Skill Seekers 实战指南将文档网站、GitHub 仓库与 PDF 一键转化为 AI Skill 并分发到 22 个目标平台【免费下载链接】Skill_SeekersConvert documentation websites, GitHub repositories, and PDFs into Claude AI skills with automatic conflict detection项目地址: https://gitcode.com/gh_mirrors/sk/Skill_SeekersSkill Seekers 是面向 AI 系统的数据层工具它把文档网站、GitHub 仓库、PDF、视频、Notebook、Wiki 等18 种资源类型转化为结构化的信息资产产出可直接投喂给 Claude/Gemini/OpenAI 等 AI Skill、LangChain/LlamaIndex/Pinecone 等 RAG 管线以及 Cursor/Windsurf/Cline 等 AI 编码助手的产物实现一次制备22 个目标分发。本文以项目 README 为主线结合仓库源码逐层拆解其安装、资源采集、AI 增强、打包分发、MCP 集成与架构原理帮助你从零搭建一条可落地的文档 → Skill流水线。说明README 正文介绍的功能对应 v3.9.0 版本而当前仓库pyproject.toml 与 src/skill_seekers/_version.py的版本号已演进为3.10.0.dev0以下内容以仓库实际代码为准。快速开始三条命令跑通全流程安装并在几分钟内产出一个平台就绪的 AI Skill核心只有三步# 1. 安装 pip install skill-seekers # 2. 从任意资源创建 skill skill-seekers create https://docs.djangoproject.com/ # 3. 为目标 AI 平台打包 skill-seekers package output/django --target claude执行完成后你会得到开箱即用的output/django-claude.zip。若想用不同的 AI 代理做内容增强默认是 claude可以显式指定# 指定某个内置 agent 做增强 skill-seekers create https://docs.djangoproject.com/ --agent kimi # 或指定任意自定义 agent 命令模板 skill-seekers create https://docs.djangoproject.com/ --agent-cmd my-custom-agent run命令分发器在 src/skill_seekers/cli/main.py 中实现create、detect、scan、ui等命令通过COMMAND_CLASSES表直接绑定命令类enhance、resume、config、workflows等则通过COMMAND_MODULES映射到对应模块整体是 Git 风格子命令架构。完整的 19 个命令清单可查阅 CLI 参考。安装与依赖选择核心安装只需 Python 3.10 与 Git。不确定需要哪些组件时直接运行skill-seekers-setup向导即可自动完成选择。以下是不同安装粒度pip install skill-seekers # 核心scraping、GitHub、PDF、打包 pip install skill-seekers[all-llms] # 全部 LLM 平台 pip install skill-seekers[mcp] # MCP 服务器 pip install skill-seekers[all] # 全部功能全部安装附加项extras与对应的能力如下表安装方式提供能力skill-seekers[gemini]Google Gemini 支持skill-seekers[openai]OpenAI ChatGPT 支持skill-seekers[all-llms]所有 LLM 平台skill-seekers[mcp]面向 Claude Code、Cursor 等的 MCP 服务器skill-seekers[video]YouTube/Vimeo 字幕与元数据提取skill-seekers[video-full] Whisper 转写与视频画面帧提取skill-seekers[jupyter]Jupyter Notebook 支持skill-seekers[pptx]PowerPoint 支持skill-seekers[confluence]Confluence wiki 支持skill-seekers[notion]Notion 页面支持skill-seekers[rss]RSS/Atom 订阅支持skill-seekers[chat]Slack/Discord 聊天导出支持skill-seekers[asciidoc]AsciiDoc 支持skill-seekers[all]全部能力注意video-full涉及 GPU 敏感的视觉依赖。安装该 extras 后需要运行skill-seekers create --setup工具会自动检测你的 GPU 并安装匹配的 PyTorch 版本与 easyocr避免手动踩版本坑。新手可以直接参考 BULLETPROOF_QUICKSTART 快速上手。支持全部 18 种资源类型create命令会根据输入自动识别资源类型并调用对应的 scraper。以下命令覆盖了全部 18 类来源skill-seekers create facebook/react # GitHub 仓库 skill-seekers create ./my-project # 本地代码库 skill-seekers create manual.pdf # PDF skill-seekers create report.docx # Word skill-seekers create book.epub # EPUB skill-seekers create notebook.ipynb # Jupyter skill-seekers create openapi.yaml # OpenAPI/Swagger skill-seekers create presentation.pptx # PowerPoint skill-seekers create guide.adoc # AsciiDoc skill-seekers create page.html # 本地 HTML也可传整个目录 skill-seekers create feed.rss # RSS/Atom skill-seekers create curl.1 # Man 手册页 # 视频YouTube、Vimeo 或本地文件需 skill-seekers[video] skill-seekers create --video-url https://www.youtube.com/watch?v... --name mytutorial skill-seekers create --setup # 自动安装 GPU 敏感的视觉依赖 skill-seekers create --space-key TEAM --name wiki # Confluence skill-seekers create --database-id ... --name docs # Notion skill-seekers create --chat-export-path ./slack-export --name team-chat # Slack/Discord源码级的自动类型检测这些命令背后是统一的类型自动识别器 src/skill_seekers/cli/source_detector.py。SourceDetector.detect()按照固定优先级判断输入从源码可以看到完整的判定链文件扩展名优先.jsonconfig、.pdf、.docx、.epub、.ipynb、.html/.htm、.pptx、.adoc/.asciidoc、.man与.1–.8Man 手册页有启发式规则——要求去掉扩展名后的文件名不含点号避免把access.log.1误判为手册页、视频扩展名.mp4/.mkv/.avi/.mov/.webm/.flv/.wmv、.rss/.atom内容嗅探.yaml/.yml文件会先检测内容中是否含openapi:或swagger:键命中才判为 OpenAPI 规范视频 URL 检测YouTube/Vimeo 等目录判定目录中以.html/.htm/.xhtml为主时路由到 HTML scraper例如 wget 镜像、导出的 HTML 文档站否则走本地代码库 scraperGitHub 模式匹配owner/repo或github.com/...URLURL 与域名推断http(s)://直接走 Web仅含.的裸域名自动补全https://前缀都无法识别时抛出带示例的ValueError。需要注意Confluence、Notion、Slack/Discord 三类属于 API/导出型来源无法通过单一参数自动识别必须使用各自的专用子命令confluence、notion、chat。各资源类型的完整参数说明见 Scraping 指南。AI 辅助项目扫描scan命令scan面向已有项目代码、想生成配置的场景把命令指向一个项目目录AI 代理会读取项目的 manifest 文件、README、Dockerfile/CI 文件以及抽样的源码 import然后为检测到的每个框架生成一个 config并为项目自身生成一份project-codebase.jsonskill-seekers scan ./my-react-app --out ./configs/scanned/ # → react.json, vite.json, tailwind.json, jest.json, my-react-app-codebase.json skill-seekers create ./configs/scanned/react.json实现位于 src/skill_seekers/cli/scan_command.py它会将检测结果与前一次扫描做 diffdiff_against_existing被移除的框架配置会归档到out_dir/.archived/UTC时间戳/避免目录中残留过期配置同时为每个本地代码库生成独立的 codebase config。如果某个框架没有现成的预设presetAI 会从零生成 config并且你可以选择将产物发布到社区 config 仓库。针对本地代码库的深入分析还支持三个预置档位控制分析深度与耗时skill-seekers create ./my-project --preset quick # 1–2 分钟浅层 skill-seekers create ./my-project --preset standard # 均衡默认 skill-seekers create ./my-project --preset comprehensive # 深度、全面预置系统在 src/skill_seekers/cli/presets/manager.py 中定义每个AnalysisPreset包含分析深度surface/deep/full、各功能开关api_reference、dependency_graph、patterns、test_examples、how_to_guides、config_patterns、docs、AI 增强级别enhance_level0无、1仅 SKILL.md、2架构/配置、3完整以及预估耗时。例如quick关闭了耗时的模式检测与测试示例提取standard开启核心功能并做 SKILL.md 增强comprehensive则全量开启。打包与分发一次制备22 个目标package命令负责把 skill 输出目录转换成目标平台要求的格式skill-seekers package output/react --target claude # → Claude SkillZIP YAML skill-seekers package output/react --target langchain # → LangChain Documents skill-seekers package output/react --target llama-index # → LlamaIndex TextNodes skill-seekers package output/react --target ibm-bob # → IBM Bob skill 目录22 个导出目标按类别划分LLM 平台12 个claude·gemini·openai·minimax·opencode·kimi·deepseek·qwen·openrouter·together·fireworks·markdownRAG 与向量库8 个langchain·llama-index·haystack·chroma·faiss·weaviate·qdrant·pinecone其他2 个atlas·ibm-bob这些目标在 src/skill_seekers/cli/adaptors/ 目录中各有一个实现文件如 claude.py、langchain.py、chroma.py它们统一继承SkillAdaptor抽象基类base.py这也是一次制备、多端输出的架构基础。按使用场景划分的产出形态如下使用场景输出投喂对象AI Skill完整的SKILL.md 参考文件Claude Code、Gemini、GPTRAG 管线带丰富元数据的分块chunk文档LangChain、LlamaIndex、Haystack向量数据库可直接 upsert 的预格式化数据Pinecone、Chroma、Weaviate、FAISS、QdrantAI 编码助手IDE 中 AI 自动读取的上下文文件Cursor、Windsurf、Cline、Continue.dev各平台的能力支持差异如是否支持图片输入、流式输出等见 功能矩阵。AI 增强API 模式与 LOCAL 模式每次 AI 调用都经过单一传输层 src/skill_seekers/cli/agent_client.py支持两种增强模式API 模式Anthropic、Google Gemini、OpenAI、Moonshot/Kimi、MiniMax需要设置对应 API KeyLOCAL 模式Claude Code、Kimi Code、Codex、Copilot、OpenCode 以及自定义代理通过--agent-cmd零 API 成本。模式自动判定逻辑与--enhance-level参数定义在 src/skill_seekers/cli/arguments/common.py--enhance-level可选0/1/2/3默认20禁用增强、1仅生成 SKILL.md、2架构/配置、3完整增强模式选择规则设置了 API KeyANTHROPIC_API_KEY、GOOGLE_API_KEY、OPENAI_API_KEY、MOONSHOT_API_KEY、MINIMAX_API_KEY等时走 API 模式否则回退到 LOCAL 模式。从源码可以看到 API 提供者以注册表API_PROVIDERS形式统一维护每个提供者声明自己的 wire 协议与是否支持图片输入provider_supports_imagesMiniMax 还支持通过MINIMAX_API_PROTOCOL、MINIMAX_API_REGION环境变量指定协议与区域保证国内签发的 key 也能命中正确端点。此外仓库内置了 68 个 workflow 预设见 src/skill_seekers/workflows/ 下的 YAML如api-documentation.yaml、architecture-comprehensive.yaml、auth-strategies.yaml可在create/enhance时通过--workflow链式叠加实现安全聚焦、最小化、API 文档、全面架构等不同增强目标。详细模式说明见 增强模式 与 多代理配置。MCP 集成40 个工具Skill Seekers 内置 FastMCP 服务器可接入 Claude Code、Cursor、Windsurf、VS Code Cline 和 IntelliJ IDEA# stdio 模式Claude Code、VS Code Cline python -m skill_seekers.mcp.server_fastmcp # HTTP 模式Cursor、Windsurf、IntelliJ python -m skill_seekers.mcp.server_fastmcp --transport http --port 8765连接后可直接用自然语言指挥助手例如打包并安装 React skill。工具按模块组织在 src/skill_seekers/mcp/tools/ 下覆盖打包packaging_tools.py 中的package_skill_tool、upload_skill_tool、enhance_skill_tool、install_skill_tool、抓取、配置、向量库、workflow 等领域服务器实例定义于 server_fastmcp.py。配置与 HTTP 传输细节见 MCP 安装、MCP 参考 与 HTTP 传输。一键安装到 19 个 AI 编码代理打包好的 skill 可通过install-agent命令自动安装到 19 个 AI 编码代理的 skills 目录skill-seekers install-agent output/react/ --agent cursor skill-seekers install-agent output/react/ --agent all # 安装到检测到的所有代理 skill-seekers install-agent output/react/ --agent cursor --dry-run--dry-run只预览将要执行的安装动作而不实际写入实现在 src/skill_seekers/cli/install_agent.pydry_run: bool参数。各代理的默认安装路径与作用域代理路径作用域Claude Code~/.claude/skills/全局Cursor.cursor/skills/项目VS Code / Copilot.github/skills/项目Amp~/.amp/skills/全局Goose~/.config/goose/skills/全局OpenCode~/.opencode/skills/全局Letta~/.letta/skills/全局Aide~/.aide/skills/全局Windsurf~/.windsurf/skills/全局Neovate~/.neovate/skills/全局Roo Code.roo/skills/项目Cline.cline/skills/项目Aider~/.aider/skills/全局Bolt.bolt/skills/项目Kilo Code.kilo/skills/项目Continue~/.continue/skills/全局Kimi Code~/.kimi/skills/全局IBM Bob.bob/skills/项目上传到 Claudeexport ANTHROPIC_API_KEYsk-ant-... skill-seekers package output/react/ --upload # 打包并上传 skill-seekers upload output/react.zip # 上传已有 zip没有 API Key 时也可以直接打包后手动把output/react.zip上传到 Claude 的 skills 管理界面。更多细节见 上传指南。工作原理与架构核心流水线可以用下面的流程图概括五个阶段分别是Scrape——提取每个页面优先检查llms.txt分类——按主题组织内容API、指南、教程等增强——AI 生成带示例的完整SKILL.md打包——汇总为平台就绪的产物上传——可选投递到你的 AI 平台。模块化架构整个项目由8 个核心模块 5 个辅助模块约 200 个类组成模块职责CLICoreGit 风格命令分发器、资源自动检测Scrapers基于统一采集层实现 18 种资源类型提取器Adaptors在统一SkillAdaptor抽象基类下实现 22 个输出平台格式AnalysisC3.x 代码库管线、10 个 GoF 设计模式检测器Enhancement经统一AgentClient传输层的 AI 增强Packagingskill 的打包、上传与安装MCPFastMCP 服务器40 个工具10 个工具模块Sync文档变更检测与通知此外文档网站抓取对 JavaScript SPA 采用三层发现策略sitemap.xml→llms.txt→ headless 浏览器渲染存在llms.txt时速度提升约 10 倍同时内置容错 HTML 解析器损坏严重的页面也能被抓取而不是返回空内容。C3.x 代码分析管线支持 9 种语言的 10 个 GoF 模式检测器、从测试中提取使用示例、AI 编写 how-to 指南、配置推断与架构概览。架构详情见 UML 架构含 14 张图、API 参考 与 Skill 架构。性能参考文档规模耗时产物大小小型 100 页5–10 分钟~2 MB中型100–500 页15–30 分钟~10 MB大型500–2,000 页30–60 分钟~40 MB巨型10K–40K 页使用stream见 大型文档处理针对超大文档集项目提供流式streaming采集与增量更新机制配合quality命令的阈值评分skill-seekers quality output/react/ --threshold 7和sync模块的定时重抓与变更通知构成完整的质量保障与规模化方案。版本新特性从 v3.9.0 看演进方向HTML parser 容错回退——严重损坏的页面不再抓取为空格式良好的页面则保持逐字节一致瞬时错误重试——文档 scraper 与 MCPfetch_config对断连与 5xx 错误做退避重试4xx 仍然快速失败Whisper 转写回退——无字幕的本地视频终于可以生成真正的转写文本MiniMax 图像 OCR 注册表驱动的多模态提供者——提供者自行声明 wire 协议与图像能力国内签发的 key 命中正确端点GitHub issue 默认策略收紧——GitHub skill 默认不再打包全部关闭的 issue 历史节省 tokenCORS 环境变量驱动——三台服务器均支持通过环境变量配置 CORS不再对带凭证的请求使用通配 origin。完整变更历史见 CHANGELOG.md。故障排查skill-seekers doctor # 诊断安装与环境问题 skill-seekers sync-config # 检测配置漂移config 与源码不一致常见问题与解决办法见 故障排查指南 与 TROUBLESHOOTING.md。完整的文档目录可以访问 docs/README.md按我想做什么 → 读哪篇的方式组织覆盖安装、概念、抓取、增强、打包、workflow、CLI 参考、配置格式、环境变量、MCP、RAG/IDE 集成与大型文档处理等主题。【免费下载链接】Skill_SeekersConvert documentation websites, GitHub repositories, and PDFs into Claude AI skills with automatic conflict detection项目地址: https://gitcode.com/gh_mirrors/sk/Skill_Seekers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
