读过就忘的那本书，花一块钱转成 AI 随时能翻的技能

转出来的不是摘要，是一个能查的结构

先把这件事说清楚，因为它跟我们平时说的读书笔记、AI 总结不是一回事。

一本书喂给它，跑完之后你得到的是一个文件夹，里面有这几样：

一个入口文件，大概四千 token，装的是这本书最核心的思维模型，加一份章节索引；一章一个文件，每个一千 token 上下，平时不加载，问到才打开；再加一份术语表、一份模式与反模式、一张决策速查表。

它做的是提炼，不是复制。项目规范里明确写了不许照抄原文段落，生成的是结构化的笔记，是这本书的框架、判断规则和踩坑清单。

为什么省：AI 只打开它需要的那一章

用起来是这样的。假设你转了一本讲数据系统的书，想问「复制」这个话题，就敲一句 /这本书 复制。AI 先读入口文件里的索引，发现复制是第五章，然后只把第五章加载进来，基于书里的内容回答你。

整个过程里，那本书的全文不会塞进对话。实际占上下文的只有入口文件加当前这一章，加起来约五千 token。作为对比，把整本书塞进对话问同一个问题，按书的大小要烧十几万到二十几万 token，而且下次再问还得重新烧一遍。

作者拿真实的书测过：一本 244 页的小书省 24 倍，一本 371 页的中等书省 35 倍，一本大部头省 51 倍。书越厚，省得越多。

转换本身要花钱，因为是 AI 在读文本、写技能。作者按 Claude Sonnet 4.5 的价格估算：244 页的《Think Python 2》八毛八美元，371 页的《Working Backwards》九毛六，501 页的《Pro Git》一块二。大概一美元一本，只付这一次。 之后每次查都是几千 token 的事，同一本书多问几次，省下的就超过转换费了。

技术书和文字书，它分开处理

这个细节我觉得做得挺用心。开始转之前它会问你：这是技术书，还是文字为主的书？因为两条路用的解析工具不一样。

文字书走 pdftotext，几秒钟跑完。技术书走一个叫 Docling 的工具，慢一些，一页一两秒，但表格和代码块能原样保留成 Markdown。作者拿一本 103 页的技术 PDF 对比过：快的那条路 0.1 秒就完了，可书里 48 张表和 36 个代码块一个都没留下，出来的是一大段纯文字；慢的那条路花了 164 秒，表和代码全在。技术书丢了表格和代码基本就没法看，所以这个分叉值得。

转之前可以先跑一句检查命令，它会把你机器上缺哪个解析工具、该装什么都列出来，省得跑到一半才发现少东西。