# 影片筆記：开源仓颉.Skill，你现在可以蒸馏任何视频！

## 一句話總結

講者實測使用開源的「倉頡 Skills 2.0」將長視頻內容（如吳文達的 AI 入門課及 Loop Engineering 相關影片）「蒸留」為可直接調用的 Agent Skills，驗證了該工具能從長內容中提取可復用的方法論與判斷框架，而非僅是內容摘要。

## 核心重點

*   **產品演進**：倉頡 Skills 自 4 月開源以來，從單純的「拆書」工具，因使用者需求擴展至支持視頻、課程、播客等長內容，發展為 2.0 版本。
*   **「蒸留」定義**：強調「蒸留」與「總結」的本質區別。總結僅告知內容講了什麼，而蒸留旨在提取真正能復用的部分，包括判斷框架、操作步驟、注意事項及適用邊界，以便後續由 Agent 調用。
*   **技術架構**：將流程拆分為兩個獨立 Skill 以避免系統過於龐重：
    1.  `Video-to-Text`：負責下載視頻、提取音頻並轉寫為文字。
    2.  `倉頡 Skill`：負責將文字進行蒸留，生成最終的 Skill。
*   **實測成果**：
    *   **吳文達課程**：將 26 個視頻（總時長 4 小時+）蒸留為 25 個可直接調用的 Skills，耗時約 1 小時。
    *   **Loop Engineering**：將 4 個 YouTube 視頻（總時長 80 多分鐘）蒸留為 8 個 Skills。驗證顯示，蒸留後的 Skill 能進行具體場景判斷與誤用提醒，回答具體且非套話。

## 詳細大綱

### I. 實測案例：吳文達 AI 入門課
*   **輸入內容**：26 個視頻，總時長超過 4 小時。
*   **處理結果**：生成 25 個可直接調用的 Agent Skills。
*   **耗時**：約 1 小時。
*   **評價**：結果超乎預期，證明長內容可轉化為 Agent 能力模塊。

### II. 倉頡 Skills 項目背景與演進
*   **起源**：今年 4 月開源，初衷是解決「AI 能否真正拆書」的問題。
*   **核心定義**：非總結金句，而是拆解書中的方法、步驟、判斷標準。
*   **發展動力**：開源後獲得 1.3K Star，使用者在 Issue 中頻繁詢問是否支持視頻、播客及課程。
*   **2.0 版本目標**：從單純拆書擴展為將長內容轉化為方法論的生產力工具。

### III. 「蒸留」與「總結」的區別
*   **總結**：告知內容講了什麼。
*   **蒸留**：提取真正能復用的部分，包括：
    *   判斷框架
    *   操作步驟
    *   注意事項
    *   適用邊界
*   **目的**：使提取出的內容能被後續 Agent 在其他任務中調用。

### IV. 技術流程與架構設計
*   **流程步驟**：輸入視頻鏈接 -> 下載視頻 -> 提取音頻 -> 轉成文字 -> 交給倉頡 Skill 做蒸留 -> 生成 Skill。
*   **架構決策**：
    *   未將視頻處理直接整合進倉頡 Skill，以避免系統過於龐重。
    *   核心能力仍為「文本蒸留」。
    *   **拆分設計**：
        1.  `Video-to-Text Skill`：處理視頻到文字的轉換。
        2.  `倉頡 Skill`：處理文字到 Skill 的生成。

### V. 額外測試與驗證：Loop Engineering
*   **測試對象**：YouTube 上 4 個關於 Loop Engineering 的視頻（總時長 80 多分鐘）。
*   **生成結果**：8 個 Skills。
*   **深度驗證**：
    *   追問問題：Loop Engineering 定義、是否適合優化 APP、能否用於內容創作。
    *   回答品質：具體且非套話，包含適用場景、誤用風險及步驟拆解建議。
*   **結論**：蒸留後的 Skill 能參與判斷，不僅是查詢工具，更是 Agent 的能力模塊。

### VI. 總結與呼籲
*   **適用範圍**：書籍、課程、長視頻、播客、訪談等具備結構、方法與經驗的內容。
*   **資源分享**：`Video.to.skill` 已開源。
*   **講者介紹**：袋鼠帝，持續開發 AI 生產力工具。

## 工具 / 模型 / 名詞整理

*   **倉頡 Skills (或稱倉頡 Skill)**：開源的 AI 生產力工具，用於將內容轉化為可調用的 Skill。
*   **Video-to-Text Skill (或 Video.to.skill)**：負責處理視頻到文字轉換的獨立 Skill。
*   **Longland GCAT2.0**：影片中提及的名稱，具體用途或性質需查證。
*   **Cloud Code**：影片中提及的工具名稱。
*   **Agent**：人工智能代理，用於調用生成的 Skills。
*   **YouTube**：視頻平台，用於測試 Loop Engineering 相關內容。

## 操作流程整理

1.  **準備階段**：確定需要蒸留的長視頻內容（如課程、訪談等）。
2.  **視頻處理**：
    *   使用 `Video-to-Text Skill`。
    *   下載視頻。
    *   提取音頻。
    *   將音頻轉寫為文字。
3.  **內容蒸留**：
    *   將轉寫後的文字交給 `倉頡 Skill`。
    *   執行蒸留操作，提取方法論、判斷框架、操作步驟等。
4.  **生成與驗證**：
    *   生成最終的 Agent Skills。
    *   通過具體場景追問（如定義、適用性、誤用風險）驗證 Skill 的質量與實用性。

## 值得注意的限制或風險

*   **系統複雜度**：為避免系統過於龐重，視頻處理未直接整合進倉頡 Skill，而是拆分為兩個獨立 Skill，這可能增加使用步驟。
*   **內容適用性**：僅適用於具備結構、方法與經驗的內容（如書籍、課程、長視頻、播客、訪談），並非所有視頻都適合此種蒸留方式。
*   **驗證需求**：生成的 Skill 需要通過具體場景的追問來驗證其回答品質，確保其非套話且具備實際判斷能力。

## 逐字稿辨識疑點

*   **吳文達**：逐字稿提及「吳文達那門 2026 年的給所有人的 AI 入門課」，人名「吳文達」需查證是否為正確講師名稱。
*   **Longland GCAT2.0**：此名稱在常見 AI 工具中較不常見，需查證是否為特定模型名稱、內部代號或聽寫錯誤。
*   **2026 年**：提及課程為「2026 年的」，需確認是否為口誤（如應為 2024 或 2025）或確實為未來課程。
*   **蒸留**：逐字稿多次使用「蒸留」一詞（如「視頻蒸留成 Skills」、「文本蒸留」），需查證是否為「蒸餾」的聽寫錯誤，或為該項目特有的術語定義。
*   **Loop Engineering**：需查證此為特定技術術語、產品名稱還是口誤。

## 可延伸追問

*   倉頡 Skills 2.0 對於不同語言視頻的轉寫與蒸留效果是否有差異？
*   `Video-to-Text Skill` 的轉寫準確率如何影響最終 Skill 的質量？
*   除了視頻，倉頡 Skills 是否支持其他形式的長內容（如長篇報告、會議記錄）的蒸留？
*   生成的 Skills 在實際 Agent 應用中的調用頻率與效果如何？