videocut-skill

概述

知识蒸馏器 — Knowledge Distiller

读完、看完、听完之后，带走一套能调用的方法论。

Inspired by cangjie-skill by 袋鼠帝 (kangarooking). Adapted for WorkBuddy with full book + video distillation support.

使用声明：「正在使用知识蒸馏器 skill 进行内容蒸馏。」

使命

把高价值内容（书籍、长视频、播客、访谈、课程）里沉淀的方法论，拆解成一组原子化、可被 AI Agent 在真实场景下调用的 skills，让知识真正用起来。

边界:

• ✅ 做: 方法论 / 决策框架 / 清单 / 原则 / 概念体系的蒸馏
• ❌ 不做: 摘要 / 读后感 / 作者人设角色扮演 / 内容总结

核心方法论: RIA-TV++

一个六阶段 + 并行提取 + 三重验证 + 压力测试的流水线。

阶段 0: 整内容理解 (Adler)      → 内容概览
阶段 1: 5 个 agent 并行提取      → 候选方法论单元池
阶段 1.5: 三重验证筛选            → 通过的单元
阶段 2: RIA++ 构造 skill          → 每个 skill 的 SKILL.md
阶段 3: Zettelkasten 链接         → 索引 + 引用图
阶段 4: 压力测试                  → 测试集 + 回炉淘汰

RIA — 便签拆书法 (Reading / Interpretation / Appropriation) TV — 三重验证 (Triple Verification) ++ — Agent 执行扩展 (Execution + Boundary)

两条蒸馏管线

管线 A: 文本蒸馏（书籍 / 文稿 / 播客文字稿）

用户直接提供文本文件或粘贴内容 → 直接进入 RIA-TV++ 流水线。

管线 B: 视频蒸馏（B站 / YouTube / 长视频）

用户提供视频链接 → 先提取文案 → 再进入 RIA-TV++ 流水线。

视频提取调用策略:

1. 首选: 调用已有的 video-auto-editor skill 做音频提取和 Whisper 转写
2. 备选: 使用 yt-dlp 下载视频 + 内置字幕提取
3. 中文平台 (B站/抖音): 优先利用平台 API 获取字幕/弹幕文案
4. 英文平台 (YouTube): 优先使用 yt-dlp 的 --write-auto-subs 获取自动字幕

详见 methodology/07-video-pipeline.md。

何时调用此 skill

触发词举例:

• "帮我拆《穷查理宝典》"
• "把毛选蒸馏成 skill"
• "这个视频里的方法论帮我抽出来" / "把这个B站视频做成技能包"
• "蒸馏这本书的方法论: <文件路径>"
• "帮我把这份课程讲义做成可复用的 skills"
• "这期播客有什么能用的框架？提炼一下"

输入要求

在开始前必须从用户处确认:

文本蒸馏

1. 文本来源: PDF / EPUB / TXT 文件路径、或可粘贴的纯文本。绝不凭记忆蒸馏。
2. 内容元数据: 书名/标题 + 作者/创作者 + 发布时间/出版年份
3. 蒸馏深度: 快速模式（3-5个核心skill）还是完整模式（全量蒸馏）

视频蒸馏

1. 视频链接: B站 / YouTube / 抖音等平台链接
2. 语言: 中文 / 英文 / 其他（影响转写方案选择）
3. 是否有字幕: 有字幕可以跳过转写，直接提取

输出结构

distilled/<content-slug>/
├── OVERVIEW.md                # 阶段 0: 内容全貌
├── INDEX.md                   # 阶段 3: skill 地图 + 引用图
├── candidates/                # 阶段 1: 原始候选池 (审计用)
│   ├── frameworks.md
│   ├── principles.md
│   ├── cases.md
│   ├── counter-examples.md
│   └── glossary.md
├── rejected/                  # 阶段 1.5: 淘汰 + 原因 (审计用)
├── verified.md                # 阶段 1.5: 通过的单元汇总
├── <skill-slug-1>/
│   ├── SKILL.md
│   └── test-prompts.json
├── <skill-slug-2>/
│   └── ...
└── _source/                   # 视频管线特有: 原始文案
    ├── transcript-01.md
    └── ...

执行流程 (严格按顺序)

阶段 0 — 整内容理解 (Adler 四步)

1. 读取用户提供的全部文本。大文件分块处理，每次读取 2000 行。
2. 执行 Adler 分析阅读法四步：
   • 结构分析: 这本书/视频在讲什么？骨架是什么？分几个部分？
   • 解释分析: 关键术语定义？核心论点？各部分的逻辑关系？
   • 批判分析: 作者的论证有没有漏洞？哪些假设未经检验？盲点在哪？
   • 应用分析: 这些方法论能用在哪些真实场景？谁最需要这些知识？
3. 生成 OVERVIEW.md，展示给用户确认骨架理解是否正确。
4. 得到用户确认后进入阶段 1。

阶段 1 — 5 个并行提取器

同时发起 5 个 sub-agent（使用 WorkBuddy 的 Agent 工具），每个独立阅读全文并提取:

每个 sub-agent 输出到 candidates/<type>.md。

阶段 1.5 — 三重验证筛选

对每个候选单元执行三项检验（详见 methodology/03-stage1.5-verify.md）:

V1 跨域验证: 在内容中至少 2 个独立语境下有佐证？

• ✅ 通过: 同一方法论在投资、工程、教学三个不同场景都出现
• ❌ 不通过: 某句话只在一处出现过，没有独立证据

V2 预测力测试: 能用它推导出内容里没明说的新问题的答案吗？

• ✅ 通过: 能推导出有意义、非平庸的结论
• ❌ 不通过: 只能得出"努力就会成功"之类废话

V3 独特性检验: 这是否是"任何聪明人都会说的常识"？

• ✅ 通过: 作者独特视角/反直觉见解/独特术语体系
• ❌ 不通过: 太常识了，不需要 skill 来承载

三项全部通过才进入阶段 2。不通过的写入 rejected/ 并注明原因。

通过率预期: 方法论密集的内容 30-50%，散文类 5-10%。通过率过低 (<5%) 重跑提取器；过高 (>80%) 收紧验证标准。

阶段 2 — RIA++ 构造 skill

对每个通过单元，按六段框架构造 SKILL.md（详见 methodology/04-stage2-ria-plus.md）:

阶段 3 — Zettelkasten 链接

1. 找出 skill 之间的三种关系: 依赖 (A 需要 B) / 对比 (A vs B) / 组合 (A + B 协同)
2. 在每个 SKILL.md 末尾补 related_skills 段
3. 生成 INDEX.md，包含 Mermaid 引用关系图

阶段 4 — 压力测试

对每个 skill，按 methodology/06-stage4-pressure-test.md 执行:

1. 设计 5-10 条测试 prompt，至少包含:
   • should_trigger (3-5 条): 该调用时是否调用
   • should_not_trigger 诱饵 (2-3 条): 不该调用时是否忍住
   • edge_case (1-3 条): 边界模糊场景的判断
2. 优先用独立 sub-agent 盲测: 不给预期答案，让它自然判断是否触发
3. 统计通过率:
   • 100% → 接受
   • ≥80% → 分析失败 case，修 A2 或修测试
   • <80% → 回炉重做阶段 2，不是小修
4. 全部通过后通知用户完成。

质量红线 (违反则阻止输出)

1. 每个 skill 必须通过全部三重验证
2. 每个 skill 必须有完整的 R / I / A1 / A2 / E / B 六段
3. 原文引用 ≤150 字/段
4. 每个 skill 必须有 test-prompts.json，且必须包含诱饵测试
5. description 字段必须明确 trigger 条件，不能只是"一个关于 X 的 skill"
6. 绝不凭记忆蒸馏 — 没文本/没文案就停下来问

快速模式 vs 完整模式

渐进式披露

参考文件

• methodology/00-overview.md — RIA-TV++ 总览
• methodology/01-stage0-adler.md — Adler 整书理解四步法
• methodology/02-stage1-extract.md — 并行提取流程
• methodology/03-stage1.5-verify.md — 三重验证详则
• methodology/04-stage2-ria-plus.md — RIA++ 构造模板
• methodology/05-stage3-zettelkasten.md — 链接与索引
• methodology/06-stage4-pressure-test.md — 压力测试流程
• methodology/07-video-pipeline.md — 视频蒸馏管线

提取器

• extractors/framework-extractor.md — 框架/思维模型提取器
• extractors/principle-extractor.md — 原则/清单提取器
• extractors/case-extractor.md — 案例提取器
• extractors/counter-example-extractor.md — 反例/失败模式提取器
• extractors/glossary-extractor.md — 术语/概念提取器

模板

• templates/SKILL_tpl.md — 输出 skill 模板
• templates/OVERVIEW_tpl.md — 内容概览模板
• templates/INDEX_tpl.md — 索引模板
• templates/test-prompts_tpl.json — 测试用例模板

调用惯例

• 先试点 — 除非用户明确说"批量"，先蒸馏 1 本/1 个视频验证流程
• 阶段之间主动汇报 — 不要静默跑完再 dump 结果
• 不凭记忆蒸馏 — 没文本就停下来问
• 保留审计轨迹 — candidates/ 和 rejected/ 都要留，方便溯源
• 视频优先用已有 skill — 调用 video-auto-editor 做转写，不重复造轮子

致谢

本 skill 的方法论框架 RIA-TV++ 源自袋鼠帝 (kangarooking) 的 cangjie-skill (MIT License)，在此基础上适配 WorkBuddy 生态并扩展了视频蒸馏管线。

蒸馏不是压缩，是让方法论从「我读过」变成「我能用」。