Sansheng Distill

sansheng-distill -- 书籍/视频蒸馏引擎(v2 浏览型)

输入一本书的电子全文(或一组视频),跑完 Step0-Step7 管线(Step2 分两遍),产出一个可 file:// 直开的单文件交互 HTML 蒸馏页。

v2 页型 = 浏览型「凝练地图 + 详实正文 + 页内二级视图」,承旧版验证过的五段漏斗:

| Tab | 装什么 | |---|---| | ① 一眼全书 | 真封面 hero + 餐巾纸公式 + 核心观点独立模块 + 可点跳脑图 + 精选金句(给 3 分钟扫读的人) | | ② 全书详实 | 逐章 800-1500 字详实转述,论点式标题,默认全展开不折叠(给愿读 30 分钟的人) | | ③ 书魂 | 全书最核心那条反直觉主张的可视化(并排对照 / 流程链 / 曲线) | | ④ 行动与自检 | 因果链 + 心智模型 + 决策规则 + 第二人称自检问句(纯浏览,无打分) | | ⑤ 该信几分·延伸 | 批判层四分区 + 内在张力 + 书评 + 跨书互链 + 三张页内子视图入口(作者/同类书/观点对比) |

交互:脑图可点跳章节、章节详实层默认全展开、书魂可视化、3 个页内全屏子视图(hash 路由开合)、多主题换肤。

这是入口编排文件。 先读本文对齐管线,再在每一步按下表读对应 reference / 跑对应 script;references 是各步的执行细则,不要凭记忆做。

先分流：蒸馏对象 → 路径

| 蒸馏对象 | 走路径 | |---|---| | 一本书全文 | 主管线 Step0-B（下表） | | 单个视频（按 1 集）/ 一个视频系列 | 主管线 Step0-V（下表） | | 一个博主/人物的全部作品（跨媒介思想蒸馏） | StepC · creator_corpus 路径（references\creator-craft.md） |

判断口诀：分析单位是「作品」→ 主管线；分析单位是「人」→ StepC。用户说「蒸馏这个 UP 主 / 这个人 / 他的思想体系」即 StepC。StepA/StepB 是主管线的可选聚合步，与 StepC 不冲突。

> 🪶 用轻量模型 / 弱 agent 跑本 skill(如 Gemini Flash 级、Antigravity 客户端)→ 先读 references\flash-mode.md。 > 那份卡不降低任何质量标准,只把「靠自觉」的环节换成「可自检的判据」,并钉死六个最容易滑落的点。 > Opus / Sonnet 级模型照本文主管线走即可,不必读。

路径与变量约定(全文只定义一次)

| 占位符 | 展开为 | |---|---| | $SKILL | 本 skill 目录(安装后为 ~/.claude/skills/sansheng-distill) | | $DATA | 书数据根目录,由环境变量 DISTILL_DATA_DIR 指定(默认 ./distill-data) | | {slug} | 书的 ASCII kebab 短名(如 jinqian-xinlixue);全站唯一,别撞投资 NN/育儿 pNN | | {书目录} | 本书数据目录,纯 {slug}(如 jinqian-xinlixue);不含书名,避免中文目录名、git/Windows 友好 |

命令里的占位符替成实值再执行。单书目录首次运行 Step0 时自动建。

数据目录约定(单书产物布局)

$DATA\
  knowledge-index.json          # 跨书概念索引(全库共享,Step4 维护,自动 .bak)
  {书目录}\
    book.txt                    # 全文(书=Step0-B;视频=Step0-V 组装的转写语料)  -- gitignore
    diagnose.json               # 入书诊断(书=Step0-B;视频=Step0-V 的 video_series 变体)
    raw\                        # 仅视频:各集原始转写 srt/txt(Step0-V)             -- gitignore
    series-input.json           # 仅视频:手写 manifest(Step0-V 输入)
    series.json                 # 仅视频:规范化 manifest(Step0-V 产物,下游只读它)
    comments.json               # 仅视频:观众评论(Step0-V,供 Step3 enrich.reviews)
    distill.json                # 蒸馏主对象 v2(Step2 两遍产:Pass1 骨架 + Pass2 narrative/excerpts)
    _pass2_g*.json              # Pass2 分块中间态(长书按章 fan-out 各组产物,合并回 distill) -- gitignore
    enrich.json                 # 联网增补 v2(Step3:author_page/similar_page/views_page + reviews + cross_book_external,带来源 URL,可整块降级)
    index-merge.json            # 5-tag 合并清单(Step4 中间产物)
    {slug}.html                 # 单文件交互蒸馏页(Step6 产物,最终交付,≤3MB;真封面 base64 内联,无独立 cover 文件)
    _verify.png                 # Step7 验证全页截图                                  -- gitignore

> gitignore(建议在数据目录加 .gitignore):book.txt / raw/ / _verify.png / _pass2_*.json / *.bak 不入库(版权原文 / 临时产物);其余(distill / enrich / HTML / index-merge / series / comments / diagnose)可入库。

---

管线表(Step0-Step7,Step2 分两遍)

每一步:做什么 / 读哪个 reference / 跑哪条命令 / 产物 / 失败降级。逐步照做,上一步产物是下一步输入。

| 步 | 做什么 | 读哪个 reference | 跑哪条命令 | 产物 | 失败降级 | |---|---|---|---|---|---| | Step0-B 入书诊断 + 转 txt(蒸书走此行) | 电子书 → 全文 txt + 诊断(格式/可提取/扫描版/乱码率/目录识别) | 脚本自足;分流规则见 method.md §0 | python $SKILL\scripts\convert_book.py "" --outdir "$DATA\{书目录}"(重转加 --force)。套装/合集 epub:先 --list-volumes 列分册,再逐本 --volume "" 切(按 TOC 顶层 + spine 区间,不漏未列入目录的正文续页) | book.txt / diagnose.json | exit 2 = 缺依赖/格式不支持/拒覆盖 → 装 calibre(azw3·mobi)或补 pip 依赖或加 --force;exit 3 = 需OCR / 需人工确认 → 停下问用户(见硬门禁①),不硬读、不编内容 | | Step0-V 视频系列入库(蒸视频走此行) | 每个视频取材转写 → 手写 manifest → 组装语料 + 抓评论。章节=集数 | method.md §V.0(取材 cascade,固定流程,先读) + §V。分流:YouTube 优先抓字幕(认准人工字幕,video-to-subtitle-summary)/ 无字幕或需画面语义 → Gemini 原生在线(claude-gemini-video,免下载)/ 非 YouTube 先下载再解析 | ① 按 §V.0 取每视频干净转写(YouTube 人工字幕 subtitle.{lang}.vtt 可直喂 buildseries;⚠️ 别用滚动重复 3× 的 text.txt/自动字幕),存 $DATA\{书目录}\raw\{NN}_{id}\;② 手写 series-input.json(transcript 指向选定的干净字幕文件);③ python $SKILL\scripts\build_series.py --manifest "" --outdir "$DATA\{书目录}";④ python $SKILL\scripts\fetch_comments.py --series "$DATA\{书目录}\series.json" --out "$DATA\{书目录}\comments.json";⑤ 逐条 yt-dlp --skip-download --print 抓热度元数据(播放/赞/评论数/日期,供热度条;--flat-playlist 拿不到须逐条 full extract) | book.txt / series.json / diagnose.json / comments.json | build exit 3 = 全部视频缺转写/乱码 → 停下问用户(见硬门禁①);fetch exit 2 = 全失败或抖音不支持 → 评论整块降级(enrich.reviews 置 null),不阻塞蒸馏 | | Step1 书型判定 | 读诊断 + 全书抽样(首/中/末章),判 论说/叙事/人物/工具 型,定加重字段与硬门槛 | method.md §1 | 无(读 diagnose.json + book.txt 抽样) | book_type(写入 distill.json) | 边界模糊按 §1.2 顺序裁决,命中即停;传记重思维 → 人物(不判叙事) | | Step2·Pass1 压缩骨架(凝练地图) | 三轮认知压缩 + 四嫁接件(决策规则/心智模型/内在张力/批判段)+ v2 延展字段(生活类比/主次/金句点评/概念误读/书魂/因果链/自检)+ 逐条补锚点与证据等级 | method.md §2-§5(§3 三轮 + §4 四嫁接件 + §4.5 延展字段 + §5 锚点) | 无(内化方法蒸馏,产出 JSON) | distill.json 骨架层(除 chapters[].narrative/.excerpts 外全部字段) | diagnose=分组蒸馏 → 走 method.md §8 分组再合成(禁一次性硬吞);产出后过 §7 门禁 G1-G15 自查(见硬门禁②) | | Step2·Pass2 详实转述(详实正文) | 逐章两级检索(先读 Pass1 骨架保结构,再回 book.txt 该章原文 grep 案例/数字/原话保血肉)→ 讲书稿式 narrative(坡道开场 → 观点+完整案例故事+数据 → 一句接主线)+ 挑 excerpts。长书按章 fan-out 并行(每组≤5 章派 1 subagent 全 Opus,组内串行,主控合并) | method.md §3.5(两级检索 / 讲书稿模板 / 版权线 / fan-out) | 无(内化;长书分组各产 _pass2_g*.json 中间态,主控回填 distill.json) | 回填 distill.json 的 chapters[].narrative(书 800-1500 字/章·视频段 ≥400；文章选编设 render_profile.archetype="文章选编"，逐篇 ≥300 字)+ chapters[].excerpts(书每章 ≥1,原文 ≤150 字) | grep 不到支撑就降级不写该点,禁凭印象编案例/编数字；读者可见 narrative 禁写“蒸馏/审计/后续出版”等工作流元话语，禁用同章重复句凑字数；主控做 G9 / G14 机械核对 + 标志性案例保全抽检(招牌故事必须整段完整出现,不得压成标签) | | Step3 联网增补(三页内子视图 + 内联) | 三张二级页各起一轮专门搜索:作者页 / 同类书页 / 观点对比页(国内外赞同方/质疑方);另产内联 reviews(书评正反)+ cross_book_external(跨书外部立场),全带来源 URL。视频系列:reviews/views_page 数据源含 Step0-V 的 comments.json,author_page 改频道页,详见 enrich.md §V | enrich.md(§3 三块搜索 pass;§4 豆瓣反爬;视频看 §V) | 联网检索(AnySearch → Tavily → WebSearch,工具链见 enrich.md §3.4);视频 reviews/views 读 comments.json | enrich.json(五顶层键:author_page/similar_page/views_page/reviews/cross_book_external) | 某块全档抓不到 → 该键置 null 整块隐藏(子视图 + 入口一并删);蒸馏主体不依赖网络,联网失败不阻塞 | | Step4 跨书索引登记 + 互链 | distill.concepts 逐个与现有索引语义匹配,赋 5-tag(SUPPORTS/REFINES/CONTRADICTS/NEWSUBASPECT/NEWCONCEPT),登记本书 entry + 渲染 ⑤ M11 已蒸书互链 | cross-book.md(§2 精确四步 + §3 tag 判定) | ① python $SKILL\scripts\update_index.py query --index "$DATA\knowledge-index.json" --names-only → ② 写 index-merge.json → ③ ... register --index "$DATA\knowledge-index.json" --merge "$DATA\{书目录}\index-merge.json" --dry-run(exit 0)→ ④ 去 --dry-run 真跑 | index-merge.json / 更新 knowledge-index.json(+.bak) / M11 互链数据 | register exit 1 = 校验错 → 按 stderr 逐条修 index-merge.json 回 ③ 重校验(禁用 --force 绕 exit 1);exit 2 = 同书 slug 冲突 → 确为重蒸才加 --force,slug 撞车则换唯一 slug | | Step5 设计两遍工作法 | 为这本书出 token plan + signature 决策,过对抗自审;品牌锁八成、书魂放两成 | design-craft.md(两遍工作法)+ brand-tokens.md(主题 token 契约) | 无(设计决策,内化到 Step6 填槽) | token/signature 定调(不落独立文件,直接指导 Step6) | signature 命中反 slop 黑名单(蓝紫渐变/emoji 图标/圆角+左边框卡滥用/凑数数据)→ 改;衬线模式必配 CJK 衬线兜底 | | Step6 生成单文件 HTML | 复制骨架填五 tab + 17 区块 + 3 页内子视图(SUB01-03)的槽,删干净 dummy,可降级区块(M10/M11/子视图)整块删 | html-spec.md(§1 五 tab + 区块规格表 / §3 生成流程 / §4 脑图 md / §5 体积 / §6 extract 兼容) | 复制 $SKILL\templates\page-skeleton.html 到 $DATA\{书目录}\{slug}.html 后逐槽填充(vendor 已内联,勿动) | $DATA\{书目录}\{slug}.html(单文件,≤3MB) | 超体积预算按 html-spec.md §5 先删 dummy 再压 excerpts 再压封面(WebP data URI/降尺寸);禁删 vendor/必需区块/data-source,禁压 narrative 跌破 G9 | | Step7 出厂验证 v2 | 静态 lint + 契约门禁 + 原文事实门禁 + Playwright 冒烟:零占位符残留({{槽}}/dummy,T0-P)/ distill 顶层必需键齐(T0-S)/ 封面非占位 SVG(T0-C) / 体积≤3MB / 必需区块齐 / 五 tab 文案+panel id 对 / narrative 字数达标(书≥800·文章选编≥300·视频≥400)/ 每条 chapter excerpt 与顶层 quote 必须在 book.txt 逐字命中、文章选编每篇须以 source_title 命中原始篇名、章节 anchor 不得指向不存在章节（尾声 合法）、跨章不得复用≥120字正文、同章不得复用≥40字句、正文不得含编辑流程语 / 章标题论点式(黑名单+长度)/ 书籍真封面 img[src^="data:image"] / 3 子视图与入口·返回一致 / 无「显示出处」开关且 .src-note 常显；公开 HTML 不得泄露 book.txt 等内部输入文件名，应显示为“章节·原文位置” / 无独立金句墙 / 零外链 / lang="zh" / data-source≥20 / token 块外零 hex / 主题切换 body 背景变化 | html-spec.md §3(违规修复优先级) | python $SKILL\scripts\verify_page.py "$DATA\{书目录}\{slug}.html" --distill "$DATA\{书目录}\distill.json" --source "$DATA\{书目录}\book.txt" --screenshot "$DATA\{书目录}\_verify.png"; echo "退出码=$?" | 退出码 + _verify.png 全页截图 | exit 1 = 有违规,按输出逐条修后重跑;exit 0 才算 Step7 / 本书完成(见硬门禁③)。绝不放宽 verify 或删检查项来「过关」 |

> ⚠ 视频路径 v2 尚未跑 E2E 验证:骨架 / method.md §V / html-spec.md §V / enrich.md §V / verify_page.py 的视频分支已随 v2 更新到位,但尚未用视频样本完整重蒸验收(书样本《金钱心理学》已 E2E 通过)。蒸视频系列时按 §V 照做,遇到骨架/门禁与视频不吻合的坑先记录再修。 > 跑判成败的脚本别用 \| tail / \| head 取摘要(管道退出码取最后一段,tail 永远成功会吞失败);看完整结尾行或补 ; echo "退出码=$?"。

> ⚠ Step6 只能在正式 page-skeleton.html 的基础上逐槽填入数据。严禁另起极简 HTML 壳，或删掉 theme-picker、initMindmap()、initHashRouter() 来“简化渲染”；这会丢失主题、脑图 viewer 和章节路由，Step7 会直接拒收。

StepA · 作者演变聚合(可选,同一作者 ≥2 部已蒸时)

某作者在 $DATA 下已蒸 ≥2 部作品时,可选做「思想演变专题」聚合页;单书蒸馏不涉及," --data-root "$DATA" --manual "$DATA\authors\{authorslug}\author.manual.json" --enrich "$DATA\authors\{authorslug}\author.enrich.json" --out "$DATA\authors\{author_slug}\author.json"(已有 author.json 且 manual 缺失时防覆盖栏拒跑,确需重建加 --force;" --data-root "$DATA" --manual "$DATA\topics\{topic_slug}\topic.manual.json" --out "$DATA\topics\{topic_slug}\topic.json"(已有 topic.json 且 manual 缺失时防覆盖栏拒跑,确需重建加 --force;2%)时,不启动蒸馏、不硬读、不编内容,把 diagnose 结论报给用户定夺(补 OCR / 换文件 / 人工核编码)。视频系列同理:build_series.py exit 3(全部视频都缺转写,一个都没抓到)→ 停下问用户(补转写 / 换视频 / 核 manifest),不拿空语料硬蒸。 > toc_detected: false / chapters_detected: 1 也要停(v0.5 补):目录结构没识别出来 = 蒸馏时手里没有原书章节划分,章数只能靠模型自由发挥(2026-07-26 实测:6 本全切自同一个「套装共5册」合订 epub,toc_detected 全 false,产出的章数一律被压成 6 章)。 > 套装/合集 epub 走 --volume 切,别整本硬蒸、也别手工切:convert_book.py --list-volumes 列出顶层分册与各自章数 → 逐本 --volume ""。切分按 TOC 顶层定分册、按 spine 区间**取正文(未列入目录的正文续页也收进来,只取 TOC 篇目会静默丢正文),diagnose.title 自动取分册名。chapters_source 字段标明章数来自 epub_toc 还是 body_regex。

1. Step2 两遍质量门禁自查(G1-G22):Pass1 骨架 + Pass2 详实转述产出后,按 method.md §7 逐条自查(通用 G1-G7 + 书型专项 + v2 详实/浏览层 G8-G21 + 高后果 stakes 门 G22)。空洞夸赞 / 无锚点论断 / 硬门槛未达 / 公式含糊 / 叙事压成标签 / 章标题非论点式(G8)/ narrative 详实度不足(书 T0 三道补盲门(v0.5,2026-07-27 加):[占位] 模板槽 / dummy 残留、[schema] 顶层必需键缺失、[lint] 封面是占位 SVG -- 三者恒校验、任何 renderprofile 不可关。立法起因见 flash-mode.md §0(旧门禁 174 项全是「校验已有字段的取值」,默认「一定会填槽、一定产全 schema」;模型把模板原样交付或少产半个 schema 时,循环空转 = 零违规放行)。[schema] 项对 2026-07-27 前蒸的旧书会报 renderprofile/cover_intro 等缺失,属预期,旧书不必重蒸。⚠ verify 只查「结构 / 契约 / 版权长度 / 防注水」,不保证事实正确:narrative 是否忠于原书、数字 / 人名 / 案例是否真实、excerpts 是否真原文·是否真出现在所标 anchor,全部无机检 -- 事实正确性靠硬门禁②的蒸馏自查 + 铁律「不编造」,exit 0 ≠ 内容属实**(高后果书另做人工抽检,见铁律「不编造」)。

1. 批量交付闸 exit 0 才许上站(v0.5,蒸多本时):单本 verify 只回答「这一本合不合格」,回答不了「这一批该有的都在吗」。上站前把预期名单显式交给批量闸核对:

`` python $SKILL\scripts\verify_batch.py --data-root "$DATA" --slugs slug1,slug2,slug3; echo "退出码=$?" ``

它逐本核 ①产物齐备(缺 distill/html = 这本根本没蒸完)②verify_page.py 退出码 ③交付卫生(enrich 缺失 / _pass2_g*.json 中间态残留)。退出码 0 才允许上站;非 0 时二选一 -- 补完管线,或把这本从上站名单里摘掉。⚠ 名单留着而产物不存在 = 线上 404(2026-07-26 实测:6 本里 2 本只跑到 Step0,仍被挂上作品集页)。

铁律(每步都守)

• 锚点:蒸馏内容必须锚定原文,method.md §5.1 六类字段(coreideas / decisionrules / quotes / mentalmodels.evidence / chapters.excerpts / selfcheck)每条带 anchor,上站进 data-source;无锚点论断 = 门禁打回。
• 论点式标题(v2):chapters[].title / M04 ` 一律**可反驳的判断句**,禁「第N章 / 视频N」式纯章号、禁通用容器词(章节脉络/全书脉络/金句墙/总结/概述…),有效长度 ≥8 字(G8;verify 机拦黑名单+长度,判断句语义靠蒸馏自查)。**脑图二级节点(v4 批 A 双层化)例外**:topic 改概念关键词 ≤10 字做扫读层、**取消 ≥8 字下限**(仍守黑名单+禁容器词);可反驳判断句下沉到 tags[0](≥8 字,verify 机拦缺失/过短),tags[1]` 放「第N章」章码 chip(见 method §4.6 / html-spec §5)。
• 详实度下限(v2):每章 narrative 书 ≥800 字 / 视频段 ≥400 字(G9);宁可少论点讲透,不注水;标志性案例 / 故事必须整段完整讲(时间·人物·动作·转折·结果),禁压成一句标签。
• 真封面(书,v2):书籍 M01 封面必须真封面 base64(data:image),禁外链、禁纯色占位;联网拿不到才退占位 SVG。视频用系列封面(首集缩略图 data: URI)。
• URL:外部信息(作者/书评/同类书/观点对比/跨书外部)必须带可点击 http(s) 来源 URL;拿不到就降级隐藏,不臆造。
• 不编造:金句 ` / excerpts 原文照录不改写(直接照录单段 **≤150 字**,blockquote 明示引用,连续 30 字与原文雷同即版权红线须改写);拿不到的数据(评分/年份)据实留空,不制造假精度。**高后果书事实抽检(stakes=high)**:育儿 / 医疗 / 理财 / 法律等读者会照着做、数字错会误导的书(判定见 method.md §1.5),蒸完须**人工回原书抽检 ≥5 条可执行数字 / 月龄 / 剂量 / 时长 + 金句**,确认所标 anchor 指向处确有其文、数值未被记串(verify 不做此核,见硬门禁③)。抽出错即回改或降 evidence_level;**这类可执行数字还须逐条标 certainty`**(书里白纸黑字 / 跨书合成 / 编者通识,见 §4.5.16 + 门禁 G22)。
• 破折号一律 --:所有给读者看的文字里用两个英文连字符,禁全角 ——。
• 底部「回原书」声明:页面底部固定 AI 拆书当地图、别当目的地的收口声明(骨架已带,别删)。

批量模式(蒸多本)

> 成本大头在编排层,不在 Pass2 分块数:逐章命名 ≠ 逐章派 agent,各 subagent 仍守「≤5 章/组」,砍分块数省不到 token 且掉详实度。真正吃 token/时长的四项:①并发撞 529 风暴 ②会话碎片化 re-grounding ③同作者重复联网 ④失败假重跑。以下按此立规,优化编排、不砍生成深度。

• 先抽样 1 本人工验收再铺量:多本任务先完整跑通 1 本(Step0-7 + 浏览器过一遍),你/审校者确认质量与 signature 成立,通过才铺其余;通过后错峰铺,不齐发。
• 上站前必过批量交付闸(见硬门禁④):verify_batch.py --slugs exit 0 才许上站。预期名单必须显式声明,靠人肉数「应该都蒸完了吧」正是 2026-07-26 漏掉 2 本仍上站的病因。
• 跨会话并发闸:全局在飞的 Pass2 subagent ≤ 6-8 个,不论开了几个会话 / 几个作者批次并行。多作者批次禁同时段并跑 Pass2 —— 多作者通宵并发会直接引爆服务端 529 风暴(大量 agent 撞 529、大量 retry、墙钟拖到 8-9 小时)。批次之间错峰发起,别十分钟内齐发。
• 1 本书 = 1 会话(或每会话 ≤2-3 本):避免单会话塞多本反复 compact(实测单会话曾 compact 8 次)。会话续接只重读小的 distill.json checkpoint,禁重读 book.txt 全文(实测 book.txt 曾被重复引用 60-198 次/会话)。
• 批前估 token 预算:铺量前粗估「N 本 × 每本约 X = 总量」,对照账户周/日用量上限;超则分日/分批跑,预留撞用量上限的余量(实测批量铺量曾把账户用量跑爆、被迫中途暂停)。全程用高能力模型、不做 token 节流仍成立,但要预判总量别中途断粮。
• 失败先核盘再重派(防假重跑):agent 报「失败」多为已写盘、只是返回元数据时被限流。重派任何失败 agent 前,先查 $DATA\{书目录}\ 下 _pass2_g*.json / 产物是否已落盘:已落盘只对缺章做定点 gap-fill,禁整组重跑。fan-out 合并后断言「N 章 narrative 全齐且达标」,只补真缺口(见 method.md §3.5.5 合并完整性门禁)。
• Pass2 产物统一命名 _pass2_gN.json + 合并后清理:并发多会话易各自即兴命名(曾并存 _ch_N/_pass2_N/_pass2_gN/_pass2_batchX 四套),漂移致合并对不齐、掉章。统一只用 _pass2_gN.json;合并完整性门禁通过后,主控删本书 _pass2_g*.json 中间态(已 gitignore、已回填 distill,别留到入库/聚合污染目录 -- 2026-07-15 复盘 13 本睡眠书 7 本残留)。见 method.md §3.5.5 清理步。
• 同作者 enrich 只搜一次:批量拆同一作者多本时,作者研究(authorpage)一位作者只联网搜一次,写 $DATA\authors\{author_slug}\author.enrich.json,各书 enrich 的 authorpage 引用它、不重搜(否则同一作者多本各自重搜作者背景 = 大量冗余联网轮次);与 StepA 作者演变聚合页共用同一份作者研究(见 enrich.md §3 + StepA)。
• 索引串行登记:Step4 的 update_index.py register 会写同一个 knowledge-index.json,批量时串行登记(逐本 dry-run→真跑),避免并发写盘互相覆盖;每次写前自动 .bak。

环境依赖

• Python:pip install ebooklib beautifulsoup4 pymupdf pillow pytest playwright + playwright install chromium(Step7 需 chromium;pillow 用于真封面 / 缩略图的压缩与 base64 内联)。
• azw3 / mobi 输入需 calibre 的 ebook-convert(winget install calibre.calibre);epub/pdf/txt 不需要。
• 视频系列(取材 cascade 见 method.md §V.0):yt-dlp(YouTube 抓字幕 + 抓评论;B站评论走公开 API 免依赖)。B站/抖音的转写需一个字幕/ASR 上游工具(如 video-to-subtitle-summary,读其 AI_DOUYIN_API_KEY);fetchcomments 的 B站评论无需 key。无字幕 / 需画面语义走一个 Gemini 视频分析工具,如独立公开 skill sansheng-gemini-video(读 env GOOGLE_API_KEY),装上即可;不装不影响书籍蒸馏与有字幕视频。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: sanshengai
• Source: sanshengai/sansheng-distill
• License: MIT

Install and usage instructions live in the source repository linked above.