Technisches Buch in einen Agent-Skill umwandeln
Wandeln Sie PDF, EPUB oder interne Dokumente in einen Agent-Skill um. Erfahren Sie mehr zu Installation, Token-Budget, headless runs und Lizenzierung.
Ein technisches Buch in einen Agent-Skill umwandeln: Was Sie erhalten
Um ein technisches Buch in einen Agent-Skill umzuwandeln, übergeben Sie einem Konverter eine PDF-Datei, eine EPUB-Datei, einen DOCX-Export oder einen Ordner mit internen Dokumenten, die Sie bereits besitzen. Er erstellt ein Skill-Verzeichnis: eine Einstiegsdatei mit den benannten Frameworks und einem Index der Kapitel sowie eine Datei pro Kapitel, die der Agent nur liest, wenn Ihre Frage sie erfordert. Das Buch gelangt nie in das Kontextfenster. Der Index schon.
Das ist die umgekehrte Aufgabe zum Schreiben eines Agent-Skills von Grund auf, bei der Sie eine bereits bekannte Vorgehensweise kodieren. Hier ist das Wissen vorhanden, aber niemand kann darauf zugreifen: eine 800-seitige PDF-Datei eines Anbieters oder ein Handbuch, das seit dem Weggang der Person, die es verfasst hat, nicht mehr geöffnet wurde. Die Arbeit besteht aus Komprimierung und Indexierung. Wenn der Begriff Skill für Sie neu ist, lesen Sie zuerst was ein Agent-Skill tatsächlich ist.
Der hier verwendete Konverter ist book-to-skill, ein MIT-lizenzierter Skill, der auf Ihrem eigenen Rechner ausgeführt wird. Der aktuelle Tag im Oktober 2026 ist v1.4.0. Die von ihm erzeugte Struktur ist wichtiger als das Tool selbst. Im letzten Abschnitt vor der FAQ wird gezeigt, wie Sie dieselbe Struktur manuell erstellen.
Warum das Token-Budget die gesamte Struktur bestimmt
Ein in ein Kontextfenster eingefügtes Buch verursacht bei jeder Unterhaltung, die es benötigt, die vollständigen Kosten seiner Größe. Ein Skill verursacht einmalig die Kosten seiner Einstiegsdatei sowie die Kosten der Kapitel, die von der jeweiligen Frage tatsächlich benötigt werden. Das Projekt legt für jede erzeugte Datei ein Budget fest.
Die Daten hinter diesem Diagramm
[
{
"label": "SKILL.md entry file",
"tokens": "4,000"
},
{
"label": "One chapter file",
"tokens": "1,000"
},
{
"label": "glossary.md",
"tokens": "1,500"
},
{
"label": "patterns.md",
"tokens": "2,000"
},
{
"label": "cheatsheet.md",
"tokens": "1,000"
}
]Die Einstiegsdatei SKILL.md ist auf 4,000 Tokens begrenzt und enthält die genannten Frameworks sowie den Kapitelindex. Jede Kapiteldatei umfasst etwa 1,000 Tokens und bleibt auf der Festplatte, bis sie benötigt wird. Die unterstützenden Dateien sind ähnlich aufgebaut: 1,500 Tokens für glossary.md, 2,000 für patterns.md und 1,000 für cheatsheet.md.
Diese Budgets entsprechen der tatsächlichen Nutzung des Kontexts durch Claude Code. Die description eines Skills erscheint in der Skill-Liste, damit das Modell weiß, dass der Skill vorhanden ist. Der Inhalt wird geladen, wenn der Skill aufgerufen wird, und bleibt danach für den Rest der Sitzung im Kontext. Daher verursacht jede Zeile in der Einstiegsdatei wiederkehrende Kosten. Unterstützende Dateien werden nur geladen, wenn der Agent sie liest. Dadurch bleiben Dateien pro Kapitel kostengünstig.
Hinter dem Wert für die Einstiegsdatei steht eine weitere harte Grenze. Wenn die automatische Kompaktierung eine lange Unterhaltung zusammenfasst, hängt Claude Code nach der Zusammenfassung die jeweils letzte Verwendung jedes Skills erneut an und behält von jedem Skill die ersten 5,000 Tokens. Dafür gilt über alle erneut angehängten Skills hinweg ein gemeinsames Budget von 25,000 Tokens. Eine Einstiegsdatei, die in 5,000 Tokens passt, bleibt nach der Kompaktierung vollständig erhalten. Eine Einstiegsdatei mit 20,000 Tokens wird nur mit ihrem ersten Viertel erneut eingefügt. Es gibt keinen Hinweis darauf, welche drei Viertel fehlen.
Das ist progressive Offenlegung: ein kleiner Index, dessen Kosten sich immer lohnen, während der umfangreiche Inhalt hinter einer Tür liegt, die der Agent gezielt öffnet. So verwaltet Claude Code sein Kontextfenster behandelt die übrige Berechnung.
Installieren Sie den Konverter auf Ihrem VPS und pinnen Sie ihn auf ein Release
Bei dem Skill handelt es sich um ein Git-Repository. Klonen Sie es in das Skills-Verzeichnis des verwendeten Agenten. Der Verzeichnisname wird zum Slash-Befehl. Der Clone-Pfad ist daher nicht beliebig.
git clone --depth 1 --branch v1.4.0 \
https://github.com/virgiliojr94/book-to-skill.git \
~/.claude/skills/book-to-skill--branch akzeptiert ein Tag. Dadurch wird v1.4.0 ausgecheckt und nichts Späteres. Pinnen Sie den Skill, weil er aus Anweisungen besteht, die Ihr Agent befolgt. Eine ungeprüfte Änderung dieser Anweisungen ändert, was auf Ihrem Server ausgeführt wird. GitHub Copilot CLI liest stattdessen ~/.copilot/skills/, und Amp liest ~/.agents/skills/.
Es gibt außerdem eine einzeilige Installation, npx skills add virgiliojr94/book-to-skill. Sie ruft jeweils den aktuellen Stand ab. Verwenden Sie sie, um das Tool auszuprobieren. Für jede erneute Ausführung verwenden Sie den gepinnten Clone.
Prüfen Sie jetzt, welche Extractors auf dem System vorhanden sind:
cd ~/.claude/skills/book-to-skill
python3 scripts/extract.py --check--check meldet, welche Extractors installiert sind, und gibt für fehlende Extractors an, was installiert werden muss: einen gemeinsamen pip-Befehl für die fehlenden Python-Pakete sowie einen Hinweis für jedes fehlende Systemtool. Das Paket benötigt Python 3.9 oder neuer.
Wenn /book-to-skill nach dem Klonen nicht in der Autovervollständigung erscheint, führen Sie /reload-skills aus oder starten Sie Ihren Agenten neu. Claude Code überwacht die Skill-Verzeichnisse, die beim Start der Sitzung bereits vorhanden waren. Ein ~/.claude/skills/, das Sie vor zwei Minuten erstellt haben, wird daher noch nicht überwacht.
Welche Extractors benötigen Sie tatsächlich?
Außer Python ist nichts erforderlich, weil jedes Format auf einen Fallback aus der Standardbibliothek zurückgreifen kann. Diese Fallbacks sind schlechter. Auf einem kleinen Server kostet es daher unnötig Zeit, Extractors zu installieren, die Sie nicht benötigen.
pdftotextaus dem Paketpoppler-utilsverarbeitet textlastige PDFs und ist nahezu sofort einsatzbereit. Installieren Sie es mitsudo apt install poppler-utils.pypdfundpdfminer.sixsind die Python-Fallbacks für PDF.doclingist für technische PDFs vorgesehen, deren Inhalt vor allem in Tabellen und Quelltext-Listings steckt. Das Projekt gibt die Verarbeitungszeit mit ungefähr 1.5 Sekunden pro Seite an.ebooklibmitbeautifulsoup4liest EPUB korrekt ein. Ohne diese Pakete verwendet das Tool denzipfile-Reader der Standardbibliothek.python-docxliest DOCX, undstriprtfliest RTF.- Calibres
ebook-convertwird für MOBI- und AZW-Dateien benötigt. ocrmypdfführt OCR (optische Zeichenerkennung) für ein gescanntes Buch ohne Textebene aus.
Unter Ubuntu 24.04 wird ein einfaches pip3 install pypdf mit folgender Meldung beendet:
error: externally-managed-environmentDas bedeutet nicht, dass pip beschädigt ist. Ubuntu und Debian kennzeichnen die System-Python-Installation als von apt verwaltet. Deshalb verweigert pip das Schreiben in diese Installation. Dafür gibt es zwei funktionierende Lösungen. sudo apt install poppler-utils installiert eine Binärdatei und benötigt überhaupt kein pip. pdftotext deckt die meisten Prosa-PDFs eigenständig ab. Für die Python-Extractor erstellen Sie eine virtuelle Umgebung und starten Ihren Agenten innerhalb dieser Umgebung. Dadurch ist der python3-Aufruf des Skills der Interpreter, in dem die Pakete installiert sind.
python3 -m venv ~/.venvs/book-to-skill
source ~/.venvs/book-to-skill/bin/activate
pip install "$HOME/.claude/skills/book-to-skill[pdf,epub,docx]"
claudeDer fixierte v1.4.0-Checkout deklariert die Extras pdf, epub, docx, rtf, technical und all. Dabei ist technical gleich docling. Auf der Installationsseite des Projekts ist außerdem eine eigenständige Installation über die Kommandozeile direkt von GitHub dokumentiert: pip install "book-to-skill[pdf,epub,docx] @ git+https://github.com/virgiliojr94/book-to-skill.git", gefolgt von book-to-skill --check, um die installierten Extractors aufzulisten. Dafür ist kein PyPI-Release erforderlich. Allerdings wird damit der Standard-Branch des Projekts statt v1.4.0 installiert. Außerdem erhalten Sie nur den Extractor-Befehl, nicht den /book-to-skill-Skill. Für eine fixierte Installation verwenden Sie wie oben beschrieben Ihren eigenen Checkout. Ein einfaches pip install book-to-skill funktioniert nicht, weil dieser Name im Oktober 2026 nicht auf PyPI veröffentlicht ist.
Lassen Sie docling zunächst weg, bis ein Buch es benötigt. Das Paket zieht einen Machine-Learning-Stack nach sich. Prüfen Sie daher auf einem kleinen Tarif vor der Installation den freien Speicherplatz.
Führen Sie den Befehl für einen Dokumentenordner aus, auch ohne Interaktion
Der Befehl akzeptiert eine Datei, einen Ordner, ein in Anführungszeichen gesetztes Glob-Muster oder mehrere Pfade gleichzeitig, gefolgt von einem optionalen Skill-Namen. Sie können alles verwenden, was Sie in einem Verzeichnis ablegen können, einschließlich eines RFC-Satzes (Request for Comments, der Dokumente zur Definition von Internetprotokollen).
/book-to-skill ~/library/platform-docs/ platform-handbook
/book-to-skill "~/books/*.epub" my-library
/book-to-skill ~/papers/paper1.pdf ~/notes/export.txt unified-researchSetzen Sie das Glob-Muster in Anführungszeichen, damit Ihre Shell es nicht erweitert, bevor der Skill es erhält. Wenn Sie den Befehl auf ein vorhandenes Skill-Verzeichnis anwenden, werden die neuen Quellen in diesen Skill integriert, anstatt einen zweiten Skill zu erstellen.
Bei einer interaktiven Ausführung werden Ihnen Fragen gestellt. Handelt es sich um technisches oder textlastiges Material? Davon hängt der Extractor ab. Wobei soll der Skill Sie unterstützen? Davon werden die Referenz- oder Lerntiefe und damit das Budget pro Kapitel festgelegt. Wie soll der Skill heißen? Wenn noch kein Skills-Root vorhanden ist oder mehrere Roots existieren, werden Sie außerdem gefragt, in welchem Root der Skill abgelegt werden soll. Vor der Generierung zeigt der Befehl außerdem eine Schätzung des Token-Verbrauchs und der Dauer an und wartet auf Ihre Bestätigung.
Bei einer Headless-Ausführung kann niemand diese Fragen beantworten. Benutzeraufrufbare Skills funktionieren in claude -p: Fügen Sie den Slash-Befehl in die Prompt-Zeichenfolge ein, und Claude Code erweitert ihn vor Beginn der Ausführung. Beantworten Sie die Fragen daher im selben Prompt.
claude -p "/book-to-skill ~/library/platform-docs/ platform-handbook
The sources are technical. Use reference depth. Write the skill to
~/.claude/skills/. Do not publish it to GitHub. Proceed without asking me." \
--allowedTools "Bash,Read,Write,Edit"--allowedTools genehmigt die für die Ausführung benötigten Tools vorab. Ohne diese Option führt eine Berechtigungsabfrage ohne angeschlossenes Terminal dazu, dass die Ausführung nicht beendet wird. Mit --output-format json wird total_cost_usd in das Ergebnis aufgenommen. Dabei handelt es sich um eine clientseitige Schätzung und nicht um Ihre Abrechnung.
Die Extraktion führt alle Quellen in einem temporären Arbeitsverzeichnis unter /tmp zusammen, bevor ein Modell sie liest. Im letzten Schritt der Ausführung wird dieses Verzeichnis gelöscht. Eine Quelle, deren Extraktion fehlschlägt, wird übersprungen, damit die Stapelverarbeitung fortgesetzt werden kann. Daher kann eine Ausführung erfolgreich sein, obwohl weniger Dateien gelesen wurden als bereitgestellt. Vergleichen Sie das Dateiinventar im Abschlussbericht mit dem Inhalt des Ordners. Ein fehlendes Kapitel weist meist auf eine fehlende Quelle hin.
Verwenden Sie für die Ausführung einen Server, den Sie einem Agenten anvertrauen können. Claude Code sicher auf einem VPS ausführen behandelt die Berechtigungsseite dieses Themas.
Wohin die Ausgabe geschrieben wird, damit Ihr Coding-Agent sie findet
Das generierte Skill wird in einem Skill-Stammverzeichnis abgelegt. Zwei davon sind relevant.
~/.claude/skills/<skill-name>/ist persönlich und in jedem Projekt auf diesem Rechner verfügbar..claude/skills/<skill-name>/liegt innerhalb eines Repositorys und wird mit diesem versioniert.
In beiden Verzeichnissen finden Sie SKILL.md, ein chapters/-Verzeichnis mit einer Datei pro Kapitel, sowie die unterstützenden Dateien. Der Verzeichnisname ist der Befehl. ~/.claude/skills/platform-handbook/ liefert daher /platform-handbook. Anschließend können Sie ein Thema oder eine einfache Frage angeben.
Wählen Sie das Stammverzeichnis nach den Lizenzbedingungen und nicht nach der Bequemlichkeit. Ein Skill, der aus einem von Ihnen gekauften Buch erstellt wurde, gehört in Ihr persönliches Verzeichnis. Ein Skill, der aus Dokumentation erstellt wurde, die Ihr eigenes Team verfasst hat, gehört in das Repository. Dadurch wird ein Skill über mehrere Repositorys hinweg gemeinsam zu nutzen zum nächsten zu lösenden Problem.
Mit jedem zusätzlichen Skill steigt ein Kostenfaktor. Die Beschreibung jedes Skills bleibt in der Skill-Liste, damit das Modell seine Verwendung entscheiden kann. Der zusammengefasste Beschreibungstext wird pro Eintrag auf 1,536 Zeichen gekürzt, und für die gesamte Liste gilt ein Budget. Zehn Buch-Skills bedeuten, dass zehn Beschreibungen um dieses Budget konkurrieren. Für Skills, die Sie immer per Namen aufrufen, fügen Sie dem generierten Frontmatter eine Zeile hinzu:
---
name: platform-handbook
description: Frameworks and chapter index from the internal platform handbook.
disable-model-invocation: true
---Mit disable-model-invocation: true bleibt die Beschreibung vollständig aus dem Kontext entfernt. Der Skill wird trotzdem vollständig geladen, wenn Sie /platform-handbook eingeben. Sie verzichten auf die automatische Erkennung und erhalten dafür ein ruhigeres Kontextfenster.
Lizenzierung: MIT gilt für den Konverter, nicht für das Buch
Seien Sie hier genau, denn der Fehler ist kein technischer.
- Die MIT-Lizenz gilt für den Code des Konverters und seine Skill-Definition. Über das Dokument, das Sie ihm übergeben, sagt sie nichts aus.
- Wenn Sie ein gekauftes Buch auf Hardware konvertieren, die Sie kontrollieren, erstellen Sie Notizen aus Ihrer eigenen Kopie.
- Das Veröffentlichen des Ergebnisses ist eine Verbreitung. Die MIT-Lizenz des Tools gewährt Ihnen kein Recht, abgeleitete Inhalte aus dem Buch einer anderen Person zu verbreiten.
- Die Ausgabe ist ein abgeleitetes Werk. Strukturen und Zusammenfassungen der Kapitel sind weiterhin von der Quelle geprägt, und ein abgeleitetes Werk unterliegt weiterhin dem Urheberrecht der Quelle.
- Ein aus Material erstellter Skill, das Sie nicht weiterverbreiten dürfen, bleibt auf dem Rechner, auf dem er erstellt wurde. Er gehört nicht in ein öffentliches Repository und nicht in einen gemeinsam genutzten Team-Marktplatz.
- Veröffentlichen Sie Inhalte nur, wenn die Quelle Ihnen gehört oder unter einer offenen Lizenz steht: etwa von Ihrem Team verfasste Dokumentation oder ein Standard, dessen Bedingungen die Weiterverbreitung erlauben.
Das Tool ist darauf ausgelegt. Es enthält keine Buchinhalte, und die Extraktion läuft lokal. Der angeheftete v1.4.0 gibt lediglich eine optionale Zeile mit gh skill publish aus und fragt nie nach der Sichtbarkeit. Die Entscheidung liegt dort vollständig bei Ihnen. Der Standard-Branch des Projekts enthält inzwischen einen Veröffentlichungsschritt, der in einer separaten Frage aus einem Wort nach der Sichtbarkeit des Repositorys fragt. Ein öffentliches Repository wird nur erstellt, wenn die Antwort genau aus dem einzelnen Wort public besteht. Jede andere Antwort führt zu einem privaten Repository. Behandeln Sie diesen Schritt als die Lizenzentscheidung, denn genau das ist er.
Interne Handbücher bringen ein zweites Problem mit sich. Sie enthalten häufiger Zugangsdaten, als irgendjemand zugibt, und ein Konverter macht aus einer PDF-Datei, die niemand öffnet, eine Datei, die Ihr Agent bei Bedarf liest. Lesen Sie die erzeugten Dateien einmal, bevor Sie sie committen, und lesen Sie wie Sie Geheimnisse aus Ihren KI-Agenten heraushalten.
Was kostet eine Konvertierung?
Die folgenden Zahlen stammen aus den veröffentlichten Messungen des Projekts und nicht aus unseren eigenen Messungen.
Die Daten hinter diesem Diagramm
[
{
"label": "Think Python 2",
"cost_usd": 0.88
},
{
"label": "Working Backwards",
"cost_usd": 0.96
},
{
"label": "Pro Git",
"cost_usd": 1.23
},
{
"label": "Moby-Dick",
"cost_usd": 1.42
}
]Bei den 4 Büchern, die das Projekt gemessen hat, kostete eine Konvertierung zwischen 0.88 und 1.42 US-Dollar. Für Pro Git waren es 1.23. Die Werte wurden mit Claude Sonnet 4.5 gemessen. Die Token-Anzahlen stammen aus tiktoken und wurden mit cl100k_base ermittelt. Sie sind im docs/performance.md des Projekts mit Stand Oktober 2026 veröffentlicht. Ihr eigener Wert hängt vom verwendeten Modell und dessen Preisen ab.
Das Projekt dokumentiert außerdem 24- bis 51-mal weniger Tokens, wenn eine einzelne Frage aus dem Skill beantwortet wird, als wenn das gesamte Buch in den Kontext eingefügt wird. Betrachten Sie dies als Größenordnung der Einsparung und nicht als Zusage. Der genaue Wert hängt vom Buch und von der Frage ab. Der strukturelle Punkt bleibt jedoch bestehen: Die Konvertierung wird einmal bezahlt. Ein vollständiger Kontext wird dagegen bei jeder Unterhaltung erneut bezahlt, in der das Buch benötigt wird.
Warum nicht die PDF einfügen oder einen RAG-Index erstellen?
Das Einfügen funktioniert und ist die richtige Lösung für eine Frage zu einem Dokument. Es ist nicht mehr die richtige Lösung, wenn dasselbe Buch am Dienstag und erneut am Freitag benötigt wird, weil Sie jedes Mal die vollständige Größe bezahlen.
Retrieval oder RAG (Retrieval-Augmented Generation) durchsucht den Inhalt zum Abfragezeitpunkt und liefert die Passagen zurück, die zu Ihren Wörtern passen. Das ist hilfreich, wenn Sie den genauen Satz benötigen. Es ist weniger geeignet, wenn die relevante Information ein über ein Kapitel verteiltes Konzept ist, weil keine einzelne Passage dieses Konzept vollständig enthält. Ein Skill führt diese Extraktion einmalig bei der Konvertierung durch und speichert die Struktur statt der Passagen.
Die ehrliche Einschränkung: Ein generierter Skill ist eine verlustbehaftete, von einem Modell erstellte Zusammenfassung. Er dient als Lernhilfe. Die Quelle bleibt maßgeblich. Wenn der genaue Wortlaut rechtlich oder protokolltechnisch relevant ist, bewahren Sie die PDF auf und zitieren Sie daraus. Skills im Vergleich zu MCP-Servern und Rules-Dateien erläutert, wo welcher Ansatz geeignet ist.
Fehlerfälle und die angezeigten Zeichenfolgen
Eine gescannte PDF-Datei erzeugt keine Ausgabe. Der Extraktor prüft die ersten Seiten auf eine Textebene und beendet sich mit einer Erklärung, statt 400 Seiten mit Bildern zu verarbeiten. Führen Sie zuerst ocrmypdf input.pdf output.pdf aus und übergeben Sie anschließend die Ausgabedatei.
pip verweigert die Installation. error: externally-managed-environment unter Ubuntu 24.04 schützt die System-Python-Installation über apt. Verwenden Sie die oben beschriebene virtuelle Umgebung oder installieren Sie poppler-utils und verzichten Sie vollständig auf pip.
Die Kapitel werden falsch erkannt. Die Kapitelerkennung sucht nach expliziten Überschriften wie Chapter 7 und deren Sprachvarianten. Außerdem erkennt sie römische Zahlen wie Chapter IV oder IV. Title. Ein Buch mit reinen, nicht nummerierten Abschnittstiteln wird falsch aufgeteilt. Geben Sie in diesem Fall an, wo die Kapitel beginnen, statt auf eine korrekte automatische Erkennung zu hoffen.
Der Befehl ist nicht vorhanden. Wenn /book-to-skill in der Autovervollständigung fehlt, wurde das Skills-Verzeichnis nach dem Start Ihrer Sitzung erstellt. Führen Sie /reload-skills aus oder starten Sie den Agenten neu.
Docling benötigt sehr viel Zeit. Bei ungefähr 1.5 Sekunden pro Seite benötigt ein langes Buch mehrere Minuten CPU-Zeit. Auf einem gemeinsam genutzten Server konkurriert dieser Prozess außerdem mit allen anderen von Ihnen betriebenen Diensten. Antworten Sie mit "text-heavy", wenn der Prozess nach dem Inhaltstyp fragt, oder übergeben Sie --mode text, wenn Sie scripts/extract.py selbst ausführen. --mode technical ist die Antwort, mit der docling ausgewählt wird.
Eine Quelle verschwindet unbemerkt. Eine nicht lesbare Datei wird übersprungen, damit die Stapelverarbeitung abgeschlossen werden kann. Der Prozess meldet anschließend Erfolg für weniger Quellen, als Sie übergeben haben. Nur das Dateiinventar im Abschlussbericht weist darauf hin. Die Gewohnheit, einen abgeschlossenen Lauf mit den tatsächlich übergebenen Eingaben abzugleichen, ist auch außerhalb dieses Tools nützlich. Die Depth-Tree-Methode des unlazy-Skills ist eine Möglichkeit, einen Agenten zu derselben Prüfung zu verpflichten, statt die Aufgabe vorzeitig als abgeschlossen zu melden.
Muster manuell anwenden
Das Tool dient nur der Vereinfachung. Die Struktur ist der übertragbare Teil. Ein Texteditor kann sie für jedes Referenzmaterial erstellen, über das Sie verfügen.
- Schreiben Sie eine Einstiegsdatei und halten Sie sie nahe an den 4,000 Tokens, auf die der Konverter abzielt. Nehmen Sie die benannten Konzepte mit ihren exakten Formulierungen auf. Fügen Sie außerdem einen Index hinzu, der jede Detaildatei und die darin enthaltenen Themen aufführt.
- Teilen Sie das Material in Dateien mit ungefähr 1,000 Tokens auf. Jede Datei sollte genau ein Thema behandeln. Benennen Sie die Dateien so, dass ihr Inhalt allein anhand des Dateinamens erkennbar ist.
- Beschreiben Sie jede dieser Dateien in der Einstiegsdatei. Verwenden Sie dafür den Satz, der angibt, wann die Datei gelesen werden soll.
Schritt 3 wird häufig übersprungen. Er ist jedoch entscheidend dafür, dass das Muster funktioniert. Der Agent entscheidet anhand des Index, welche Datei geöffnet wird. Eine Datei, die im Index nicht beschrieben ist, wird vom Agenten niemals geöffnet. Der Index ist das eigentliche Produkt. Die Kapiteld ateien dienen als Speicher.
Halten Sie die Einstiegsdatei innerhalb des Komprimierungsbudgets. Dann bleibt die gesamte Struktur auch über eine lange Sitzung hinweg erhalten. Diese Regel gilt unabhängig davon, ob ein Konverter die Dateien erstellt hat oder Sie selbst.
FAQ
Kann ich einen Skill veröffentlichen, der aus einem gekauften Buch erstellt wurde?
Nein, außer die Lizenz dieses Buchs erlaubt die Weiterverbreitung. Die MIT-Lizenz des Konverters gilt für den Code des Konverters, nicht für das Material, das Sie ihm zuführen. Der generierte Skill ist ein abgeleitetes Werk des Buchs. Bewahren Sie ihn in ~/.claude/skills/ auf Ihrem eigenen Rechner auf. Eine Veröffentlichung ist für selbst verfasste Dokumentation oder für Quellen mit einer offenen Lizenz zulässig. Das angeheftete v1.4.0 fragt nie nach der Sichtbarkeit. Der Standard-Branch des Projekts fragt dies inzwischen als eigene Frage ab und veröffentlicht nur bei einem leeren public. In beiden Fällen treffen Sie diese Entscheidung bewusst.
Benötige ich docling, oder reicht pdftotext aus?
pdftotext aus poppler-utils reicht für Fließtext aus und ist nahezu sofort fertig. Installieren Sie docling, wenn der Wert des Buchs in Tabellen und Codeauflistungen liegt. Ein einfacher Textextraktor lässt genau diese Inhalte weg. Der Nachteil ist die Geschwindigkeit: Das Projekt misst für docling ungefähr 1.5 Sekunden pro Seite. Ein Handbuch mit 300 Seiten benötigt auf einem VPS daher mehrere Minuten CPU-Zeit.
Warum schlägt pip auf meinem VPS mit externally-managed-environment fehl?
Ubuntu 24.04 und aktuelle Debian-Versionen markieren das System-Python als von apt verwaltet. Daher verweigert pip die Installation und gibt error: externally-managed-environment aus. Erstellen Sie mit python3 -m venv ~/.venvs/book-to-skill eine virtuelle Umgebung, aktivieren Sie sie und installieren Sie die Extraktoren dort. Starten Sie anschließend Ihren Agenten aus derselben Shell. Der Skill ruft python3 auf. Daher wird der Interpreter verwendet, der sich in Ihrem PATH befindet. Das ist nun der Interpreter aus der virtuellen Umgebung.
Warum wird mein generierter Skill nicht als Slash-Befehl angezeigt?
Es gibt zwei Ursachen. Der Befehlsname stammt vom Verzeichnisnamen. Der Skill muss daher unter ~/.claude/skills/<name>/SKILL.md oder .claude/skills/<name>/SKILL.md liegen, wobei SKILL.md exakt so geschrieben sein muss. Wenn der Pfad korrekt ist, führen Sie /reload-skills aus oder starten Sie den Agenten neu. Claude Code übernimmt Änderungen in Skill-Verzeichnissen, die bereits überwacht werden. Ein nach dem Sitzungsstart erstelltes Skills-Verzeichnis wird dagegen erst überwacht, nachdem Sie dies ausführen.