3年未读的技术书？用这个工具秒变AI记忆！17k星开源项目，3步将PDF转化为结构化技能，知识即学即用。
核心内容：
1. 技术书“读≠会用”的痛点（如买后长期闲置）
2. 工具实现步骤：指向书本→自动蒸馏→AI按需调取
3. 工具架构与优势：提取免费+生成需AI，MIT开源+17k星热度

这本书我买了 3 年没翻过，直到我用这个工具把它变成了 AI 的记忆

17.8k 星，7 月 29 日单日涨 1400+ 并登上 GitHub Trending。

它是目前"知识→Skill"赛道最受关注的开源项目之一。

你买过多少本技术书，读完第一章就再也没翻开过？

我书架上有一本《Designing Data-Intensive Applications》，买了三年，封面都快褪色了。

每次写系统设计文档时都想翻翻，但想想 600 多页的 PDF，还是算了。

不是不想学，是读完 ≠ 能用。

三个月后，你连第 7 章讲了什么都不记得。

这就是 book-to-skill 要解决的问题。

它是怎么做到的？

3 步说清

1 指向书本：  /book-to-skill ./设计数据密集型应用.pdf
2 自动蒸馏：  提取→清洗→分章→生成结构化 Skill
3 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

它不只是一个"PDF 转文本"工具。

它生成的是一个结构化知识包：

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

关键设计在于"分章按需加载"。

你不问第 3 章，它就不占 Token 预算。

实测：我用它处理了一本 400 页的书

先搞清楚它的架构。

book-to-skill 分两层：

• ① 提取器（Python 脚本，零 API 消耗）

  纯 Python 实现，完全在你本机运行。

  负责把 PDF/EPUB/DOCX 等原始文档转成干净的文本和元数据。

  不联网，不消耗 Token，不调用任何 LLM。

• ② 生成器（Agent 遵循 SKILL.md 指令，需 API Key）

  提取完成后，你的 AI Agent（Claude/Copilot/Amp）会按照 SKILL.md 中预定义的步骤，将提取出的文本进一步整理成结构化 Skill。

  包括分章、提取术语、识别模式、生成速查表。

  这一步才需要 Agent 的 API Key。

简单说：提取免费，结构化需要 AI。

项目本身是 MIT 开源、完全免费的。

你只需要支付你自己 Agent 的 API 调用费用即可。

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

处理速度因模式和页数而异。

数据来源：官方 PERFORMANCE.md^[1]，不同硬件配置下速度差异较大。

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）

虽然钩子用的是《DDIA》这本经典大部头，但这次实测我拿了一本 400 页的 Python 进阶书来跑。

效果同样好。

我选择了高精度模式，因为书里有大量代码和表格。

跑完后生成 5 个文件，总计约 9500 tokens。

然后我让 AI 回答："这本书推荐的错误处理最佳实践是什么？"

它直接定位到第 8 章，给出基于原书的答案 + 书中的代码示例。

因为是严格基于结构化后的原文召回，在实际使用中显著降低了幻觉现象。

再看 Token 消耗。

如果不进行转化，直接将PDF文件内容导入上下文（约15万tokens），那么每次提问都得花费几十万tokens去“翻书”。

而book-to-skill这种方式只在转化时支付一次成本，之后每次查询仅加载对应的章节。

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处理，不耗费API。

但生成Skill阶段需要调用Agent API（Claude/Copilot/Amp）。

此时你的文档内容会通过API发送给对应的AI服务商，数据按照对应服务的隐私政策处理，并非“全程不出电脑”。

如果对数据隐私有严格要求，那么可以仅使用CLI模式提取纯文本，跳过Agent生成阶段。

不止是书

虽然名字叫"book-to-skill"，但它能处理的远不止书。

支持 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 Skill
• 品牌设计规范：品牌书、设计系统原则 → AI 随时引用的设计规范
• 论文堆 + 笔记：一叠 Arxiv 论文 + 你自己的笔记 → 合并成研究 Skill
• RFC / API 合同：协议文档、合规文档

只要是你反复打开又懒得记的东西，都适合转化。

同类对比

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（视频/播客知识蒸馏工具）是互补的。

前者处理图文知识，后者处理音视频知识。

两者可以用在同一条"知识→Skill"生产线上。

4 个踩坑点

• 版权红线

  生成的 Skill 本质是你的"读书笔记"，不能公开分发。

  作者在 README 里明确写了这点。自用 OK，转发不行。

  另外，如果原书有 DRM 保护，转化过程可能涉及法律风险，使用前请确认你拥有合法使用权。

• 技术书必须用 docling

  如果你的 PDF 里有很多代码块和表格，默认的 pdftotext 会丢失格式。

  记得选高精度 docling 模式，但代价是速度慢（约 1.6 秒/页）。

• 不支持扫描版 PDF

  必须有可提取的文字层。

  扫描版、手写笔记拍照这类无法处理。

• 需要 Agent 环境

  要体验完整的"蒸馏→结构化 Skill→Agent 按需调取"流程，需要已配置好 Claude/Copilot/Amp 的 API Key。

  如果你只需要提取纯文本用于搜索或手动整理，pip install 的 CLI 模式不依赖任何 Agent，完全够用。

我的一句话判断

如果你经常用 AI 编程助手，并且书架上有几本想用但懒得翻的技术书，book-to-skill 是目前最值得投入的"知识资产化"工具之一。

如果只用 CLI 模式提取纯文本，也能用于搜索或手动整理。

但要体验完整的"蒸馏→结构化 Skill→Agent 按需调取"流程，需要一个能正常工作的 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