Jak zamienić plik PDF lub EPUB w umiejętność agenta AI
Konwersja dokumentacji technicznej na indeksowane umiejętności dla agentów kodujących. Instrukcja obsługi narzędzia book-to-skill, zarządzanie tokenami i licencje MIT.
Przekształcenie książki technicznej w umiejętność agenta: co otrzymujesz
Aby przekształcić książkę techniczną w umiejętność agenta, należy wskazać konwerterowi plik PDF, EPUB, eksport DOCX lub folder z posiadanymi dokumentami wewnętrznymi. Narzędzie tworzy katalog umiejętności: jeden plik wejściowy zawierający nazwane frameworki oraz indeks rozdziałów, a także po jednym pliku na każdy rozdział, który agent odczytuje tylko wtedy, gdy wymaga tego zadane pytanie. Książka nigdy nie trafia do okna kontekstowego. Trafia tam jedynie indeks.
Jest to zadanie odwrotne do tworzenia umiejętności agenta od podstaw, gdzie koduje się procedurę, którą już znasz. W tym przypadku wiedza istnieje, ale jest niedostępna: może to być 800-stronicowy plik PDF od dostawcy lub podręcznik, do którego nikt nie zaglądał od czasu odejścia jego autora. Praca polega na kompresji i indeksowaniu. Jeśli pojęcie umiejętności jest dla Ciebie nowe, najpierw przeczytaj czym w rzeczywistości jest umiejętność agenta.
Użyty tutaj konwerter to book-to-skill, umiejętność na licencji MIT, która działa na Twojej własnej maszynie. Aktualny tag na październik 2026 to v1.4.0. Struktura, którą tworzy, jest ważniejsza niż samo narzędzie, a ostatnia sekcja przed FAQ pokazuje, jak zbudować taką samą strukturę ręcznie.
Dlaczego budżet tokenów określa całą architekturę
Wklejenie książki do okna kontekstu kosztuje jej pełny rozmiar w każdej rozmowie, która jej potrzebuje. Umiejętność kosztuje jednorazowo plik wejściowy oraz te rozdziały, których faktycznie dotyczy pytanie. W projekcie określono budżet dla każdego generowanego pliku.
Dane, na których opiera się ten wykres
[
{
"label": "SKILL.md entry file",
"tokens": "4,000"
},
{
"label": "One prose chapter at reference depth",
"tokens": "1,000"
},
{
"label": "glossary.md",
"tokens": "1,500"
},
{
"label": "patterns.md",
"tokens": "2,000"
},
{
"label": "cheatsheet.md",
"tokens": "1,200"
}
]Plik wejściowy, SKILL.md, jest ograniczony do 4,000 tokenów i zawiera nazwane frameworki oraz indeks rozdziałów. Rozdział opisowy na poziomie referencyjnym ma docelowo około 1,000 tokenów i pozostaje na dysku do czasu, aż będzie potrzebny; rozdziały techniczne oraz poziom nauki mają wyższe wartości docelowe, do 3,000 tokenów na rozdział. Pliki pomocnicze mają podobne limity: 1,500 tokenów dla glossary.md, 2,000 dla patterns.md oraz 1,200 dla cheatsheet.md.
Budżety te odpowiadają sposobowi, w jaki Claude Code faktycznie zużywa kontekst. Nazwa umiejętności pozostaje na liście umiejętności, ale jej opis może zostać usunięty po przekroczeniu budżetu listy. Treść jest ładowana po wywołaniu umiejętności i pozostaje w rozmowie podczas kolejnych tur, z uwzględnieniem budżetu kompresji, dlatego każda linia pliku wejściowego generuje powtarzający się koszt. Pliki pomocnicze są ładowane tylko wtedy, gdy agent je odczyta, dzięki czemu pliki poszczególnych rozdziałów pozostają tanie.
Za wartością określającą rozmiar pliku wejściowego kryje się jeszcze bardziej rygorystyczny limit. Gdy automatyczna kompresja podsumowuje długą rozmowę, Claude Code ponownie dołącza najnowsze wywołanie każdej umiejętności po podsumowaniu i zachowuje pierwsze 5,000 tokenów każdej z nich, w ramach łącznego budżetu 25,000 tokenów dla wszystkich ponownie dołączanych umiejętności. Łączny budżet nadaje priorytet umiejętnościom wywołanym najpóźniej, dlatego nawet plik wejściowy krótszy niż 5,000 tokenów może zostać całkowicie pominięty. Plik wejściowy o rozmiarze 20,000 tokenów, który zostanie ponownie dołączony, pojawi się ponownie w postaci pierwszej ćwiartki.
To jest progresywne ujawnianie treści: mały indeks, którego koszt zawsze się opłaca, oraz większość materiału ukryta za drzwiami otwieranymi przez agenta tylko wtedy, gdy jest to potrzebne. W Jak Claude Code zarządza oknem kontekstu opisano pozostałe zasady tego rozliczania.
Instalacja konwertera na VPS z przypięciem do konkretnego wydania
Skill jest repozytorium git. Należy sklonować je do katalogu skills używanego agenta. Nazwa katalogu staje się komendą typu slash, więc ścieżka klonowania nie jest kwestią wyboru.
git clone --depth 1 --branch v1.4.0 \
https://github.com/virgiliojr94/book-to-skill.git \
~/.claude/skills/book-to-skill--branch akceptuje tag, więc polecenie sprawdza v1.4.0 i nic nowszego. Należy przypiąć wersję, ponieważ skill to zestaw instrukcji wykonywanych przez agenta, a niezweryfikowana zmiana w tych instrukcjach zmienia działanie oprogramowania na serwerze. GitHub Copilot CLI odczytuje zamiast tego ~/.copilot/skills/, a Amp odczytuje ~/.agents/skills/.
Dostępna jest również instalacja jednowierszowa, npx skills add virgiliojr94/book-to-skill, która pobiera aktualną wersję. Należy jej używać do testowania narzędzia. Do zadań uruchamianych wielokrotnie należy używać przypiętego klona.
Teraz należy potwierdzić, jakie ekstraktory posiada serwer:
cd ~/.claude/skills/book-to-skill
python3 scripts/extract.py --check--check raportuje zainstalowane ekstraktory i wyświetla instrukcje instalacji dla brakujących elementów: jedno zbiorcze polecenie pip dla brakujących pakietów Python oraz wskazówkę dla każdego brakującego narzędzia systemowego. Pakiet wymaga środowiska Python 3.9 lub nowszego.
Jeśli /book-to-skill nie pojawia się w autouzupełnianiu po sklonowaniu, należy uruchomić /reload-skills lub zrestartować agenta. Claude Code monitoruje katalogi skills, które istniały w momencie rozpoczęcia sesji, więc ~/.claude/skills/ utworzony dwie minuty temu nie jest jeszcze monitorowany.
Jakich ekstraktorów rzeczywiście potrzebujesz?
Zwykły tekst i kilka innych formatów wymagają tylko Pythona, ale pliki PDF wymagają ekstraktora, a pliki MOBI/AZW wymagają Calibre. Mechanizmy awaryjne działają gorzej, a na małym serwerze czas jest tracony na instalowanie ekstraktorów, które nie będą potrzebne.
pdftotextz pakietupoppler-utilsobsługuje pliki PDF zawierające głównie tekst i działa niemal natychmiast. Zainstaluj go za pomocąsudo apt install poppler-utils.pypdfipdfminer.sixto awaryjne ekstraktory PDF w Pythonie.doclingsłuży do technicznych plików PDF, w których najważniejsze są tabele i fragmenty kodu. Projekt podaje wydajność na poziomie około 1.5 sekundy na stronę.ebooklibwraz zbeautifulsoup4poprawnie odczytuje EPUB. Bez nich narzędzie korzysta awaryjnie ze standardowego czytnikazipfile.python-docxodczytuje DOCX, astriprtfodczytuje RTF.ebook-convertz pakietu Calibre jest wymagany dla plików MOBI i AZW.ocrmypdfwykonuje OCR (optyczne rozpoznawanie znaków) na zeskanowanej książce, która w ogóle nie zawiera warstwy tekstowej.
W Ubuntu 24.04 zwykłe pip3 install pypdf kończy działanie takim komunikatem:
error: externally-managed-environmentNie oznacza to, że pip jest uszkodzony. Ubuntu i Debian oznaczają systemowego Pythona jako zarządzanego przez apt, dlatego pip odmawia zapisu w tym środowisku. Dostępne są dwa rozwiązania. sudo apt install poppler-utils instaluje plik binarny i w ogóle nie wymaga pip, a pdftotext samodzielnie obsługuje większość dokumentów PDF zawierających tekst. W przypadku ekstraktorów Pythona utwórz środowisko wirtualne i uruchamiaj agenta z jego wnętrza. Dzięki temu python3 wywoływane przez skill będzie interpreterem zawierającym wymagane pakiety.
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]"
claudePrzypięta wersja v1.4.0 deklaruje dodatki pdf, epub, docx, rtf, technical i all, przy czym technical to docling. Strona instalacyjna projektu opisuje również samodzielną instalację wiersza poleceń bezpośrednio z GitHub, czyli pip install "book-to-skill[pdf,epub,docx] @ git+https://github.com/virgiliojr94/book-to-skill.git", a następnie book-to-skill --check w celu wyświetlenia zainstalowanych ekstraktorów. Nie wymaga to wydania z PyPI, ale instaluje domyślną gałąź projektu zamiast v1.4.0 i udostępnia tylko polecenie ekstraktora, bez skilla /book-to-skill. W przypadku przypiętej konfiguracji zainstaluj projekt z własnej kopii roboczej, jak opisano wyżej. Samo pip install book-to-skill nie działa, ponieważ według stanu na październik 2026 ta nazwa nie jest opublikowana w PyPI.
Pozostaw docling niezainstalowany do czasu, aż będzie potrzebny dla konkretnej książki. Instaluje on stos uczenia maszynowego, dlatego przed instalacją sprawdź ilość wolnego miejsca na dysku w przypadku małego planu.
Uruchamianie dla folderu dokumentów, także bez interakcji
Polecenie przyjmuje plik, folder, glob ujęty w cudzysłowy albo kilka ścieżek naraz, a następnie opcjonalną nazwę skill. Można wskazać dowolne źródła umieszczone w jednym katalogu, w tym zestaw RFC (request for comments, dokumentów definiujących protokoły internetowe).
/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-researchGlob należy ująć w cudzysłowy, aby powłoka nie rozwinęła go przed przekazaniem do skill. Wskazanie istniejącego katalogu skill powoduje dodanie nowych źródeł do tego skill zamiast utworzenia drugiego.
Uruchomienie interaktywne zadaje pytania. Należy określić, czy materiał ma charakter techniczny, czy jest przede wszystkim tekstowy, ponieważ od tego zależy extractor. Należy też określić, w czym skill ma pomagać, co ustala poziom reference lub study, a wraz z nim limit dla poszczególnych rozdziałów. Następnie należy podać nazwę skill oraz, gdy nie istnieje jeszcze skills root albo istnieje ich więcej niż jeden, wskazać root, w którym ma zostać utworzony. Przed generowaniem wyświetlane jest również oszacowanie liczby tokenów i czasu, po czym wymagane jest potwierdzenie.
Uruchomienie bez interakcji nie ma użytkownika, który mógłby odpowiedzieć na te pytania. Skille wywoływane przez użytkownika działają w claude -p: należy umieścić polecenie slash w ciągu promptu, a Claude Code rozwinie je przed rozpoczęciem uruchomienia. Odpowiedzi na pytania należy więc zawrzeć w tym samym prompcie.
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 wstępnie zatwierdza narzędzia wymagane przez uruchomienie; w zwykłym uruchomieniu claude -p bez permission host wywołania, które nadal wymagają zatwierdzenia, zostaną odrzucone. Dodanie --output-format json powoduje umieszczenie total_cost_usd w wyniku. Jest to oszacowanie po stronie klienta, a nie pozycja na rachunku.
Przed odczytaniem źródeł przez model extractor konsoliduje każde z nich w tymczasowym katalogu roboczym pod /tmp. Ostatni etap uruchomienia usuwa ten katalog. Źródło, którego nie uda się wyodrębnić, jest pomijane, dzięki czemu przetwarzanie wsadowe może być kontynuowane. Oznacza to, że uruchomienie może zgłosić powodzenie, mimo że odczytano mniej plików, niż podano. Należy porównać wykaz plików w raporcie końcowym z zawartością folderu. Brakujący rozdział zwykle oznacza brakujące źródło.
Uruchomienie należy wykonać na serwerze, którego przekazanie agentowi jest akceptowalne. Bezpieczne uruchamianie Claude Code na VPS opisuje kwestie uprawnień.
Dokąd trafia wynik, aby agent programistyczny mógł go znaleźć
Wygenerowana umiejętność trafia do katalogu głównego umiejętności. Znaczenie mają dwa takie katalogi.
~/.claude/skills/<skill-name>/jest katalogiem osobistym i jest dostępny w każdym projekcie na danym komputerze..claude/skills/<skill-name>/znajduje się wewnątrz repozytorium i jest przechowywany razem z nim.
W każdym z nich znajduje się SKILL.md, katalog chapters/ z jednym plikiem na każdy rozdział oraz pliki pomocnicze. Nazwa katalogu jest poleceniem, więc ~/.claude/skills/platform-handbook/ udostępnia /platform-handbook. Po nazwie można podać temat albo zwykłe pytanie.
Katalog główny należy wybierać na podstawie licencji, a nie wygody. Umiejętność utworzona na podstawie zakupionej książki należy do katalogu osobistego. Umiejętność utworzona na podstawie dokumentacji napisanej przez własny zespół należy do repozytorium. W takiej sytuacji udostępnianie jednej umiejętności w kilku repozytoriach staje się kolejnym problemem do rozwiązania.
Jeden z kosztów rośnie wraz z każdą dodaną umiejętnością. Każda nazwa umiejętności pozostaje na liście, ale opisy są pomijane po przekroczeniu budżetu listy. Domyślnie łączny tekst description i when_to_use każdego wpisu jest ograniczony do 1,536 znaków. Dziesięć umiejętności dotyczących książek oznacza dziesięć opisów konkurujących o ten limit. W przypadku umiejętności, które są zawsze wywoływane po nazwie, należy dodać jeden wiersz do wygenerowanego frontmatter:
---
name: platform-handbook
description: Frameworks and chapter index from the internal platform handbook.
disable-model-invocation: true
---Dzięki disable-model-invocation: true opis pozostaje całkowicie poza kontekstem, a umiejętność nadal ładuje się w całości po wpisaniu /platform-handbook. Automatyczne wykrywanie nie będzie dostępne, ale okno kontekstu będzie mniej obciążone.
Licencja MIT obejmuje konwerter, nie książkę
Należy to rozróżnić, ponieważ problem nie jest techniczny.
- Licencja MIT obejmuje kod konwertera i jego definicję umiejętności. Nie odnosi się do dokumentu przekazywanego do konwertera.
- Uruchomienie konwertera na kupionej książce, na sprzęcie pozostającym pod własną kontrolą, oznacza sporządzanie notatek z własnego egzemplarza.
- Publikacja wyniku jest rozpowszechnianiem, a licencja MIT narzędzia nie daje prawa do rozpowszechniania materiałów pochodnych od cudzej książki.
- Wynik jest utworem zależnym. Struktura i wnioski z rozdziałów nadal wynikają ze źródła, a utwór zależny nadal podlega prawom autorskim dotyczącym źródła.
- Umiejętność utworzona na podstawie materiałów, których nie wolno rozpowszechniać, pozostaje na maszynie, na której ją utworzono. Nie należy umieszczać jej w publicznym repozytorium ani we współdzielonym marketplace zespołu.
- Publikację należy przeprowadzać wtedy, gdy źródło jest własne lub udostępnione na otwartej licencji, na przykład w przypadku dokumentacji utworzonej przez zespół albo standardu, którego warunki zezwalają na rozpowszechnianie.
Narzędzie zostało zaprojektowane z uwzględnieniem tej zasady. Nie zawiera treści żadnej książki, a ekstrakcja odbywa się lokalnie. Przypięty v1.4.0 wyświetla tylko opcjonalny wiersz gh skill publish i nie pyta o widoczność, dlatego decyzja w tym miejscu należy w całości do użytkownika. W domyślnej gałęzi projektu dodano później etap publikacji, który pyta o widoczność repozytorium jako osobne pytanie wymagające jednego słowa i tworzy publiczne repozytorium tylko wtedy, gdy odpowiedź jest dokładnie słowem public; każda inna odpowiedź skutkuje utworzeniem repozytorium prywatnego. Przed utworzeniem repozytorium sprawdzane są również prawa do rozpowszechniania, a umiejętności pochodzące z chronionych prawem autorskim książek innych podmiotów pozostają prywatne. Ten etap należy traktować jako decyzję licencyjną, ponieważ właśnie nią jest.
Wewnętrzne podręczniki wiążą się z drugim problemem. Zawierają dane uwierzytelniające częściej, niż ktokolwiek przyznaje, a konwerter zmienia plik PDF, którego nikt nie otwiera, w plik odczytywany przez agenta na żądanie. Przed zatwierdzeniem zmian należy raz przeczytać wygenerowane pliki i zapoznać się z sekcją nieumieszczanie poufnych danych w agentach AI.
Jaki jest koszt jednej konwersji?
Poniższe dane są opublikowanymi przez projekt własnymi szacunkami, obliczonymi na podstawie zmierzonej liczby tokenów, a nie naszymi wyliczeniami.
Dane, na których opiera się ten wykres
[
{
"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
}
]W przypadku 4 książek zmierzonych przez projekt szacowany koszt konwersji wynosił od 0.88 do 1.42 dolarów amerykańskich, przy czym dla Pro Git wynosił 1.23. Wartości obliczono na podstawie zmierzonej liczby tokenów z użyciem cennika Claude Sonnet 4.5. Liczbę tokenów uzyskano z tiktoken przy użyciu cl100k_base. Dane opublikowano w docs/performance.md projektu w październiku 2026. Własna wartość zależy od używanego modelu i jego cen.
Projekt podaje również, że udzielenie odpowiedzi na jedno pytanie dotyczące umiejętności wymaga od 24 do 51 razy mniej tokenów niż wklejenie całej książki do kontekstu. Należy traktować to jako skalę oszczędności, a nie gwarantowany wynik, ponieważ zależy on od książki i pytania. Wniosek strukturalny pozostaje jednak taki sam: za konwersję płaci się raz, natomiast za przekazanie całej treści do kontekstu płaci się ponownie przy każdej rozmowie, w której książka jest potrzebna.
Dlaczego nie wkleić pliku PDF lub nie zbudować indeksu RAG?
Wklejanie treści działa i jest właściwym rozwiązaniem w przypadku pojedynczego pytania dotyczącego jednego dokumentu. Przestaje być nim, gdy ta sama książka jest potrzebna we wtorek i ponownie w piątek, ponieważ za każdym razem płaci się za przetworzenie jej pełnej objętości.
Wyszukiwanie, czyli RAG (retrieval augmented generation), przeszukuje dane w momencie zapytania i zwraca fragmenty pasujące do użytych słów. Jest to skuteczne, gdy potrzebne jest dokładne zdanie. Metoda ta zawodzi, gdy przydatna informacja stanowi szerszy schemat rozproszony w całym rozdziale, ponieważ żaden pojedynczy fragment go nie zawiera. Skill wykonuje taką ekstrakcję raz, w momencie konwersji, i przechowuje strukturę zamiast surowych fragmentów tekstu.
Uczciwe ograniczenie: wygenerowany skill to stratne podsumowanie napisane przez model. Jest to pomoc naukowa, a źródło pozostaje źródłem. Gdy dokładne brzmienie ma znaczenie prawne lub protokolarne, należy zachować plik PDF i cytować bezpośrednio z niego. Porównanie skilli z serwerami MCP i plikami reguł omawia zastosowanie poszczególnych podejść.
Tryby awarii i komunikaty wyświetlane przez narzędzie
Skanowany plik PDF nie generuje żadnego wyniku. Po zainstalowaniu pdftotext ekstraktor sprawdza pierwsze pięć stron pod kątem warstwy tekstowej i kończy działanie z wyjaśnieniem, jeśli nie znajdzie na nich tekstu. Bez tego komponentu uruchamiany jest standardowy łańcuch awaryjny, który może przetworzyć cały plik PDF, zanim zakończy się niepowodzeniem. Najpierw uruchom ocrmypdf input.pdf output.pdf, a następnie przekaż mu plik wyjściowy.
pip odmawia instalacji. error: externally-managed-environment w Ubuntu 24.04 oznacza, że apt chroni systemowego Pythona. Użyj opisanego wcześniej środowiska wirtualnego albo zainstaluj poppler-utils i całkowicie pomiń pip.
Rozdziały są wykrywane nieprawidłowo. Mechanizm wykrywania rozdziałów wyszukuje jawne nagłówki, takie jak Chapter 7, oraz ich warianty językowe. Rozpoznaje też liczby rzymskie, takie jak Chapter IV lub IV. Title. Książka z nieponumerowanymi tytułami sekcji bez dodatkowych oznaczeń zostanie nieprawidłowo podzielona. Należy wtedy wskazać narzędziu, gdzie zaczynają się rozdziały, zamiast oczekiwać poprawnego odgadnięcia.
Polecenie nie istnieje. Brak /book-to-skill w autouzupełnianiu może oznaczać, że katalog skills został utworzony po rozpoczęciu bieżącej sesji. Uruchom /reload-skills albo uruchom agenta ponownie.
Docling działa bardzo długo. Przy czasie około 1.5 sekundy na stronę długa książka wymaga wielu minut pracy procesora. Na współdzielonym serwerze takie zadanie konkuruje o zasoby z pozostałymi hostowanymi usługami. Gdy narzędzie zapyta o typ treści, odpowiedz "text-heavy" albo przekaż --mode text, jeśli samodzielnie wywołujesz scripts/extract.py. --mode technical to odpowiedź wybierająca docling.
Źródło znika bez wyraźnego komunikatu. Plik, którego nie można odczytać, jest pomijany, aby przetwarzanie wsadowe mogło się zakończyć. Ekstraktor wyświetla komunikat WARNING: Skipping, ale zadanie może mimo to zgłosić powodzenie dla mniejszej liczby źródeł niż liczba przekazanych plików. Dlatego należy porównać ukończony wynik z plikami źródłowymi. Sprawdzanie ukończonego zadania względem rzeczywiście przekazanych danych jest dobrą praktyką także poza tym narzędziem. Metoda Depth Tree ze skilla unlazy pomaga wymusić na agencie ten sam standard, zamiast pozwolić mu przedwcześnie uznać zadanie za zakończone.
Zastosuj ten sam schemat ręcznie
Narzędzie zapewnia wygodę. Przenośnym elementem jest struktura, którą edytor tekstu może utworzyć dla dowolnych posiadanych materiałów referencyjnych.
- Utwórz jeden plik wejściowy i utrzymuj go w pobliżu wartości 4,000 tokenów, do której dąży konwerter. Umieść w nim nazwane pojęcia wraz z ich dokładnymi sformułowaniami oraz indeks zawierający każdy plik szczegółowy i opis tematów, które ten plik obejmuje.
- Podziel materiał na pliki zawierające około 1,000 tokenów. Każdy plik powinien dotyczyć jednego tematu, a jego nazwa powinna jednoznacznie wskazywać zawartość.
- Opisz każdy z tych plików w pliku wejściowym, w zdaniu określającym, kiedy należy go odczytać.
Krok 3 jest często pomijany, a to on decyduje o działaniu tego schematu. Agent wybiera plik do otwarcia na podstawie indeksu, dlatego plik, którego indeks nie opisuje, nigdy nie zostanie otwarty przez agenta. Indeks jest produktem, a pliki rozdziałów pełnią funkcję magazynu.
Utrzymuj plik wejściowy poniżej 5,000 tokenów, aby uniknąć jego obcięcia podczas ponownego dołączania po kompaktowaniu. Jeśli łączny budżet spowoduje jego usunięcie, ponownie wywołaj skill. Ta zasada obowiązuje niezależnie od tego, czy pliki utworzył konwerter, czy Ty.
FAQ
Czy można opublikować skill utworzony na podstawie kupionej książki?
Nie, chyba że licencja tej książki zezwala na redystrybucję. Licencja MIT konwertera obejmuje kod konwertera, ale nie materiały przekazywane do konwertera, a wygenerowany skill jest utworem zależnym od książki. Należy przechowywać go w ~/.claude/skills/ na własnym komputerze. Publikacja jest dozwolona w przypadku dokumentacji napisanej samodzielnie lub źródeł udostępnionych na otwartej licencji. Przypięty v1.4.0 nigdy nie pyta o widoczność, natomiast domyślna gałąź projektu zadaje obecnie to pytanie osobno i ustawia publiczną widoczność wyłącznie po wpisaniu samego public, dlatego w obu przypadkach jest to decyzja podejmowana świadomie.
Czy potrzebny jest docling, czy wystarczy pdftotext?
pdftotext z poppler-utils wystarcza w przypadku tekstu ciągłego i działa niemal natychmiast. docling należy zainstalować, gdy najważniejsze informacje w książce znajdują się w tabelach i wykazach kodu, ponieważ prosty ekstraktor tekstu spłaszcza ich strukturę. Kompromisem jest szybkość: projekt mierzy działanie docling na poziomie około 1.5 sekundy na stronę, więc przetworzenie podręcznika o objętości 300 stron zajmuje na VPS kilka minut czasu CPU.
Dlaczego pip kończy działanie błędem externally-managed-environment na VPS?
Ubuntu 24.04 i aktualne wydania Debian oznaczają systemowy Python jako zarządzany przez apt, dlatego pip odmawia instalacji w tym środowisku i wyświetla error: externally-managed-environment. Należy utworzyć środowisko wirtualne za pomocą python3 -m venv ~/.venvs/book-to-skill, aktywować je, zainstalować w nim ekstraktory, a następnie uruchomić agenta z tej samej powłoki. Skill wywołuje python3, dlatego używa interpretera dostępnego w PATH, którym jest teraz interpreter środowiska wirtualnego.
Dlaczego wygenerowany skill nie pojawia się jako polecenie slash?
Istnieją dwie przyczyny. Nazwa katalogu wywołuje skill, a sekcja frontmatter name również ustawia jego polecenie, dlatego skill musi znajdować się w ~/.claude/skills/<name>/SKILL.md lub .claude/skills/<name>/SKILL.md, a SKILL.md musi być zapisane dokładnie w tej postaci. Jeśli ścieżka jest prawidłowa, należy uruchomić /reload-skills lub ponownie uruchomić agenta. Claude Code wykrywa zmiany w katalogach skill, które już monitoruje, ale katalog skills utworzony po rozpoczęciu sesji nie jest monitorowany, dopóki nie zostanie wykonana ta czynność.