为什么你应该把书"编译"给AI

一个 6K Star 项目，正在重新定义人类与书籍的关系。

你有没有过这种体验？

买了一本很好的技术书，认真读完了。三个月后，你隐约记得第七章讲过一个完美的解决方案——但你想不起具体是哪一页。你打开 PDF，搜索关键词。搜到了 47 个结果，分布在 31 页上。你看了前 5 页，发现都不是。你放弃了，去 Stack Overflow 找了一个凑合的答案。

这不是你的问题。这是范式的错误。

● ● ●

三件注定失败的尝试

我们有两种方式让 AI 帮我们"读"书，两种都很烂。

第一种：把书丢给 AI。 一本 400 页的技术书大约 20 万 token。你丢进 Claude 的上下文窗口，然后开始提问。第一个问题还行。第二个问题开始变慢。到第五个问题时，AI 已经"迷失在中间"——2023 年斯坦福的研究早已证明，模型处理长文本时，中间位置的检索精度会急剧下降。更重要的是：你每次提问都在重复付全书的 token 费。这不是消费，是挥霍。

第二种：用 RAG。 切块、embeddings、向量数据库、语义搜索。听起来高级。实际效果呢？RAG 返回的是"和你问题最相似的文本块"——不是作者花了十年构建的思维框架。它可能返回三个不相关的段落和一个恰好包含你关键词的脚注。而且，切块策略会把一个跨页的核心概念拦腰斩断。RAG 回答"这里有几段看起来相关的文字"。它不会回答"这个作者构建的 12 个框架是什么，什么时候该用哪一个"。

第三种：做笔记。 你知道最后会变成什么样——一个 200 行的文档，你再也没打开过。

两种范式的对比：搜索 vs 编译

● ● ●

一种新范式：编译，而不是搜索

这就是为什么 Eric Vyacheslav 写了 book-to-skill。

这个名字很诚实。它不是"书到摘要"，不是"书到笔记"，不是"书到 RAG 索引"。是书到技能。区别在于：

核心思想简单到残忍：付一次 token 费，分析全书，提取作者的思维框架，输出结构化技能。之后每次调用只加载需要的那一章。

实际数据更有说服力。book-to-skill 用一个叫 discovery_tax.py 的工具测了三本真实书籍：

注意规律：书越大，优势越显著。 对于《数据密集型应用系统设计》这种大章技术书，book-to-skill 比全文灌入省 50 倍 token。

这不是优化，是范式的换轨。

● ● ●

为什么是这个时间点？

这不是偶然的。

2020 年 RAG 被提出时，语言模型还不会用工具。你的唯一信息入口是 prompt 文本。要注入外部知识，你必须先检索、再注入——这就是 RAG 的生存逻辑。

2025 年，模型已经能自主调用工具。Anthropic 的 Claude Code 团队早期也用了 RAG + 向量数据库，但很快发现 agentic search 效果更好。Boris Cherny（Claude Code 工程师之一）公开确认了这一点。模型不需要一个预制的搜索引擎了——它自己能读 TOC、翻章节、追交叉引用。

这就是 CandleKeep 创始人说的："像一个人类一样阅读，而不是像一个搜索引擎。"

RAG 曾是"不会搜索的模型"这个问题的优雅答案。Agentic search 是"模型会自己搜索了"这个新现实的自然结果。

● ● ●

不止一个项目，是一个运动

而 book-to-skill 不孤单。过去两个月里，一个完整的生态正在形成：

自动化编译派：book-to-skill 本身。6,000 stars，两周内增长 37%。6 月 17 日刚发布 v1.2.0，支持跨平台（Claude Code、Copilot CLI、Amp）。提取→LLM 分析→五文件输出（索引 + 章节 + 术语表 + 模式库 + 速查表）。成本约每本书 1 美元。

手工精炼派：simbajigege 的 book2skills。通读全书、手工蒸馏、忠实原著。只有一本完成（费雪的《怎样选择成长股》）。慢如考古，但质量可比考古发现。

原生改写派：huangzesen 的 book-to-skill-distillation。这是最新的分支，也是最激进的一个——它不做摘要，而是把一整本法律书改写为 agent 可以直接调用的运行时构件：路由表、决策树、检查清单、schema、validation gate。不是让人读的笔记，是让 AI 直接执行的程序。

更底层，Agent Skills 开放标准（agentskills.io）已拥有 20,708 GitHub stars，被 Anthropic、OpenAI、Google DeepMind 等 30+ 平台采纳。Skills 不再是某个产品的私有功能——它正在成为 AI 基础设施的通用层。

● ● ●

这对你意味着什么？

如果你是一个开发者，book-to-skill 已经可以用了。装到 Claude Code 或 Hermes Agent 里，丢一本书进去，然后：

/ddia replication     # 问复制的实现方式
/ddia ch05            # 直接跳到第五章
/ddia "what chapters do you have?"  # 查看索引

就像这本书长在你的编码环境里。不是 PDF 的幽灵，是一个可调用的函数。

但更大的信号不是工具本身。是知识工程范式的迁移：

从"搜索"到"编译"。从"每次查询都付费"到"一次编译、终身使用"。从"检索碎片"到"保留框架"。从"把书当文档"到"把书当程序"。

你的书架不是一个文档库。它是一个未经编译的代码库。而这个编译器的第一个稳定版本，正在 GitHub 上以 6K star 的速度增长。

所有工具均为 MIT 开源。完整调研含 token 经济学对比、四个项目的深度分析、选型决策矩阵，可访问深度研究报告。