book-to-skill 是 GitHub 上的开源项目,定位是把 PDF、Word、EPUB 等非结构化文档,自动转成 AI Agent 可以直接调用的”技能(Skill)”。它解决了”知识在文档里、Agent 调用不到”的衔接问题,让存量资料快速变成 Agent 的工具。

一、工具介绍

book-to-skill 由开发者 virgiliojr94 开源,采用 MIT 协议。它把”读 PDF → 解析章节 → 提取关键信息 → 生成 Agent 可调用的 Skill 接口”这条流水线做了标准化封装。用户上传一份白皮书或电子书,几分钟后就能得到一个 Skill 文件,加载到 Claude Desktop、Cursor 或自研 Agent 中,即可让 Agent 基于文档内容回答问题、执行任务。

官网首页截图

工具底层使用 LangChain 和 LlamaIndex 解析文档,支持 OCR 识别扫描件 PDF、自动生成目录、提取图表描述。生成的 Skill 文件遵循 MCP(Model Context Protocol)标准,可直接被主流 Agent 客户端识别。

二、核心功能

  • 多格式文档解析:支持 PDF、Word、EPUB、Markdown、HTML 等主流文档格式,自动识别章节结构。
  • OCR 能力:对扫描件 PDF 调用 Tesseract 或云端 OCR,提取图片中的文字内容。
  • 目录自动生成:对无书签 PDF 自动识别章节标题,生成结构化目录。
  • 关键信息抽取:基于 LLM 提取文档中的概念定义、操作步骤、代码片段、图表说明。
  • Skill 打包:把解析结果打包成符合 MCP 标准的 Skill 文件,Agent 客户端可直接加载。
  • 多语言支持:内置中文、英文、日文等语言检测,按语种选择合适的 LLM 处理。
  • 可视化预览:提供本地 Web UI 预览 Skill 的内容,确认无误后再打包。
  • 批量处理:支持一次性导入多个文档,批量生成多个 Skill。

三、使用场景

  • 企业知识库:把公司内部的制度文档、产品手册转为 Agent 可调用的 Skill,构建企业知识助手。
  • 学术研究:把多篇论文转为 Skill,Agent 可以跨论文回答研究问题,自动引用来源。
  • 技术文档助手:把 API 文档、SDK 手册转为 Skill,Agent 帮助开发者写代码时直接调用。
  • 法律文档处理:把合同范本、法规文件转为 Skill,Agent 可以基于条款回答法律问题。
  • 医疗知识库:把临床指南、药品说明书转为 Skill,辅助医生快速查询。
  • 教育资料:把教材、习题集转为 Skill,Agent 自动出题、批改、讲解。
  • 个人学习:把电子书、自购课程资料转为 Skill,让 Agent 陪你复习、做笔记。
  • 培训内容沉淀:把内训讲义转为 Skill,新员工通过 Agent 自助学习。

四、价格方案

book-to-skill 本身是开源免费的,采用 MIT 协议,可直接克隆使用。实际运行成本主要是 LLM 调用费,项目默认使用 OpenAI GPT-4o 处理文档,每次解析一本 300 页的电子书约消耗 2-5 万 token,折合人民币 1-3 元。用户也可在配置文件中切换为本地 Ollama 模型或更便宜的国产模型,把成本降到接近零。

五、功能特点

  • MCP 标准化:生成的 Skill 文件遵循 Model Context Protocol,与 Claude、Cursor 等主流客户端无缝兼容。
  • 解析精度高:结合 OCR + LLM,处理扫描件、复杂排版、公式图表都有较好表现。
  • 轻量易部署:只需 Python 3.10+ 环境,几条命令即可启动,不需要 GPU。
  • 可扩展架构:解析器、抽取器、打包器都做成插件,用户可以替换为自己的实现。
  • 本地优先:默认所有数据本地处理,文档不会上传第三方,适合敏感数据场景。
  • 活跃社区:GitHub Issues 响应快,作者持续维护,定期发布新版本。

六、上手指南

1. 克隆仓库 `git clone https://github.com/virgiliojr94/book-to-skill.git`,安装依赖 `pip install -r requirements.txt`。
2. 在 `.env` 文件中配置 OpenAI API Key(或本地 Ollama 地址)。
3. 把 PDF 文件放入 `input/` 目录,运行 `python main.py input/yourbook.pdf`。
4. 生成的 Skill 文件输出到 `output/` 目录,把 `.skill` 文件复制到 Claude Desktop 或 Cursor 的 Skill 目录即可加载。

七、常见问题

book-to-skill 和一般 PDF 解析工具有什么区别?

一般 PDF 解析工具输出文本或结构化数据,需要自己再做 Agent 集成;book-to-skill 直接输出符合 MCP 标准的 Skill 文件,加载即用。

支持扫描件 PDF 吗?

支持。内置 OCR 引擎处理扫描件,识别准确率取决于文档清晰度,通常 95% 以上。

生成的 Skill 体积大不大?

取决于文档复杂度。一本 300 页电子书生成的 Skill 通常 5-20 MB,Agent 加载时按需读取,不会一次性占满内存。

可以商用吗?

可以。MIT 协议允许商用,使用、修改、分发都没有限制,但需要保留版权声明。

中文文档效果怎么样?

对中文支持较好,内置中文 LLM 提示词模板,术语抽取准确率高于英文为主的同类工具。