用 book-to-skill 吃透一本书——从「读了就忘」到「书变成你的决策副驾驶」
一只阿木木约 14 分钟📖 模块 1：用 book-to-skill 吃透一本书
——从「读了就忘」到「书变成你的决策副驾驶」
写在前面：你真正的阅读问题是什么？
先问你三个问题：
你上一本认真读完的书，是什么时候的事？ 你还记得那本书里最反直觉的一个观点吗？ 如果现在你正面临一个重要决策，你能立刻从那本书里提取一个有用的框架吗？
大多数人的答案是：记得书名，记得感觉，但具体的方法论——想不起来了。
这不是你的问题，这是工具链断裂的问题。
书是线性的，知识是零散的，AI 是无上下文的，笔记是孤立的。它们之间没有桥梁。你读书的时候在用脑子，做决策的时候用不上书，因为那座桥根本没建好。
模块 1 要做的，就是帮你把这座桥建起来。
一、「传统读书法」到底败在哪里
1.1 三种失效的读书模式
| 划线派 | ||
| 笔记派 | ||
| AI 问答派 |
「能不能直接把 PDF 丢进 Claude 项目上下文？」可以——但每次对话都会提前烧掉这部分 token 预算。一本 400 页的书大约是 20 万个 token。
而且更严重的问题是：Agent 读一本书时，它需要来回查找，每一次跳转都进入对话历史，在每次后续轮次中被重新处理。为了保持在上下文预算内，子 Agent 被迫以极高的压缩比压缩它读到的内容，再把一份经过压缩、无法核实来源的摘要交给主 Agent。
换句话说：你直接把 PDF 丢给 AI，得到的是一份它自己都无法验证的二手摘要。
1.2 「传统拆书」的局限
传统的拆书方法（比如 R（阅读片段）→ I（引导关联）→ A（实际行动））的核心理念是把知识与自己的经验和行动结合，但它有一个致命局限：依赖人工操作，无法被 AI Agent 直接调用。
你把书拆成了笔记，但 AI 不知道你的笔记在哪。你学了 WRAP 框架，但 AI 在你需要它的时候不会主动引导你用。你可能读过《行为设计学》里的 WRAP 框架，但面对「要不要辞职创业」时，你还记得「消失选项测试」怎么用吗？
这就是为什么我们需要 book-to-skill。
二、book-to-skill 的底层原理：一次性支付导航成本
2.1 它到底做了什么？
book-to-skill 将书中的知识提取成 GitHub Copilot CLI、Amp、Claude Code 或其他兼容 Agent 可以反复调用的格式。
关键在「反复调用」这四个字。它不是做一次摘要，而是把书变成一个持久化的、可寻址的知识接口。
book-to-skill 在编译期一次性支付导航成本。之后： 5 SKILL.md 前置关键内容——因为上下文压缩会保留最前面约 5,000 个 token，所以最重要的内容放在最前面；章节按需加载——主题索引告诉 Claude 该读哪个文件，章节只在被需要时才加载；永远不直接处理原始文本——始终对来源进行综合、摘要和信号提取。
用数字说话：用 skill 的方式，只有与你问题相关的章节才会加载——通常是一个约 4K token 的 SKILL.md 核心，加上你询问的那一章（约 1K token）。其余部分留在磁盘上，直到你需要时才加载。
2.2 Skill 不是书摘，是工具包
这个区别非常关键，必须深刻理解：
提取的是结构，不是摘要。一个 skill 不是读书报告。 它是一个工具包，包含：有名称的框架（有明确应用场景的心智模型）、可行动的原则（指导决策的规则）…… 保留作者的精准表达。框架往往有其特定名称，是有原因的。「5 Why」不能等同于「多问几个为什么」。要捕捉精确的表述。根据内容复杂度分层。简单的书→简单的 skill。有 10 个以上框架的复杂书籍→带有参考文件和按需章节的 skill。
2.3 什么时候用 book-to-skill，什么时候不用？
book-to-skill 适合在你会反复回到这份知识的场景下使用；如果只是一次性阅读，直接用 PDF Agent 也可以。
判断标准：这本书的方法论，你会在未来 3 个月内用到 3 次以上吗？
如果是——转化成 Skill。 如果否——直接查 PDF 即可。
三、两条实践路径
book-to-skill 目前在社区中有两条主流路径，各有侧重，本模块两条都会讲。
路径 A：virgiliojr94/book-to-skill（原版，技术书友好）
将任意技术书 PDF 转化为 Claude Code skill——随时可以学习、参考和在工作中使用。
原版的核心设计哲学是**「编译期优化」**：把昂贵的导航成本从每次对话转移到一次性转化过程中，之后每次使用都是低成本的精准调用。
路径 B：apple-ouyang/book-to-skill（中文生态版，决策场景优化）
把书籍中的框架、案例和操作步骤，拆解成 Claude Code 的 Skill 格式。当你面临决策时，AI Agent 会自动调用对应的思维框架，一步步引导你分析——而不是给你一个模糊的建议。
中文版额外提供了已拆解好的 skill 仓库：
已包含 making-decisions（WRAP 决策主框架）、reality-testing-decisions（用实验替代预测）、seeking-disconfirming-evidence（寻找反对证据）、decision-tripwires（设定止损触发器）、swarm（蜂群协作工具）、book-to-skill（拆书元技能）等。
本模块两条路径都会实践。
四、课节 1-1：把一本书转化为 Agent Skill
场景设定： 你选了一本与你当前工作/项目直接相关的书，想让它变成你随时可调用的决策辅助工具。
Step 0：选书（这步比你想象的重要）
不要选「经典名著」，要选「当下最迫切的问题书」。
选书三问：
我现在正在面对什么问题？ 哪本书最直接回答这个问题？ 这本书的方法论，我会在未来 3 个月内用到 3 次以上吗？
推荐入门书单（各场景对应）：
Step 1：安装并运行转化（路径 A - virgiliojr94）
Bash
# 确认安装（模块0已完成） ls ~/.claude/skills/ | grep book-to-skill # 启动 Claude Code，进入书籍所在目录 cd ~/Documents/Books # 执行转化 # 格式1：单个 PDF /book-to-skill 行为设计学.pdf # 格式2：多个文件（论文+书+笔记合并为一个 skill） /book-to-skill chapter1.pdf chapter2.pdf my-notes.md # 格式3：先预览再决定 /book-to-skill 行为设计学.pdf analyze only转化开始后，Agent 会输出预算估算：
text
📖 Sources detected: 1 source(s) 行为设计学.pdf 📄 Combined Pages: ~320 | Words: ~85,000 | Total tokens: ~110K 💰 Estimated token cost: Input: ~125K tokens Output: ~18K tokens Total: ~143K tokens Claude Sonnet 4.5 → ~$0.43 USD ⏱ Estimated time: ~8 minutes 📁 Files to be generated: SKILL.md + chapter files + glossary + patterns + cheatsheet ➡ Proceed with Full Conversion / Update?输入 yes 开始转化。
Step 2：理解生成的文件结构
转化完成后，在你的 skills 目录会生成：
text
~/.claude/skills/ └── xing-wei-she-ji-xue/ # 书名的拼音 slug ├── SKILL.md # 核心：框架总览 + 主题索引 ├── chapters/ │ ├── ch01-widen-options.md # 第一章：拓宽选择 │ ├── ch02-reality-test.md # 第二章：现实检验 │ ├── ch03-attain-distance.md # 第三章：获得距离 │ └── ch04-prepare-to-err.md # 第四章：为错误做准备 ├── glossary.md # 术语表（精确定义） ├── patterns.md # 模式库（Anti-patterns + Best practices） └── cheatsheet.md # 速查表（关键时刻的快速参考）精读 SKILL.md 的三个关键区块：
Markdown
# 区块1：触发场景（什么时候用这本书的框架） USE WHEN: - 用户面临重要决策，尤其是不可逆的 - 用户在多个选项中纠结 - 用户的选择范围过窄 # 区块2：主题索引（哪个章节回答哪类问题） TOPIC INDEX: - "如何拓宽选择" → ch01-widen-options.md - "如何测试假设" → ch02-reality-test.md - "如何克服短视" → ch03-attain-distance.md # 区块3：核心框架（最重要的方法论摘要） WRAP FRAMEWORK: W - Widen your options（拓宽你的选择） R - Reality-test your assumptions（验证你的假设） A - Attain distance before deciding（在决策前获得距离） P - Prepare to be wrong（为犯错做准备）Step 3：安装中文生态版现成 Skill（路径 B）
如果你的书在中文版仓库已有现成 skill，直接拿来用，不用重新转化：
Bash
# 克隆中文版仓库 git clone https://github.com/apple-ouyang/book-to-skill.git cd book-to-skill # 复制你需要的 skill 到 Claude Code cp -r skills/making-decisions ~/.claude/skills/ cp -r skills/reality-testing-decisions ~/.claude/skills/ cp -r skills/decision-tripwires ~/.claude/skills/ cp -r skills/book-to-skill ~/.claude/skills/ # 拆书元技能，必装测试路径 B 的调用效果：
Bash
# 在 Claude Code 中 /making-decisions 我在纠结要不要接一个大客户， 但对方要求独家合作，且账期 90 天。正确的 Agent 响应应该是： 启动 WRAP 流程，引导你逐步分析——而不是直接给你一个「建议接/不接」的答案。这是 skill 和普通问答的本质区别。
Step 4：把 Skill 迁移进 Obsidian Vault
现在让 obsidian-skills 帮你在 Vault 里建立对应的索引笔记：
Bash
# 在 Claude Code 中，打开 Obsidian 后执行 obsidian create \ name="01-Books/行为设计学/行为设计学-Skill索引" \ content="--- type: book-skill-index book: 行为设计学：零成本改变 author: Chip Heath, Dan Heath skill-path: ~/.claude/skills/xing-wei-she-ji-xue/ status: active converted-date: $(date +%Y-%m-%d) tags: [book, skill, decision-making] --- # 《行为设计学》Skill 索引 ## 快速调用 - 决策场景：\`/making-decisions [描述你的决策]\` - 测试假设：\`/reality-testing-decisions [你的假设]\` - 设止损点：\`/decision-tripwires [你的决定]\` ## WRAP 框架速记 - **W**iden 拓宽选择 → ch01 - **R**eality-test 验证假设 → ch02 - **A**ttain distance 获得距离 → ch03 - **P**repare to err 为犯错准备 → ch04 ## 最反直觉的 3 个观点 （读完后填入） 1. 2. 3. ## 我用它解决了什么问题 （使用后记录） "五、课节 1-2：书 → 知识原子流水线
核心理念： Skill 是「随用随取」，原子是「永久沉淀」。两者缺一不可。
什么是知识原子？
知识原子是知识的最小不可分单元——一个原子只包含一个核心洞见，不包含任何多余的上下文。
dbs-deconstruct 的核心使命是：反对语言对理智的蛊惑。维特根斯坦说，哲学是一场反对语言对我们的理智的蛊惑的斗争。商业领域充满了被语言蛊惑的伪概念。
把书中的观点用 dbs-deconstruct 拆解，再写成原子笔记，是将「别人的知识」转化为「你能调用的认知工具」的关键步骤。
完整的原子提炼流水线
阶段 1：从书里提取候选观点
Bash
# 读完第三章后，在 Claude Code 中 /xing-wei-she-ji-xue 第三章「获得距离」中， 最反直觉的 3 个观点是什么？ 请用一句话表达每个观点。Agent 返回示例：
text
基于第三章内容： 1. 「10/10/10 规则」：问自己「10分钟后/10个月后/10年后 我会如何看待这个决定？」——大多数让你焦虑的决定， 在10年后几乎都无关紧要。 2. 「旁观者视角」：把别人的问题当成自己的来处理时， 你的建议质量会显著提升——因为你摆脱了「内部视角」的束缚。 3. 「消失选项测试」：问自己「如果当前所有选项都消失了， 我会怎么做？」——这往往能暴露你真正想要的是什么。阶段 2：用 dbs-deconstruct 深度拆解
选择其中你感触最深的观点，进行概念拆解：
Bash
/dbs-deconstruct 「旁观者视角」在决策中究竟指什么？ 它和「换位思考」有什么本质区别？dbs-deconstruct 准确将用户请求路由到概念拆解子技能，核心功能包括：识别用户的明确需求，立即转接到正确的 skill；对于模糊请求，用单问题菜单确认意图。
拆解输出示例：
text
「旁观者视角」vs「换位思考」的本质区别： 换位思考：我站在对方的位置想「如果我是他，我会怎么做」 → 你带入的是自己的价值观和偏好 旁观者视角：你观察第三方（张三）面临和你相同的处境 → 你调用的是你对「人类普遍规律」的判断 关键区别： - 换位思考 = 我 + 对方的处境 - 旁观者视角 = 客观规律 + 对方的处境（去掉了「我」） 为什么旁观者视角更有效： 决策时，「我」的存在会激活自我保护机制和情感偏见。 把自己替换成「张三」，这些干扰信号就消失了。阶段 3：写入 Obsidian 原子笔记
Bash
obsidian create \ name="02-Skills/atoms/原子-旁观者视角" \ content="--- type: atom id: '$(date +%Y%m)_001' source: 行为设计学：零成本改变 / Chip Heath topics: [决策, 认知偏差, 旁观者效应] skills: [making-decisions, dbs-deconstruct] atom-type: insight confidence: high date: $(date +%Y-%m-%d) tags: [atom, decision-making] --- # 旁观者视角 ## 核心观点（一句话） 把决策主体从「我」替换成「第三方张三」， 可以有效消除自我保护机制带来的判断偏差。 ## 展开说明 换位思考保留了「我」的价值观和偏好， 而旁观者视角通过引入第三方， 调用的是对「人类普遍规律」的判断， 而非个人情感反应。 ## 反直觉之处 我们以为理解他人需要「移情」（我如果是他…）， 实际上更好的判断需要「去我」（张三如果是他…）。 越是想象自己「变成对方」，判断越不准确。 ## 我的应用场景 - 面临重要合作决策，感到焦虑时 - 给朋友提建议前，先用这个框架处理自己的问题 - /decision-tripwires 设止损点前，先跑一遍旁观者测试 ## 关联原子 - [[原子-消失选项测试]] - [[原子-10-10-10规则]] - [[原子-内部视角陷阱]] "阶段 4：建立章节→原子的链接
每章读完后，更新书籍索引笔记：
Bash
obsidian append \ file="01-Books/行为设计学/行为设计学-Skill索引" \ content=" ## 第三章提炼的原子（$(date +%Y-%m-%d)） - [[原子-旁观者视角]] ⭐ 最反直觉 - [[原子-消失选项测试]] - [[原子-10-10-10规则]] " # 更新状态 obsidian property:set \ file="01-Books/行为设计学/行为设计学-Skill索引" \ name="atoms-count" \ value="3"六、深度实践：完整跑一遍《行为设计学》第一章
这里给你一个完整的操作脚本，可以直接复用到任何书的任何章节：
text
═══════════════════════════════════════════════ 📖 书名：行为设计学 · 第一章：拓宽你的选择 📅 日期：$(date +%Y-%m-%d) 🎯 目标：提炼 3 个原子，理解 W（Widen）阶段 ═══════════════════════════════════════════════ Step 1【调用 Skill 读章节】 → /xing-wei-she-ji-xue 第一章「拓宽选择」的核心论点 + 书中最有力的一个案例是什么？ Step 2【提取候选观点】 → 从 Agent 输出中选出 3 个最反直觉的观点 → 每个观点用一句话写下来（不超过 30 字） Step 3【dbs-deconstruct 深度拆解】 → /dbs-deconstruct [最反直觉的那个观点] 「消失选项测试」和「机会成本思维」有什么区别？ Step 4【写原子笔记】 → obsidian create 3 张原子笔记 格式：严格按模板，confidence 字段认真填 Step 5【dbs-chatroom 多视角验证】 → /dbs-chatroom 围绕「拓宽选择框架」： 一位咨询顾问、一位创业者、一位投资人 各会在什么场景用这个框架，又会在什么场景质疑它？ Step 6【更新索引 + 存档】 → obsidian append 更新书籍索引 → git add . && git commit -m "atom: 行为设计学第一章 3 个原子"七、进阶技巧：让 Skill 越用越智能
技巧 1：定期更新 Skill（当你有新理解时）
Bash
# 读完整本书后，用新笔记更新 skill /book-to-skill 行为设计学.pdf + my-reading-notes.md # → Agent 会检测已有 skill，执行增量更新而非全量重写技巧 2：合并多个相关来源
book-to-skill 可以将任何技术书 PDF 转化为随时可学习、参考和在工作中使用的 Claude Code skill。
输入不止于 PDF——可以把相关论文、你的旧笔记、文章一起打包：
Bash
# 把「决策」主题的所有资料合并成一个统一 skill /book-to-skill \ 行为设计学.pdf \ 快思慢想-第四章.pdf \ my-decision-notes.md \ decision-frameworks-article.md技巧 3：Skill + dbs-goal 建立长期追踪
Bash
/dbs-goal # 把「用书中框架做决策」设为一个长期追踪目标 # 每次用 making-decisions 后记录一条结果 # 一个季度后，回看：哪些框架真正有效？技巧 4：给 Skill 打「使用日志」
在每次调用 skill 后，在 Obsidian 中记录：
Bash
obsidian daily:append content=" ## 今日 Skill 使用记录 - 调用：/making-decisions - 场景：决定是否接受某客户独家合作 - 框架：WRAP → W 阶段发现了之前没考虑的选项 - 结论：暂不决定，先做 reality test - 效果：★★★★☆ "3 个月后，你的使用日志就是一份价值极高的「框架有效性报告」。
八、常见问题深度解答
Q1：书的质量参差不齐，怎么判断值不值得转化成 Skill？
三个判断标准：
- 框架密度
：书里有没有 3 个以上有名字的框架？（有名字 = 可操作化） - 场景具体性
：框架有没有配合具体的使用场景和判断标准？ - 我的复用率
：未来 3 个月内，我会在真实场景中用到 3 次以上吗？
三个都是「是」→ 值得转化。
Q2：book-to-skill 生成的 Skill 质量不稳定，怎么改进？
book-to-skill 需要明确的章节标题（如「Chapter N」或「Capítulo N」）才能正确切分书籍；只有标题或使用罗马数字编号的书，以及没有用 ebooklib 提取的 EPUB，切分效果会不理想。
解决方法：
转化前先检查 PDF 的目录结构 如果章节标题不规范，先在 PDF 里手动加标记（用 Adobe Acrobat） 或者分章节单独转化，再合并
Q3：已经有 Obsidian 笔记的书，还要转化成 Skill 吗？
要，而且要把笔记一起打包进去：
Bash
/book-to-skill 原书.pdf + 我的读书笔记.mdbook-to-skill 将书中的知识提取成可被 AI Agent 反复调用的格式。笔记 + 原书 = 你的理解 + 作者的原文，两者合并的 skill 比单独转化原书质量更高。
Q4：一本书转化成 Skill 之后，如何让团队成员也能用？
Bash
# 把 skill 目录推到 git 仓库 cd ~/.claude/skills/xing-wei-she-ji-xue git init git add . git commit -m "feat: 行为设计学 skill 初始化" git remote add origin https://github.com/你的账号/team-skills.git git push # 团队成员安装 git clone https://github.com/你的账号/team-skills.git ~/.claude/skills/team九、模块 1 作业：提交标准与验收
完成以下内容，才算模块 1 通关：
Markdown
═══════════════════════════════════════ 📋 模块 1 作业清单 ═══════════════════════════════════════ 【必交作业】 □ 1. 选定一本书，完成 book-to-skill 转化 截图：skills 目录中的 SKILL.md 文件 □ 2. 调用 skill 测试 3 个不同类型的问题 记录：3 个问题 + 对应答案（截图或文本） □ 3. 提炼至少 3 个知识原子，写入 Obsidian 要求：严格按原子模板，confidence 字段填写理由 □ 4. 用 /dbs-deconstruct 拆解其中 1 个原子的核心概念 记录：拆解前的理解 vs 拆解后的理解，写出差异 □ 5. 完成书籍索引笔记，包含： - Skill 调用命令速查 - 最反直觉的 3 个观点 - 章节→原子的链接 □ 6. Git commit 记录，信息格式： "skill: [书名] 转化完成，提炼[N]个原子" 【选交作业（加分）】 ○ 7. 用 /dbs-chatroom 对书中核心框架做多视角讨论 记录：3 位专家的不同观点 + 你的最终判断 ○ 8. 把 skill 推送到你自己的 GitHub 仓库，可供分享 ═══════════════════════════════════════ 【作业提交格式】 把 Obsidian 笔记导出为 PDF 或截图 文件命名：模块1-作业-[你的名字]-[书名].pdf ═══════════════════════════════════════十、模块 1 结语：「读书」这件事的本质升级
传统阅读的链路是：书 → 大脑 → 记忆（逐渐衰退）
Skill Stack 阅读工作流的链路是：书 → Skill（Agent 可调用）+ 原子（永久沉淀）→ Obsidian（知识图谱）→ 决策系统（每次用到就加强一次）
可以把 Agent Skills 理解为 AI 助手的「操作指南」。AI 不需要提前了解所有内容，skills 让它按需学习新能力——就像给人一张食谱卡，而不是让他背下整本烹饪书。
你不是在教 AI 读书，你是在帮自己的知识系统长出一双可以被 AI 调用的手。
我是【一只阿木木】——公开建造我的 AI 第二大脑。
普通人如何用 AI 搭建自己的知识操作系统？
一个程序员出身的知识工作者，公开记录自己如何用 AI 工具搭建个人知识系统、把读过的书和做过的项目变成可复用资产的全过程。
欢迎加入行动营👇获取更多Obsidian + AI数字大脑实践
我相信：在 AI 时代，每个普通人都该拥有一个自动生长的知识系统
欢迎关注【一只阿木木】🌊