利用微信读书skill，将读过的知识整合进AI实践 | Kuhung

遇到难回答的问题，我不回答。但遇到难解的问题，我倾向于向书中寻求答案。过去几年，工具书我主要关注六类：横向与纵向领导力、组织与战略、销售与说服、产品与增长、个人成长、投资交易。微信读书每年差不多是 40 多本。大模型从 2023 年火了以后，很多内容能直接问出来，量大管饱看起来还蛮精炼。

是不是阅读就没有意义了呢。我的答案是非也。大模型适合科普通识性问题：“SLMs是什么"“端侧模型有哪些技术要点"这类。它还有个很强的特性，迎合说话人。这点即使通过提示词纠正，也难以跳出提问人的思维边界。碰到框架性的问题，它给不出系统的、有真人感的建议。

从底层原理来说，大模型给出的是概率性文字，它也没法给切身经验和系统方法。这就像公司新人，能力不差，但缺少开展工作的上下文。高质量书籍填补的就是这块空白。

以前看书，做做笔记、画个思维导图，遇到有意思的会写份读书笔记。今天讲的是更进一步的做法：把书里的方法，编译成 AI Agent 可以直接调用的技能。

Skills 生态：得有自己的方法

最近半年，各种 skills 层出不穷。有些好用，有些徒有其名。一个 Markdown 文件配个抓眼球的标题，就能在 GitHub 上混到成千上万颗星标，星标快失去意义了。还有些 skills 在逻辑里面埋毒，引导脚本执行木马程序。

试过不少 skills 之后，我发现还是得有一套自己的方法。比如有人推荐 superpowers，我用下来慢得要死，还生成一堆无关文件。别人的 skill 可以参考，快速了解知识的时候先拿来用，再在自己的基础上调整。核心方法得从自己的知识体系里长出来。

在 skills 没出来之前，这个场景可能的解决方案是外挂 RAG。即通过对文稿的预先处理，试图用大模型来召回对应的知识结构。这种方法的好处是省事，直接丢文档切分即可。坏处是吃大模型的上下文，召回质量需要大量工程逻辑兜底。另外，这种方法最大的问题，个人认为是缺少“人在循环”这么个东西。

微信读书笔记，恰好就是“人在循环”的一个具体表现。一千个人有一千个哈姆雷特，一千个读者也有一千种理解。这种带有个人理解的内容，才是 skills 真正值得沉淀的部分。

读万卷书，不如蒸馏成术；蒸馏成术，不如实践成路。

在早先几年，我通过 cookies 截取的方式，借助 GitHub Actions 把微信读书笔记自动同步到 Notion。能归集阅读内容，但最近一年失效了，微信读书团队更新了鉴权方式。

今年早些时候，顺着 skills 这波风，微信读书团队开放了官方 Skills 接口。走完固定流程，就能在 Agent 里通过对话拿到你的数据：书架、阅读进度、划线信息，全部可以外挂给大模型。

网上对这个接口的二次加工，多集中在聊天、可视化、书籍推荐的程度。我想做的事更进一步：数据源有了，直接加工成可调用的 skills。把微信读书里的划线与想法，编译成 SKILL.md 技能指令，挂载到 Agent 上，在对话匹配到触发条件时自动加载。

整个流程分五步，从原始划线到全局可用：

步骤	做什么	产出
Step 1	微信读书原始划线存档到 private/（gitignore 隔离）	不可篡改的原始备份
Step 2	个人划线 + 社区热门划线，按逻辑主题重组	notes/书名_笔记.md
Step 3	从笔记中提取可落地的方法论框架	skills/技能名/SKILL.md
Step 4	更新 README 技能注册表	README.md 新增条目
Step 5	install.sh 软链接分发到四家 Agent	全局可用

这里有个设计要点，我称之为残差思维：社区热门划线是共识基线，代表大多数人觉得这本书的精华在哪里；你的个人划线是独特补充，代表你和这本书之间的私人对话。两者合并，才是"你对这本书的完整理解”。编译出来的技能既有公认的方法论骨架，又带着你自己的实战偏好。

分发的时候，skills/ 目录是唯一事实源。install.sh 用软链接挂载到 Claude Code、Cursor、Codex、Gemini CLI 四家的标准读取路径。技能在实战中被修正时，改动直接落回本仓库。

同一个问题：“帮我准备明天和下属的 1:1，他最近状态不好。”

没挂载技能时，AI 给你一个通用模板：开场寒暄、了解进展、给建议、结束。正确但无用，谁都能写出来。

挂载 coaching-grow 技能后（来自《高绩效教练》），AI 给出的是基于 GROW 模型的教练式对话策略：

差距在哪？没技能时给的是模板，有技能时 AI 知道"建议交换责任"所以不急着给答案，知道把"为什么"换成"是什么原因"更安全，知道先让对方自评再补充观察。这些不是大模型自己能编出来的，是从《高绩效教练》的方法论里来的。

通过这种特定的练习，你也可以更好掌握书中的技能。让 AI 的技能，不仅仅是 AI 技能，而是进一步内化成人的技能。

使用的时候不用手动指定用哪个技能。正常提问，Agent 用每个技能 description 里的触发场景做路由匹配，命中后按需加载 SKILL.md 正文。

我的微信读书藏书 356 本，有个人划线的 131 本。最终编译成技能的只有 26 个。

决定一本书能不能成技能的，不是你划了多少条线，而是它有没有一套能照着做的方法。GROW、SPIN、飞轮、DevOps 三步法这类能照着执行的框架，才编译得成技能。叙事类、传记类、科普类、备考类的书，划线再精彩也压不成一套动作，我把它们留在了外面。

26 个技能按使用场景分六类：带团队与管理下属、组织与战略、销售与说服、产品与增长、个人成长与效能、投资与交易。每个都有完整的理论笔记和可执行指令，具体清单见项目 README。

最后，有人说随着基模能力的增强，skills终将退出舞台。但我认为，我们这套方式积累下的skills，其真正目的并非弥补AI的局限，而是人的局限。人与人的交流、学习、精进，还得通过刻意练习得到。专精的skills，是来扩展人的思维边界。

技能质量取决于两个东西：原书的方法论密度，和你自己的划线质量。一本方法论稀疏的书，怎么编译都出不来好技能。你划线潦草，编译出来的技能也会缺少关键步骤。

触发路由依赖 description 做匹配，复杂场景可能误触或漏触。目前的 26 个技能只覆盖了我个人的阅读范围，其他人的知识盲区和我不同。

好消息是，这个流水线本身是可复用的。Fork 仓库，配上自己的微信读书 Skills API Key，跑一条命令就能从你自己的划线里编译技能。从你最常用的一本书开始。

一条命令安装，26 个技能软链接挂载到你的 Claude Code / Cursor / Codex / Gemini CLI。读过的书，在你需要时自己开口。