read-book

name read-book description 读书 Skill - 基于《如何阅读一本书》的分析阅读法，深度分析书籍并生成专属 AI Skill 助手 argument-hint [书籍文件名] user-invocable true allowed-tools Read, Write, Edit, Bash, Glob, Grep use_case 当用户需要深度分析一本书并生成结构化读书笔记和 RIA++ 格式的 AI Skill 时调用。 支持 PDF / EPUB / DOCX / TXT / Markdown 格式。 包含成本预估、章节检测、三重验证等质量控制步骤。 本 Skill 基于《如何阅读一本书》的分析阅读法，帮助你深度分析书籍，输出 RIA++ 结构化读书笔记，并生成专属 AI Skill。 触发条件 当用户说以下内容时启动： /read-book "帮我读一本书" "分析这本书" "生成读书笔记" 上传 .pdf / .epub / .docx / .txt / .md 文件 当用户想继续基于已分析的书籍进行问答时： 调用生成的专属 Skill（如 /book-xxx ） 工具使用规则 任务 使用工具 读取书籍内容 Bash + uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" 成本估算 Bash + uv run python scripts/cost_estimator.py (读取提取后的文本) 章节检测 Bash + uv run python scripts/chapter_detector.py 写入读书笔记 Write 工具 追加评价/思考 Edit 工具 创建 Skill 目录 Bash 工具 生成专属 Skill Bash + uv run python scripts/skill_generator.py 列出已分析书籍 Bash + uv run python scripts/skill_generator.py --action list 大文件探测 优先用 Grep / Glob 而非 Read 全文（>5000 行时） 输出目录 ：生成的读书笔记和 Skill 写入 ~/.config/opencode/skill/books/{slug}/ 路径约定 本 skill 当中的所有的引用及运行脚本的路径请优先从当前 skill 目录查找，例如： 引用 references/analysis_rules.md 运行脚本 uv run python scripts/extract.py 章节检测 uv run python scripts/chapter_detector.py 成本估算 uv run python scripts/cost_estimator.py 核心流程：分析阅读 7 步法 (RIA++) Step 0: 读取书籍内容 根据文件类型选择读取方式 ： 格式 命令 ─── ─── .pdf uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" [--technical] .epub uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" .docx uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" .txt/.md uv run python scripts/extract.py --file "{path}" --output "./temp/{slug}.txt" PDF 参数说明： --technical ：技术类书籍，优先使用 docling（需安装） --start N ：从第 N 页开始 --end N ：到第 N 页结束 回退链 （自动降级）： PDF：docling → pdftotext(poppler) → pypdf → pdfminer.six EPUB：ebooklib+BeautifulSoup → zipfile+xml DOCX：python-docx → zipfile+xml Step 0.5: 成本估算（大文件必做） 目标 ：预估处理成本，避免超长文档意外消耗过多 token 步骤 ： 提取文本后，运行成本估算（默认 GLM-5.2 计价）： uv run python scripts/cost_estimator.py --file "./temp/{slug}.txt" 估算包含：字符数、预估 token 数、预估成本（元） 如果预估 token > 50K，询问用户是否继续： 用户确认 → 继续 用户取消 → 终止，建议用章节检测后分步处理 GLM-5.2 定价 ： 输入：8元/百万token 输出：28元/百万token 缓存命中：2元/百万token 上下文窗口：1M tokens 输出 ：成本估算摘要 Step 0.6: 章节检测 目标 ：快速了解书籍结构，识别章节边界 步骤 ： 运行章节检测： uv run python scripts/chapter_detector.py --file "./temp/{slug}.txt" 获取章节列表和目录检测结果 如果检测到目录(TOC)，优先从目录区域读取结构 如果文本 > 5000 行，建议按章节分步处理而非一次性读取全文 输出 ：章节列表 + 目录检测结果 Step 1: 书籍分类 目标 ：判断书籍类型，确定分析方法 步骤 ： 读取 prompts/step1_classify.md 获取分类指导 阅读书籍前言/目录/序言（用 Grep 快速定位） 判断书籍类型： 虚构小说类 → 阅读故事的方法 理论性作品 （历史、科学、哲学、数学） → 关注观点与论证 实用性作品 （方法论、自我提升） → 关注可执行的方法 社会科学类 → 关注人与社会的关系 输出 ：记录书籍类型，后续分析以此为依据调整方法 Step 2: 搭建骨架 目标 ：理解书籍整体结构 步骤 ： 读取 prompts/step2_skeleton.md 获取骨架指导 回答三个问题： 这本书在谈什么？（用一句话概括） 作者如何依次发展这个主题？ 作者想要解决什么问题？ 列出全书的重要部分 输出 ：骨架摘要（一句话概括 + 结构拆解 + 作者要解决的问题） Step 3: 提取关键词 + 主旨句 目标 ：与作者达成共识，理解核心概念 步骤 ： 读取 prompts/step3_keywords.md 获取提取指导 找出 5-10 个反复出现的关键概念 确认理解与作者一致 找出作者最核心的主旨句 输出 ：核心概念表格 + 核心主旨列表 Step 3.5: 三重验证 目标 ：对提取的核心概念/方法论候选进行质量过滤 步骤 ： 对每个方法论单元执行三项验证： V1 跨域验证 ：书中是否有 ≥2 处独立段落佐证？ V2 预测力验证 ：能否用它回答一个书中未明说的新问题？ V3 独特性验证 ：不是常识？ 三 ✓ → 进入 Step 5 含 ✗ → 标记为"待审"，由脚本在 Step 6 自动过滤 输出 ：验证记录列表 Step 4: 评价作者 目标 ：形成自己的观点 步骤 ： 读取 prompts/step4_evaluate.md 获取评价指导 回答四个问题： 这本书说的是真的吗？ 同意/反对的理由？ 与我何干？ 读完后有什么改变？ 输出 ：评价与思考段落 Step 5: 生成结构化读书笔记 目标 ：将分析结果整理为可复用的笔记，按方法论单元组织 步骤 ： 读取 prompts/step5_note.md 获取笔记模板 整合 Step 1-4 的所有分析结果 方法论内容拆分为独立单元，每个单元填充 R/I/A1/A2/E/B 六段 + 验证记录 填充模板，生成完整读书笔记 输出路径 ： ~/.config/opencode/skill/books/{slug}/note.md 笔记结构 ： ## 方法论拆解 ### {方法论1} → R / I / A1 / A2 / E / B / 验证记录 ### {方法论2} → R / I / A1 / A2 / E / B / 验证记录 ## 核心概念 → 概念表格 ## 我的评价 / 与我何干 ## 精彩摘录 ## 附录：分析过程记录 Step 6: 生成专属 AI Skill（RIA++） 目标 ：将书籍方法论封装为 RIA++ 结构的可执行 Skill 步骤 （推荐使用脚本自动生成）： uv run python scripts/skill_generator.py \ --book-title "{书名}" \ --note-path "~/.config/opencode/skill/books/{slug}/note.md" 脚本执行流程： 解析笔记中的方法论单元（ ## 方法论拆解 部分） 三重验证过滤 （V1/V2/V3） 生成 RIA++ 结构化 SKILL.md + glossary.md + patterns.md + cheatsheet.md 输出路径 ： ~/.config/opencode/skill/books/{slug}/ ├── SKILL.md # 核心触发入口（~4K tokens） ├── glossary.md # 术语表（~1.5K tokens） ├── patterns.md # 技术/模式表（~2K tokens） ├── cheatsheet.md # 决策规则速查（~1K tokens） └── rejected/ # 被过滤的方法论单元 触发词 ： /book-{slug} Step 7: 验证生成的 Skill 目标 ：确保生成的 RIA++ Skill 结构完整 步骤 ： RIA++ 完整性检查 ：每个方法论单元确认包含全部六段 路径检查 ：确认文件位于 ~/.config/opencode/skill/books/{slug}/ 问答测试 ：调用 /book-{slug} 测试 修复问题 ：如果发现问题，检查笔记格式后重新生成 管理命令 列出已分析的书籍 uv run python scripts/skill_generator.py --action list 查看某本书的笔记 cat ~/.config/opencode/skill/books/{slug}/note.md 查看被过滤的方法论单元 ls ~/.config/opencode/skill/books/{slug}/rejected/ 调用生成的专属 Skill /book-{slug} 输出文件结构 生成的专属 Skill 目录： ~/.config/opencode/skill/books/{slug}/ ├── SKILL.md # 核心：frontmatter + 方法论卡片 + 索引 ├── glossary.md # 术语表：书中关键概念定义 ├── patterns.md # 模式表：技术、算法、设计模式 ├── cheatsheet.md # 速查表：决策规则、快速参考 ├── note.md # 原始读书笔记 ├── metadata.json # 元数据：提取统计、验证统计 └── rejected/ # 未通过三重验证的方法论 ├── {method}.md └── ... 各文件 token 预算 文件 预算 用途 SKILL.md ~4K tokens 核心框架 + 方法论索引 + 第一屏方法论卡片 glossary.md ~1.5K tokens 所有术语定义（按需加载） patterns.md ~2K tokens 技术/模式描述（按需加载） cheatsheet.md ~1K tokens 决策表（按需加载） 参考资料 详细分析阅读规则： references/analysis_rules.md 完整阅读层次说明： references/read_level.md