蒸餾skill
我們直接調用這個skill去蒸餾:
提示詞:
請調用 cangjie-skill,對我提供的書籍做一次單 Skill 蒸餾。
書名:《文案創作完全手冊》(The Copywriter’s Handbook)
作者:Robert W. Bly
正文路徑:”D:\360MoveData\Users\win\Desktop\文案創作完全手冊-羅伯特·布萊.pdf”

蒸餾完成之後我們用這個skill和不用skill來做同一個項目:
用蒸餾好的skill:
提示詞:
請調用 $feature-to-benefit 完成下面的任務。
請把下面的產品資料寫成落地頁首屏文案。
產品:票夾,一款面向小企業財務團隊的發票整理軟件。
目標用戶:
2~5 人的財務團隊,每月處理 300~1000 張發票。
產品資料:
1. 一次可以上傳 30 張電子發票 PDF。
2. 內部用 500 張標準電子發票測試,金額、日期、發票代碼等字段的綜合識別準確率爲 96.8%。紙質發票照片沒有測試。
3. 系統根據發票代碼和發票號碼提示重複發票。
4. 可以導出金蝶標準模板,目前不支持用友模板。
5. 管理員可以設置成員權限,並查看操作記錄。
6. 訪談過 8 名財務人員,其中 6 人表示,手工錄入和檢查重複發票佔用了發票整理中的大量時間。
請輸出:
1. 一個不超過 18 個字的標題
2. 一個不超過 50 個字的副標題
3. 三張賣點卡片
4. 一個試用按鈕文案

提示詞:
請把下面的產品資料寫成落地頁首屏文案。
產品:票夾,一款面向小企業財務團隊的發票整理軟件。
目標用戶:
2~5 人的財務團隊,每月處理 300~1000 張發票。
產品資料:
1. 一次可以上傳 30 張電子發票 PDF。
2. 內部用 500 張標準電子發票測試,金額、日期、發票代碼等字段的綜合識別準確率爲 96.8%。紙質發票照片沒有測試。
3. 系統根據發票代碼和發票號碼提示重複發票。
4. 可以導出金蝶標準模板,目前不支持用友模板。
5. 管理員可以設置成員權限,並查看操作記錄。
6. 訪談過 8 名財務人員,其中 6 人表示,手工錄入和檢查重複發票佔用了發票整理中的大量時間。
請輸出:
1. 一個不超過 18 個字的標題
2. 一個不超過 50 個字的副標題
3. 三張賣點卡片
4. 一個試用按鈕文案

無 Skill 版有目標用戶,也有業務量感,但有幾個問題問題:千張發票來自目標用戶每月處理 300~1000 張發票,並不代表票夾已經驗證過千張處理能力;查重、協作、導出一處完成塞入了太多功能;按鈕寫成免費試用票夾,原始資料卻沒有免費政策。
調用 feature-to-benefit 後,標題變成:成批識別發票,少做手工錄入,產品功能和財務人員得到的好處連在了一起。
三張卡片分別處理錄入、查重和金蝶導出,每項利益都能追溯到產品事實。查重被寫成:提示疑似重複項,避免暗示系統能徹底杜絕重複報銷。
case 2 視頻蒸餾skill
我們直接調用這個skill去蒸餾:
提示詞:
https://www.bilibili.com/video/BV1xQnPzdEiy/ 幫我蒸餾這個光效的吧

蒸餾完成之後我們用這個skill和不用skill來做同一個項目:
用蒸餾好的skill:
提示詞:
請先調用 $prompt-lighting-director,生成一張 16:9 的心理恐怖遊戲宣傳圖。 主體: 一名黑色短髮的年輕亞洲女性,穿沒有圖案的淺灰色襯衫,站在灰色混凝土牆前。人物正面面對鏡頭,胸部以上構圖,表情平靜,沒有誇張動作。

不用skill:
提示詞:
生成一張 16:9 的心理恐怖遊戲宣傳圖。
主體:
一名黑色短髮的年輕亞洲女性,穿沒有圖案的淺灰色襯衫,站在灰色混凝土牆前。人物正面面對鏡頭,胸部以上構圖,表情平靜,沒有誇張動作。

光效這組最能看出區別。無 Skill 圖採用常見的上方偏正面冷光,額頭、鼻樑和顴骨最亮,鼻子與下巴的陰影向下。人物面部清楚,灰色混凝土牆也有質感,但整體更像審訊室人物照,恐怖感並不強。
調用 prompt-lighting-director 後,光源被放到人物胸口下方。下巴、鼻孔和下脣成了最亮的區域,鼻影、顴骨影和眼部陰影反常地向上移動,壓迫感完全由陰影方向產生。
case 3 播客蒸餾skill
我們直接調用這個skill去蒸餾:
提示詞:
請調用 cangjie-skill,把下面的播客蒸餾成一個 Skill。
https://podscripts.co/podcasts/acquired/superhuman-with-ceo-rahul-vohra

蒸餾完成之後我們用這個skill和不用skill來做同一個項目:
用蒸餾好的skill:
提示詞:
請調用 $superhuman-pmf-engine 完成下面的任務。
我們在測試一款 AI 會議紀要產品。請判斷產品是否已經獲得 PMF、應該優先服務誰,以及未來六週應該開發什麼。
樣本規則:
所有受訪者都在最近 14 天內完成過至少兩場真實會議,均體驗過行動項提取功能。沒有重複答卷和缺失數據。
有效答卷共 48 份:
創始人,12 人:
– 非常失望 8 人
– 有些失望 3 人
– 不失望 1 人
銷售經理,12 人:
– 非常失望 7 人
– 有些失望 4 人
– 不失望 1 人
產品經理,12 人:
– 非常失望 2 人
– 有些失望 5 人
– 不失望 5 人
獨立顧問,12 人:
– 非常失望 1 人
– 有些失望 5 人
– 不失望 6 人
18 名「非常失望」用戶提到的主要利益:
– 行動項準確:13 人
– 會議記錄可搜索:3 人
– 其他:2 人
17 名「有些失望」用戶中,有 8 人也認可「行動項準確」:
– 5 人主要被日曆同步問題阻礙
– 2 人主要被 CRM 同步問題阻礙
– 1 人需要自定義導出格式
同期行爲數據:
– 創始人四周留存率 75%,付費轉化率 50%
– 銷售經理四周留存率 67%,付費轉化率 42%
– 產品經理四周留存率 33%,付費轉化率 17%
– 獨立顧問四周留存率 25%,付費轉化率 8%
– 全部註冊用戶完成兩次核心操作的激活率只有 24%
請輸出:
1. PMF 判斷
2. 優先目標用戶
3. 未來六週路線圖
4. 是否應該擴大獲客
5. 下一輪調查方案

提示詞:我們在測試一款 AI 會議紀要產品。請判斷產品是否已經獲得 PMF、應該優先服務誰,以及未來六週應該開發什麼。樣本規則:所有受訪者都在最近 14 天內完成過至少兩場真實會議,均體驗過行動項提取功能。沒有重複答卷和缺失數據。有效答卷共 48 份:創始人,12 人:
– 非常失望 8 人
– 有些失望 3 人
– 不失望 1 人
銷售經理,12 人:
– 非常失望 7 人
– 有些失望 4 人
– 不失望 1 人
產品經理,12 人:
– 非常失望 2 人
– 有些失望 5 人
– 不失望 5 人
獨立顧問,12 人:
– 非常失望 1 人
– 有些失望 5 人
– 不失望 6 人
18 名「非常失望」用戶提到的主要利益:
– 行動項準確:13 人
– 會議記錄可搜索:3 人
– 其他:2 人
17 名「有些失望」用戶中,有 8 人也認可「行動項準確」:
– 5 人主要被日曆同步問題阻礙
– 2 人主要被 CRM 同步問題阻礙
– 1 人需要自定義導出格式
同期行爲數據:
– 創始人四周留存率 75%,付費轉化率 50%
– 銷售經理四周留存率 67%,付費轉化率 42%
– 產品經理四周留存率 33%,付費轉化率 17%
– 獨立顧問四周留存率 25%,付費轉化率 8%
– 全部註冊用戶完成兩次核心操作的激活率只有 24%
請輸出:
PMF 判斷
優先目標用戶
未來六週路線圖
是否應該擴大獲客
下一輪調查方案

無 Skill 版把每組 12 人的結果直接標成最強 PMF和強 PMF,沒有提醒分羣樣本較小。創始人畫像中還出現了沒有提供的信息。
superhuman-pmf-engine 保留了每個判斷的分母。Skill 還從 18 名強支持者中確認了行動項準確這一共同利益,再從 17 名有些失望用戶中篩出同樣認可該利益的 8 人。路線圖安排行動項準確、日曆同步和激活流程。
02. 項目簡介
Cangjie-skill 是一套「長內容轉 AI Skill」的方法規範。Cangjie-skill 讀取書籍、視頻字幕、播客文字稿、課程或訪談,把其中可重複使用的方法論拆成多個獨立 Skill,交給 AI Agent 在具體問題中調用。
項目地址:https://github.com/kangarooking/cangjie-skill
Cangjie-skill 會解決幾個實用的問題:
- 哪些觀點有資格獨立成爲 Skill;
- 用戶說什麼話時,Agent 應該調用對應 Skill;
- Agent 調用後應該執行哪些步驟;
- 哪些情況需要停止或改用其他方法;
- 多個 Skill 之間如何組合,怎樣避免互相搶調用。
Cangjie-skill 比較適合:
- 方法論密度高的商業、投資、管理和技術課程;
- 團隊內部培訓資料與專家訪談;
- 希望建立個人 Agent 工具庫的研究者;
- 需要保留出處、淘汰記錄和方法邊界的內容蒸餾。
想使用這個項目,直接讓 AI Agent 幫你安裝就行,安裝好就可以去蒸餾你喜歡的書籍、視頻或者播客了。
03. 挖一挖
以前讀完一本好書、看完一條視頻,最後留下的往往是收藏、筆記和一段模糊的印象。等到真正遇上項目,還得重新翻資料,很多有用的方法也慢慢忘了。
Cangjie-skill 給了好內容一種更實用的保存方式。書裏的文案方法、視頻裏的布光經驗、播客裏的產品判斷框架,都可以被拆成 Skill,連同適用條件、執行步驟和使用邊界一起留下來。
下一次寫產品文案、設計光效或判斷 PMF,Agent 可以直接調用對應 Skill,按照同一套方法工作。個人少走重複研究的彎路,團隊也能繼續使用專家留下的經驗。
以後遇到值得反覆學習的書、視頻或播客,可以多做一步:把其中最有用的方法做成 Skill。
收藏夾留住內容,Skill 留住內容裏的經驗,讓好內容在一個又一個真實項目裏繼續發揮作用。
原文鏈接:GitHub 狂攬 4.2K Stars,把知識全部變成 Skills