输入待处理的书籍文本，关键操作是明确内容类型与使用场景以触发自动化拆解，产出为包含SKILL.md、章节文件及模式库的结构化技能包。此方法将非结构化阅读转化为可执行的决策工具，区别于传统的问答式笔记，重点在于建立规则与反例的映射关系。
确认内容属性与应用目标
启动处理流程前，需先界定文本的技术密度与最终用途。若材料包含大量代码或复杂表格，应标记为技术类以保留格式完整性；若为纯理论或方法论书籍，选择文字类可加速解析过程并优化后续调用速度。同时必须明确“想拿它干什么”，例如直接应用于工作决策或作为思维训练素材，这将决定生成技能的侧重点。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
系统通常仅询问两个核心问题：内容类型与使用目的。以《刻意练习》为例，当判定其为文字类且目标是“在工作中直接使用方法”时，引擎会优先提取行动指南而非学术定义。这种简化的交互设计避免了冗长的参数配置，确保用户能快速进入实质性的内容拆解阶段。
验证生成的技能目录结构
处理完成后，检查输出文件夹是否包含SKILL.md主索引、按章节拆分的子文件以及glossary（术语表）、patterns（模式）和cheatsheet（速查表）。这些组件共同构成了技能的骨架。SKILL.md定义了整体行为逻辑，而patterns文件夹存储从书中提炼出的具体决策规则和反例，这是实现“Book-to-Skill”转化的核心资产。
不要仅满足于拥有文件列表，需打开patterns目录查看具体内容。有效的技能包应包含清晰的“如果-那么”句式规则，以及针对常见误区的反例说明。例如，在《刻意练习》的技能中，应能找到关于“反馈机制”的具体操作步骤，而非泛泛而谈的理论描述。若发现内容仍停留在摘要层面，则需重新调整初始的使用目标设定。
在新情境中测试决策能力
技能的耐用性取决于其在陌生场景中的表现。选取一个与原著背景不同但逻辑相似的工作难题，尝试调用该技能进行辅助决策。观察系统是否能准确引用书中的原则，并给出具体的行动建议。如果回答过于笼统或偏离原书核心观点，说明提取过程中的规则抽象不够精准。
对比传统读书笔记，Book-to-Skill产出的价值在于即时可用性。传统笔记往往需要人工二次加工才能转化为行动，而经过正确提取的技能包能直接提供决策框架。通过反复在新情境中验证，可以逐步修正patterns中的规则细节，使技能从“书本复制品”进化为“个人专属的思维助手”。
