很多人让 AI「读过」一本书的方式，是把整本 PDF 丢进上下文。
结果往往是：Token 烧得快，关键框架记不牢，问到细节还要对着原书翻。
Book-to-Skill 做的是另一件事：把书（或文档）提炼成结构化的 Agent Skill，而不是一份超长摘要。
项目地址：https://github.com/virgiliojr94/book-to-skill
它具体做什么？
支持 PDF、EPUB、DOCX、Markdown 等格式。跑完之后会生成标准 SKILL.md 及相关文件，大致包括：
- 核心心智模型与框架
- 按章节拆分的内容（按需加载）
- 术语表
- 方法 / 模式 / 反模式
- 速查表与决策规则
之后可以放进 Claude Code、GitHub Copilot CLI、Amp 等支持 Agent Skills 标准的工具；稍作适配也能给 Codex 一类环境用。
官方口径是：不必每次把整本书塞进上下文，问到哪加载哪一章，实测可减少约 24×–51× Token。
为什么比「整本塞进上下文」更有用？
- 结构，不是读后感
重点保留作者的命名框架、决策规则和可执行方法，而不是泛泛总结。 - 按需加载
对话时只拉取相关章节或条目，成本和噪音都更可控。 - 可复用资产
生成的 Skill 可以反复用，相当于把「读过这本书」升级成「工作流里随时能调用这本书」。 - 不限于书
公司文档、论文、技术规范、品牌手册、内训材料，都可以按同样思路处理。
适合什么场景？
- 技术书、方法论类书籍想长期内化进 Agent
- 团队有一套规范文档，希望 AI 按同一套术语和流程回答
- 研究多篇论文 / 资料，想统一成可检索的知识技能
- 已经在用 Claude Code、Copilot CLI 等，希望扩展垂直领域能力
使用时的现实提醒
- 提炼质量取决于原书结构是否清晰。术语混乱、意图模糊的材料，提取结果可能不稳定，需要人工抽查和微调。
- 涉及版权内容时，请遵守相应授权，仅用于合法范围内的个人或团队学习与内部使用。
- 生成后建议先用几个真实问题压测，确认框架、章节索引和术语是否准确。
- 项目仍在迭代，安装与命令以仓库最新文档为准。
小结
Book-to-Skill 的价值，不在于又多了一个「AI 读书」按钮，而在于把书籍和文档，从一次性上下文消耗，变成可版本化、可按需调用的 Agent 能力。
「让 AI 读过这本书」和「让 AI 真正会用这本书」，中间差的就是这种结构化封装。
如果你已经在用 Agent 写代码、做研究或跑业务流程，不妨拿一本自己常翻的技术书或一份内部规范试一次，看看 Token 和回答质量的变化。