书到技能适配器

要解决的问题

长篇技术资料、规范和论文通常信息密度高，但直接全文进入模型上下文会造成 token 浪费、重复计费，并容易丢失作者命名的框架、决策规则和反模式。对于技术书，全文塞入往往需要十几万到几十万 token，而每次提问都可能重新触发相同内容，既贵又不稳定。

核心工作方式

这个技能把结构化知识源编译成按需加载的 WorkBuddy skill，而不是写一份书评：

• 先在本地提取文本，合并为 full_text.txt，保留来源分隔与章节元信息。
• 判断 BOOK_TYPE、DEPTH，预估生成成本后再生成产物。
• 生成精简的 SKILL.md 常驻核心，把章节写入 references/ 按需读取。
• 提取作者精确命名、模式、决策层，并尽量复现 Worked Example。
• 支持 Fold-in 增量更新，把新资料合并进已有 skill，而不是整包重建。

适用边界

适合技术书、论文、规范、长文和多文件资料；不适合纯功能需求或仓库机械转 skill。提取依赖用户环境的 pdftotext、docling 等工具；中文源 token 密度更高，需要监控 SKILL.md 是否超限。cheatsheet 决策层来自对作者判断力的推断，发布前仍需人工核对事实与版权边界。