年初入手了一本技术书，读完后便放在书架上积灰。前几天想翻查某个知识点，找了半天硬是没找到。转头问 AI，结果它张口就编；想做笔记吧，也想不起当初存到了哪个文件夹。更头疼的是，如果直接把一本四百页的 PDF 丢进 AI 对话框，还没等开口提问，上下文窗口早就被撑爆了。
于是去 GitHub 上找到了 book-to-skill 这个工具。它能把任意书籍或文件夹里的文档资料，打包成 Claude Code 的技能文件，随时查阅。
把 PDF、EPUB，甚至 DOCX、Markdown 等格式的文件传给它时，会先问一句：是技术类还是叙事类？如果是技术书，它会走 Docling 这条线，把表格和代码块原样抽出来；反之若是叙事类书籍，它就只做纯文本提取。之后会对整本书进行一次深度分析，拆开并重新组织，生成一个装着核心框架与章节索引的 SKILL.md 文件。然后每个章节单独保存为一个文件，还会额外配上术语表、模式表和速查表。值得一提的是，这些拆分好的章节文件并不会一次性全部塞进上下文，只有问到哪一章才读取哪一章。
在 Claude Code 里使用时，只需在终端输入 /技能名 关键词，它就会自动定位对应章节，照着原文回答。
用过 book-to-skill 后，发现它跟以往两种常见做法不太一样。一种是直接上传 PDF 文件，把整本书塞进上下文，每次对话都重新烧 Token，而且幻觉严重。另一种是通过 RAG，提问时去书里捞出几段文字相近的原文丢给 AI，能不能拼凑出正确答案，全看运气。
而 book-to-skill 走的是另一种路线：在生成技能之前，就对书籍做一次深度剖析，把作者的框架、反模式逐一命名抽离出来。等我们提问时，AI 调用的是这些已经“消化”好的框架，分析问题的准确度自然更高。
安装使用也非常简单，只需打开 Claude Code 发送下面这句话：
请读取下面链接文件内容，并安装好这个 Skill：
https://raw.githubusercontent.com/virgiliojr94/book-to-skill/master/SKILL.md
然后在对话里，就可以指定任意书籍进行处理：
/book-to-skill ~/path/to/your-book.pdf
不过要注意，技术书采用 Docling 追求更高精度，代价就是慢。作者测试了一本 103 页的书要跑 164 秒，而纯文本提取只用 0.1 秒。
至于一些比较冷门的书生成完技能后，最好自己再过一遍，毕竟合成质量比单纯抽取更重要。另外，如果要在几十本书之间跨书检索，老实说，可能还不如直接用 NotebookLM 来得方便。它真正擅长的是把一本书或一组资料吃透，并融入到我们的工作流里，方便随时调用。
写在最后
过去想让 AI 读懂一本书，第一反应就是把整本 PDF 上传上去。如今有了更聪明的做法：先让工具把书读懂、拆解、结构化，再让 AI 按需取用。book-to-skill 做的，正是把书架上落灰的知识，变成随手可用的能力。下次再想重温一本念念不忘的书籍时，或许可以先把它喂给这个工具。
GitHub 项目地址：https://github.com/virgiliojr94/book-to-skill | 
发表于 昨天 18:19
|
查看: 7|
回复: 0
