# Sy Decompose

> 深度阅读·第二步。根据用户要读的书（书名/作者/出版社/类别）+ 用户阅读报告里的背景与目标，输出一份"节级别精读目录"：P0必读/P1重点/P2选读/P3跳过，含推荐阅读顺序、每节与用户目标的关联、前置依赖。用 Tree-of-Thoughts 多路径评估 + Chain-of-Verification 四重验证（存在性/逻辑/冗余/完整性），绝不编造章节（不确定标[推断]/[待确认]）。当用户说"拆解这本书""精读目录""这书怎么读""帮我挑重点章节"时使用。也适用于书太厚读不完、不知道哪些章节对自己有用的场景。

- Skill: `huanyu-hibiki/sy-decompose` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add huanyu-hibiki/sy-decompose`
- Raw SKILL.md: https://api.skillmd.com/api/skills/huanyu-hibiki/sy-decompose/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: Huanyu-Hibiki (https://skillmd.com/u/huanyu-hibiki)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/huanyu-hibiki/sy-decompose

---


# sy-decompose · 拆解书籍（节级精读目录）

把"整本书"切成"对我最有价值的几节"。

> **知识库根目录 `<知识库根>`**：① 本次会话用户显式指定 → ② 当前 Agent 打开的项目路径下有知识库标志（`阅读笔记/log.md` 或 `阅读笔记/_system/用户阅读报告.md`）→ ③ `~/.shendu-yuedu/config.json` 的 kb_root（问用户是否沿用）→ ④ 默认当前 Agent 打开的项目路径。权威定义见 `01-init/SKILL.md`「知识库根目录解析协议」。

## 前置（必做）
1. 读 `<知识库根>/阅读笔记/_system/用户阅读报告.md`，取身份/目标/已有储备/应用场景。
   - **冷启动分支（报告不存在）**：不阻塞——现场问用户 3-4 个最小问题（身份 / 这本书的核心目标 / 该领域已有储备 / 应用场景），据此拆解，并在拆解文件顶部标注「档案待补：建议先跑 sy-init 建档」。
2. **校验书名是否在 Hub 的"在读书目索引"里**：
   - 在 → 继续，复用该书的核心目标
   - 不在 → 先问用户"这本书的核心目标是什么"（避免读完才发现偏离），把书加入 Hub 索引后再继续
3. 问/确认书的元信息：书名、作者、出版社（可选）、类别。

## 推理框架（Tree-of-Thoughts + Chain-of-Verification）

**Step 1 知识检索与结构推断**
- 确认知道该书 → 列真实章节结构（到节级 X.X）
- 不确定 → 基于元信息推断最可能架构，明确标 `[推断]`
- 完全推断不出 → 明说，基于类别给典型结构作参考

> **置信度门控（防节级编造）**：Step 1 完成后先自评置信度。
> - **高**（你确信真实章节结构）→ 直接进 Step 2 打分。
> - **中/低**（多数节要靠 [推断]）→ **先自助取真实目录，取不到再问用户**（2026-08-18 实战跑通）：
>   1. Playwright MCP 浏览器 → cn.bing.com 精确短语搜索（书名必须加英文双引号，如 `"价值心法"`；不加引号会被分词成单字，返回百科/词典泛结果）→ 认出 `weread.qq.com/web/reader/` 链接 → 打开 → 点「目录」按钮 → evaluate 抽取章节文本。详细配方见 `references/catalog-self-retrieval.md`；百科/豆瓣摘要可交叉验证出版社/出版年/页数/ISBN。
>   2. 自助取失败（登录墙/人机验证/查无此书/**Playwright MCP 或浏览器不可用**）→ **停下请用户从微信读书/豆瓣/实体书目录页贴一下真实目录**，再基于真目录打分。这比让 AI 猜节名靠谱 10 倍，也避免后续预读/精读都建在编造的节名上。用户不愿贴就用推断版，但目录文件顶部必须醒目标注"结构为推断，建议核对"，且 🔴 推断版落盘前必须向用户展示结构来源与置信度评估，用户确认接受才写入。
>   - ✅ 微信读书网页版目录可抽到**节级**：`readerCatalog_list_item` 元素带 `level_1/2/3`（章/小节），必须全量提取、禁止内容过滤正则（v1 事故正因过滤正则把小节全滤掉，2026-08-18 用户拆穿后返工）。完整代码与完整性自检见 `references/catalog-self-retrieval.md`。

**Step 2 多路径价值评估**（每节打分 1-5）
- 目标匹配度（直接支持用户核心目标的程度）
- 实践转化率（能直接变成行动的程度）
- 知识缺口填补（补用户当前盲区的重要性）
- 前置依赖（是否需先读他节）

**Step 3 优先级排序**
- **P0 必读**：目标匹配≥4 且 实践转化≥4，无未满足依赖
- **P1 重点**：目标匹配≥3 且 实践转化≥3，或重要但有依赖
- **P2 选读**：扩展视野，与目标间接相关
- **P3 跳过**：与目标无关 或 用户已掌握
- **输出预算**：P0/P1 逐节全列；P2/P3 只给章级汇总行（一行一章+一句理由），不逐节展开——防 40+ 节大书输出超长

**Step 4 验证（CoV 四重）**
1. 存在性：每节是否可能真实存在？不确定标 `[待确认]`
2. 逻辑：阅读顺序是否尊重前置依赖？有无"先读B才懂A"却A排前
3. 冗余：多节覆盖同一知识？只留最精炼的
4. 完整性：有没遗漏对核心目标至关重要的领域

## 输出：<知识库根>/阅读笔记/YYYY-MM/<书名>/00-拆解目录.md

```markdown
---
type: 拆解目录
title: <书名>·节级精读目录
description: 一句话（核心目标+建议阅读量）
tags: [深度阅读, <书名>]
timestamp: YYYY-MM-DD
resource: 可选，书源与版次（微信读书/豆瓣/纸书）
---

## 📚 书籍概览
书名/作者/结构来源（已知真实/[推断]/类别参考）/置信度（高中低）

## 🎯 阅读策略总览
- 核心目标（概括）
- 建议总阅读量（X节，约占全书Y%）
- 预计精读时间（按用户节奏估算）

## 📋 精读目录（按推荐顺序）
### 🔴 P0 必读
| 原书章节 | 节标题 | 推荐理由（扣紧用户目标） | 预计时间 | 依赖前置 |
### 🟠 P1 重点（同结构）/ 🟡 P2 选读 / ⚪ P3 跳过（P2/P3 按输出预算只给章级汇总行，跳过列写"跳过理由"）

## ⚠️ 不确定性与建议
- 结构置信度说明
- [待确认] 章节清单
- 补充建议（搭配阅读/若书中无X节怎么办）
```

## 真实目录与同作者相近书名 Pitfalls（2026-07-29 用户纠错）

- **用户提供目录截图/PDF 目录后，立刻以用户目录为准更新拆解文件**：不要继续保留“待核对译名”；应把公开英文目录降级为交叉核对来源。
- **没有微信读书不等于没有书**：用户可能用 PDF/实体书目录。路径仍按 Obsidian 阅读笔记基准落盘。
- **同作者相近标题要区分**：Oliver Burkeman 的《四千周》(Four Thousand Weeks) 是时间哲学主书；《四周》(Meditations for Mortals / Four Weeks) 是 28 天实践手册。前者负责“想明白”，后者负责“练起来”，不要混为同一本。
- **章节级拆解可先做，但必须标明结构来源**：若只有公开目录则写“公开英文目录”；若用户给截图则写“用户提供 PDF 目录截图”。

## 约束
- **绝对禁止编造**：不确定就标 `[推断]`/`[待确认]`，绝不假装确定
- **推荐理由必须个性化**：扣紧用户目标，禁用"这节很重要"这种空话
- **节级精度**：到 X.X，不到章。无法确定就说明并给章级方向
- **阅读顺序逻辑自洽**：考虑前置依赖
- **版本对齐（2026-08-18 教训）**：目录以用户实际阅读载体为准（微信读书/纸书/PDF 存在差异，实测第一章小节数 7↔9、用字"制定↔制订"）；用户贴目录来对照时逐条 diff 并把差异写进拆解文件备注——**AI 抓到的电子版不天然权威，不默认自己更准**

## 沉淀动作
1. 写到 `<知识库根>/阅读笔记/YYYY-MM/<书名>/00-拆解目录.md`（目录不存在则创建），文件头带 OKF frontmatter（见输出模板）。
2. 回写 Hub"在读书目索引"：加该书一行，进度=已拆解；链接写法遵循 Hub 报告「知识库工具链」的链接规范。
3. 追加 `阅读笔记/log.md` 一条：`## [YYYY-MM-DD] decompose | <书名>·一句话（结构来源与置信度）`。

## 人 × AI 分工
- **人**：确认元信息、给该书核心目标、审目录是否靠谱
- **AI**：检索/推断结构、打分排序、四重验证、写目录

## 下一步
**强烈推荐**运行 **`sy-preread`（预读）**——把 P0/P1 目录转成问题清单+实践钩子，带着问题去读。