唤书术
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_73e07385/summon-book。
技能介绍
要解决什么问题
个人知识库若要覆盖投资、电商、产品等主题,免不了要接学术书 PDF。麻烦在于:不少 OA 目录在大陆打不开,直链经常是 OAPEN 或伪装成 PDF 的 HTML;即便下到了文件,扫描版没有文本层,入库后也无法检索和问答。唤书术针对的是把 IntechOpen、OpenStax 等 CC 授权书合法搬进你可写的 IMA 知识库,并尽量保证链路在大陆可用、产出可问答。
技能如何工作
整条流水线分六步:选书(DOAB + 官网书单 → JSON)、拿直链(mts.intechopen.com 主通道,新书走 DOAB S3 兜底)、下载(download_oa.py,8 线程 + %PDF 魔数校验)、提取(extract_oa.py,默认前 40 页)、提纯(每本 500~800 字场景化精华稿)、入库(create_media → COS → add_knowledge)。产物按四层架构组织:框架摘要、原书全文、跨书合成、应用决策清单。
新书 ID 有个常见坑:官网 7 位数 ID 在 mts 上常 404,应通过 curl -sIL https://doi.org/{doi} 解析正式书目 ID,或从 DOAB 记录里抽 S3 直链。扫描版若 extract 报 NO_TEXT,需要另走 OCR,不能当普通文本书处理。
适用边界
书源侧聚焦已验证大陆可达的渠道(IntechOpen mts/S3、OpenStax assets 等);WHO、EconStor、OAPEN 等要么要额外解析要么不可达,不宜默认纳入书单。IMA 侧依赖运行时拿到的可写 knowledge_base_id 与一次性 COS 凭证,不能写死用户 ID。沙箱里大文件下载可能极慢,OpenStax 百兆级 PDF 宜流式分块而非整文件读入内存。
使用场景
- 按投资/电商等维度从 DOAB 挑 IntechOpen 书,生成书单 JSON 并批量拉取可大陆访问的 PDF
- 新书官网 7 位数 ID 在 mts 404 时,用 DOI 重定向或 DOAB S3 链接拿到真实下载地址
- 多本 OA 书下载校验通过后,提取前 40 页文本并写成 500~800 字场景化提纯稿再入库
- 把四层架构文档(摘要、全文、跨书合成、动作清单)同步到个人 IMA 库做「下载即可问答」
适合人员
- 用 IMA 维护行业书库、希望 OA 学术书合法进库并能直接问答的内容运营
- 主攻 IntechOpen/OpenStax 书单、需要大陆稳定直链与 DOI/S3 兜底策略的研究写作者
- 在个人工作区跑 `download_oa.py` / `extract_oa.py`、要把批处理结果落到固定目录结构的自动化使用者
- 做跨书主题整理、需要第二层 PDF 与第三层横向结论分开归档的知识管理实践者