3 年没读完的技术书？用这个开源工具一键变成 AI 可调用的记忆库！17k+ 星热门项目，3 步把 PDF 转成结构化技能包，让知识真正做到即学即用。核心内容：1. 技术书“读过≠会用”的常见痛点（如买来后长期吃灰）2. 工具使用流程：指定书籍 → 自动蒸馏 → AI 按需检索与调用3. 工具架构与优势：提取阶段免费 + 生成阶段需 AI，MIT 开源协议 + 17k+ GitHub Star 热度
这本书我买了 3 年一直没看完，直到我用这个工具把它变成了 AI 的长期记忆
17.8k 星，7 月 29 日单日增长 1400+，并冲上 GitHub Trending。它已经成为当前“知识→Skill”赛道里最受关注的开源项目之一。
你买过多少本技术书，翻完第一章后就再也没有打开过？
我书架上就有一本《Designing Data-Intensive Applications》，买了三年，封面都快褪色了。每次写系统设计方案时，我都想重新翻一翻，但一想到那本 600 多页的 PDF，最后往往还是放弃。
问题不是不想学，而是读完 ≠ 真正会用。很多内容过了三个月，连第 7 章讲了什么都很难回忆起来。
这正是 book-to-skill 想解决的核心问题。
它是怎么做到的？（3 步讲清楚）
1️⃣ 指向书本： /book-to-skill ./设计数据密集型应用.pdf
2️⃣ 自动蒸馏： 提取→清洗→分章→生成结构化 Skill
3️⃣ AI 按需调取：/设计数据密集型应用 复制 → 读取第 5 章 → 基于原文回答
它并不只是一个“PDF 转文本”工具，而是会生成一个结构化知识包：
| 文件 | 内容 | 大小 |
|---|---|---|
| SKILL.md | 核心思维模型 + 章节目录 | ~4000 tokens |
| chapters/ | 每章一个文件，按需加载 | ~1000 tokens/章 |
| glossary.md | 全部关键术语，字母排序 | ~1500 tokens |
| patterns.md | 所有算法/设计模式/技巧 | ~2000 tokens |
| cheatsheet.md | 决策表 + 速查规则 | ~1000 tokens |
这个设计最关键的一点，就是**“分章按需加载”**——如果你没有询问第 3 章，系统就不会额外占用 Token 预算。
实测：我用它处理了一本 400 页的书
先理解它的整体架构——book-to-skill 主要分成两层：
① 提取器（Python 脚本，零 API 消耗）
基于纯 Python 实现，全部在本地电脑运行，负责把 PDF、EPUB、DOCX 等原始文档提取为干净文本和元数据。整个过程不联网、不消耗 Token，也不会调用任何大模型。
② 生成器（Agent 遵循 SKILL.md 指令，需 API Key）
完成文本提取后，你的 AI Agent（Claude/Copilot/Amp）会按照 SKILL.md 中预设的流程，把提取结果进一步整理为结构化 Skill——包括分章、术语提取、模式识别和速查表生成。只有这一步才需要 Agent 的 API Key。
简单理解就是：提取免费，结构化依赖 AI。 项目本身采用 MIT 开源协议，完全免费——你真正需要承担的，只是自己 Agent 的 API 调用成本。
安装（两种方式，按需选择）：
# 方式一：独立 CLI（纯提取引擎，不依赖 Agent）
pip install book-to-skill
book-to-skill --help
# 方式二：Agent Skill（注册 /book-to-skill 命令，支持完整蒸馏流程）
git clone https://github.com/virgiliojr94/book-to-skill.git ~/.claude/skills/book-to-skill
# 也支持 Copilot CLI: ~/.copilot/skills/、Amp: ~/.agents/skills/
跑起来：
# 在 Agent 对话中直接输入
/book-to-skill ./python-advanced.pdf
处理速度会根据提取模式和文档页数变化（数据来源：官方 PERFORMANCE.md[1]，不同硬件环境下速度差异会比较明显）：
| 模式 | 速度 | 适用 |
|---|---|---|
| 纯文字（pdftotext） | 极快，400 页约 30 秒 | 纯文字书、无代码/表格 |
| 高精度（docling） | 约 1.6 秒/页，400 页约 10 分钟 | 技术书（保留代码块和表格） |
虽然文章开头提到的是《DDIA》这本经典大部头，但这次实测我实际拿来跑的是一本 400 页的 Python 进阶书——效果同样不错。我选择的是高精度模式，因为书中包含大量代码块和表格。最终跑完后生成了 5 个文件，总计约 9500 tokens。
接着我让 AI 回答：“这本书推荐的错误处理最佳实践是什么？”
它会直接定位到第 8 章，并给出基于原书内容的回答 + 书里的代码示例。由于整个回答过程是建立在结构化后的原文召回之上，在实际使用中能明显降低幻觉问题。
再看一下 Token 消耗差异：如果不做转换，直接把整本 PDF 塞进上下文（约 15 万 tokens），那么每一次提问都要花大量 Token 去“翻书”。而 book-to-skill 的方式只需要在首次转换时支付一次成本，后续每次查询只加载相关章节——根据官方 PERFORMANCE.md 基于 Claude 3.5 + 10 万 token 上下文的测算，实测可节省 24×–51× 的 Token。
⚠️ 注意：提取阶段完全在本地执行，不消耗 API。但在生成 Skill 阶段，需要调用 Agent API（Claude/Copilot/Amp），这意味着你的文档内容会通过 API 发送给对应的 AI 服务商——数据将按照对应平台的隐私政策处理，并不是“全程都不离开电脑”。如果你对数据隐私要求很高，可以只使用 CLI 模式提取纯文本，跳过 Agent 生成阶段。
不止能处理书籍
虽然它叫“book-to-skill”，但支持的内容远不止图书——可处理 PDF、EPUB、DOCX、HTML、Markdown、RTF、MOBI、TXT、RST、AsciiDoc 等 9 种以上格式：
- 公司内部文档：ADR（架构决策记录）、Runbook、Onboarding 指南 → 打包成团队可复用的 Skill
- 品牌设计规范：品牌手册、设计系统原则 → 变成 AI 可随时引用的设计规范库
- 论文堆 + 笔记：一批 Arxiv 论文 + 你自己的研究笔记 → 合并成研究型 Skill
- RFC / API 合同：协议文档、合规文档 → 便于检索与问答调用
只要是你经常反复查阅、但又懒得硬记的内容，基本都适合拿来转化。
同类工具对比
| 维度 | book-to-skill | 仓颉.Skill |
|---|---|---|
| 输入 | PDF/EPUB/DOCX 等 9+ 种图文格式 | 视频/播客/音频字幕 |
| 输出 | 5 种结构化文件（分章+术语表+模式+速查） | SKILL.md + DIGEST 精华长文 |
| Stars | 17,783（截至 2026-08-07） | 6,541（截至 2026-08-07） |
| 分章按需加载 | ✅ 核心设计 | ❌ 侧重全书理解 |
| 安装 | pip install 或 git clone | git clone + 多 Agent 配置 |
book-to-skill 和仓颉.Skill（面向视频/播客的知识蒸馏工具）其实是互补关系——前者更适合处理图文类知识，后者更适合处理音视频知识。两者完全可以组合在同一条“知识→Skill”生产链路中。
4 个容易踩坑的点
版权红线：生成出来的 Skill 本质上属于你的“读书笔记”，不能公开传播或分发。作者在 README 中已经明确说明了这一点。个人自用没问题，随意转发就不合适。另外，如果原书带有 DRM 保护，转化过程还可能涉及法律风险，使用前请先确认自己拥有合法使用权。
技术书建议必须用 docling：如果你的 PDF 里包含大量代码块和表格，默认的 pdftotext 往往会丢失格式。更稳妥的做法是选择高精度 docling 模式——但相应代价就是速度更慢（约 1.6 秒/页）。
不支持扫描版 PDF：文档必须存在可提取的文字层。像扫描件、手写笔记照片这类内容，目前无法直接处理。
需要 Agent 环境：如果你想体验完整的“蒸馏→结构化 Skill→Agent 按需调用”流程，就需要提前配置好 Claude/Copilot/Amp 的 API Key。如果你只是想提取纯文本，后续用于搜索、归档或手动整理，那么
pip install提供的 CLI 模式已经完全够用，而且不依赖任何 Agent。
我的一句话判断
如果你平时经常使用 AI 编程助手，同时书架上又堆着几本想用却一直懒得翻的技术书——book-to-skill 是目前非常值得投入的“知识资产化”开源工具之一。
如果只使用 CLI 模式提取纯文本，它也很适合做搜索、归档或手动整理；但如果你想真正体验完整的“蒸馏→结构化 Skill→Agent 按需调用”能力，还是需要一个可正常工作的 AI Agent 环境。
后台回复「book-to-skill」获取完整 11 节深度调研报告（含源码结构 + P0/P1/P2 借鉴清单 + 安装踩坑记录）。
Stars 数据：GitHub API 实时查询（截至 2026-08-07 约 14:00 CST）。Token 节省数据：官方 PERFORMANCE.md。
引用链接
[1]PERFORMANCE.md: https://github.com/virgiliojr94/book-to-skill/blob/master/docs/PERFORMANCE.md
登录查看剩余 70% 内容