cangjie-skill 使用方法: 書籍、ビデオ、ポッドキャストを実行可能なエージェント スキルに変換する

多くの人は、本や長いビデオ、ポッドキャストをたくさん持っていますが、結局は要約だけになってしまい、実際に何かをするときにどの方法を使用すればよいのか思い出せません。 cangjie-skill の目標は、価値の高いコンテンツを単に読書ノートに圧縮するのではなく、エージェントが特定のシナリオで呼び出せるスキルに変換することです。

プロジェクトアドレス: kangarooking/cangjie-skill

簡単な答え

入力に適した資料は次のとおりです。

• 書籍または章全体。
• 字幕または文字起こしされた長いビデオ。
• ポッドキャスト、インタビュー、コースの記録;
• 方法論的に密度の高い長い記事とリソースのコレクション。

意見やニュース、感情表現だけで、検証可能で伝達可能な操作方法が無い素材は、無理にスキル化するのには適さない。

通常の要約との違いは何ですか?

通常の要約は、「この内容は何を言っているのか?」という質問に答えます。スキルも次のように答えます。

1. どのようなシーンをトリガーするか。
2. どのような手順に従う必要がありますか。
3. どのような条件下では適用されません。
4. どの方法とも混同されやすい。
5. テストを使用して実際に機能することを証明する方法。

このプロジェクトでは、全体的な理解、並列抽出、三重検証、構造化された構築、スキル間のリンク、ストレス テスト、最終納品を含む RIA-TV++ プロセスを採用しています。

完全な変換によって何が生成されるのでしょうか?

一般的な出力は単一の SKILL.md ではなく、一連のファイルです。

この構造はその後のメンテナンスに適しています。原材料を更新するとき、概要全体を書き換えるのではなく、影響を受けるスキルのみをやり直すことができます。

推奨されるワークフロー

1. まず、合法的に入手可能な原文、字幕、または個人的な転写を入手します。
2. 広告、繰り返される断片、転写エラーをクリーンアップします。
3. 解決したい本当の問題を特定します。
4. cangjie スキルで候補メソッドを抽出します。
5. 常識、個別の事例、検証不可能な意見を削除します。
6. 保持されるスキルのトリガー条件と境界を追加します。
7. わかりにくいテスト問題で検証します。

ビデオを処理する場合、プレーンテキストを入力する前に、字幕の抽出または音声の書き起こしを最初に完了する必要があります。エージェントにタイトルと紹介だけから段落全体を推測させないでください。

抽出する価値のあるコンテンツは何ですか?

マテリアルはスキルへの変換に適しており、通常は次の特性を備えています。

• 繰り返し可能なステップが含まれています。
• 適用される条件と反例が示されています。
• メソッドは元のケースの外に移行できます。
• 原文は複数の証拠によって裏付けられています。 ・「いつ使うのか」「いつ使わないのか」を答えられる。
• 結果を検証するテストを設計できる。

純粋なニュース、個人的な考察、物語のコレクション、および方法論を欠いた意見記事は、一般的に要約やメモに適しています。スキルを強制すると、形式的に見えても実際にはトリガーできない空のシェル ルールが生成されます。

入力資料を整理する方法

本

合法的に入手した、適切に構造化されたテキストを提供し、章のタイトルを保持するようにしてください。 PDF をスキャンするときは、最初に OCR スポット チェックを実行し、ヘッダー、脚注、改行を修正する必要があります。そうしないと、抽出機能がノイズをテキストとして扱います。

長いビデオ

公式字幕の使用が優先されます。字幕がない場合は音声文字起こしが行われます。タイムスタンプを保持すると、ソースを確認し、プレロール広告、繰り返しの口頭ブロードキャスト、トピックに関係のないやり取りを削除するのに役立ちます。

ポッドキャストとインタビュー

発言者を指定します。方法論は個々のゲストのみを表すものであり、ホストまたは番組全体に誤って帰属すべきではありません。

データセット

各情報源のタイトル、著者、日付、許可を記録します。複数ソースのコンテンツでは、特に、共有された結論と矛盾する視点を区別する必要があります。

RIA-TV++ 7段階詳細説明

1. 全体的な内容の理解

まず、構造、説明、批判、適用の 4 段階の分解を行って、BOOK_OVERVIEW.md を生成します。このステップは概要の競合ではなく、その後の抽出に必要なグローバル コンテキストを確立することです。

2. 並列抽出

フレームワーク、原則、例、反例、用語をそれぞれ探してください。複数の視点を使用すると、目を引く文章だけを抽出して境界条件を無視するという問題を軽減できます。

3. 三重検証

少なくとも、候補となる手法は複数の独立した情報源によってサポートされており、予測能力があり、一般的な知識ではない必要があります。ここで多数の候補者が排除されるのは通常のことです。

4. RIA++ の構築

元のテキストの基礎を維持し、それを自分の言葉で説明し、本のケース、将来のトリガーシナリオ、実装手順、および適用可能な境界を補足します。有効なスキルには、実践と制限の両方が必要です。

5. ゼッテルカステンのリンク

スキル間の依存関係、比較、組み合わせ関係を確立して、INDEX.md を生成します。そうしないと、数十の孤立したスキルが別のお気に入りになるだけです。

6. ストレステスト

通常の質問、境界の質問、おとりの質問を設計します。テストでは、スキルが発動することを証明するだけでなく、スキルが適用できない場合に誤って発動しないことも証明する必要があります。

7. 配送と設置

DIGEST.md、用語集、スキル モジュール、テスト ファイルを生成し、エージェントのスキル ディレクトリにインストールします。著作権、トリガー範囲、およびスクリプトの権限は、インストール前に手動で確認する必要があります。

優れた SKILL.md には何を含めるべきでしょうか?

少なくとも次のように述べるべきです。

1. スキル名と目標。
2. トリガー条件をクリアします。
3. トリガーすべきではないシナリオ。
4. 入力要件。
5. 実行可能なステップ。 判定と停止条件 ６．
6. 出力フォーマット。
7. 源と境界。
8. テスト例。

スキルに「注意深く分析して提案を行ってください」というプロンプト単語のみがある場合、それは依然として一般的なプロンプト単語であり、信頼できる実行モジュールではありません。

テスト問題の設計方法

前方トリガー

典型的な適用可能なシナリオを提示し、エージェントがそれらを正しく認識し、手順に従って実行するかどうかを確認します。

ネガティブトリガー

表面的には類似したキーワードを持つが実際には適用できないタスクを提供し、スキルが他のメソッドを優先しないことを確認します。

境界条件

重要な入力を削除し、不十分な証拠を作成するか、目標と矛盾するかを確認し、エージェントが停止して補足情報を要求するかどうかを確認します。

クロススキルの混乱

関連する両方のメソッドが利用可能であるように表示し、エージェントが選択と組み合わせの順序を解釈できることを確認します。

test-prompts.json いくつかのデモの質問を保存するだけではなく、予想されるトリガー、予想される拒否、および受け入れポイントをログに記録する必要があります。

エージェントにインストールする前に確認してください

書籍やビデオから生成されたスキルには、スクリプトや外部リンクが含まれる場合もあります。インストール前に確認してください:- 著作権で保護されたコンテンツの大部分が引用されているかどうか。

• 例に個人のプライバシーを含めるかどうか。
• 幅が広すぎるディレクトリを読み取る必要があるかどうか。
• オリジナル素材をアップロードするかどうか。
• トリガーの説明が無関係なタスクをカバーするかどうか。
• 検証不可能な著者の帰属があるかどうか。
• 失敗したパスが含まれているかどうかをテストします。

バージョン管理とアップデート

ソース素材が更新されたり、字幕が修正されたり、新しい証拠によって方法論が覆されたりする場合、どのスキルが影響を受けるかを知る必要があります。各モジュールのソースの場所とバージョンを保存し、INDEX.md で依存関係を維持することをお勧めします。

本番環境の決定にすでに使用されているスキルを黙って書き換えないでください。重要な更新では、変更、理由、および再テストの結果を文書化する必要があります。

一般的な障害モード

よくある質問

本全体をスキルとして直接公開できますか?

著作権とライセンスについて考慮する必要があります。個人的な研究と公的配布は別のものです。パブリックリポジトリは、著作権で保護されたオリジナルテキストの大部分をコピーすることを避けるために、方法論的な抽出と必要な短い引用を保持する必要があります。

多くのスキルが生成されているのに、どれも役に立たないのはなぜですか?

通常、審査はそれほど厳しくありません。すべての章をスキルに変える価値があるわけではありません。複数のシナリオに適用でき、明確な手順と境界があるいくつかの方法に優先順位を付けます。

一度にどのくらいの量の材料を処理する必要がありますか?

モデルのコンテキスト、テキストの品質、構造によって異なります。非常に長い資料は、全体の概要を保持しながら、章に従って処理する必要があります。単純に切り刻んで暗闇に放置することはできません。

複数の作成者のメソッドを 1 つのスキルに結合できますか?

はい、ただし、共通点、矛盾、およびそれぞれの証拠に注意する必要があります。矛盾するメソッドを無理に平均化して空の原則にしないでください。

生成されたスキルは重要な意思決定に直接使用できますか?

検証せずに使用しないでください。投資、医療、法律、セキュリティなどのリスクの高いコンテンツには、専門的なレビュー、最新の情報、明確な責任範囲が必要です。

動画からスキルを作成する実践例

入力が「プロジェクトの失敗を振り返る方法」に関する 2 時間のインタビューであるとします。 10 個のスキルの生成を直接要求する代わりに、次のように処理できます。

1. 字幕を取得し、タイムスタンプと発言者を保持します。
2. 広告や繰り返しの挨拶を削除します。
3. まず、インタビューの構造と主な議論を生成します。 「失敗分類」「証拠収集」「アクションレビュー」などの候補を抽出 ５．
4. 面接で各候補者が複数の推薦者を持っているかどうかを確認します。
5. 一人の登場人物の経験を事件に還元し、それを普遍的なルールとして扱わない。
6. 各手法の適用可能なプロジェクト規模と停止条件を補足します。
7. 「一般的な週報」、「事故のレビュー」、「従業員のパフォーマンス」などの紛らわしい質問を設計します。
8. シーンを正しく区別できるモジュールのみを保持します。
9. インデックス、ダイジェスト、およびソースの場所を生成します。

最終的には確実なスキルが 3 つだけになる可能性がありますが、境界のない 15 個のヒント ワードよりも役立ちます。

納品前の品質スコア

各候補者は 0 ～ 2 のスケールで評価できます。

スコアの低い候補者は取り下げるか削除する必要があります。数値を維持するために基準を引き下げるべきではありません。

原作者の視点から距離を置く方法

スキルは、「原著者の主張」、「抽出者の解釈」、および「検証可能な操作」を明確に区別する必要があります。物議を醸している手法や明らかな歴史的背景がある手法については、出典時期と反証を境界線に記載する必要があります。エージェントは本の意見を普遍的な事実にまとめるべきではありません。

概要

cangjie-skill は、「既読だが使用されていない」コンテンツをエージェント ワークフローに変換するのに適しています。品質の鍵は、生成される量ではなく、完全なソース、厳格な検証、明確なトリガー、および独立した価値のない候補スキルを排除する勇気です。