Skill Seekers：把多种来源整理成 AI 知识资产的工具

工具定位

Skill Seekers 以 Python 包形式发布（要求 Python 3.10+ 与 Git），定位为“AI 系统的数据层”：把多个来源的内容转换成结构化知识资产，一次准备后可导出到多种 AI 平台或检索流程，避免重复抓取。

可处理的来源

原文列出 18 类来源，包括文档网站、GitHub 仓库、本地代码库、PDF、Word、EPUB、Jupyter Notebook、OpenAPI/Swagger、PowerPoint、AsciiDoc、本地 HTML、RSS/Atom、man page，以及通过可选依赖支持的视频（YouTube、Vimeo、本地）和 Confluence、Notion、Slack/Discord 聊天导出。

主要流程

1. 抓取：文档类站点先检查 llms.txt，SPA 站点采用 sitemap、llms.txt、无头浏览器三层发现。 2. 分类：按主题整理页面内容。 3. 增强：可通过 API 模式或本地 agent 模式调用 AI，后者不产生 API 费用；深度用 --enhance-level 0-3 控制。 4. 打包：导出到目标格式。 5. 上传（可选）：可将产物上传至 Claude，无 API key 时手动上传 zip。

导出与安装

导出目标共 22 个，覆盖 12 个 LLM 平台（如 claude、gemini、openai）、8 个 RAG 与向量数据库格式（如 langchain、llama-index、chroma、faiss），以及 atlas、ibm-bob。install-agent 命令可把技能装入原文列出的 19 个 AI 编程 agent。工具同时提供 MCP 服务器（40 个工具），支持 stdio 与 HTTP 传输。

值得注意的能力

• 代码库分析采用三流架构（代码、文档、社区），包含 10 个 GoF 模式检测器与测试用例提取。
• 可选 --index 在技能内生成基于 SQLite FTS5 的搜索索引，默认关闭。
• 支持质量评分、文档变更检测、大文档流式处理和增量更新。

限制

性能表中的耗时与产物体积来自原文，未给出硬件等测试条件；大文档（10K–40K+ 页）需改用 stream，原文未给出该模式的具体指标。视频完整能力需要额外的可选依赖，视觉依赖需按 GPU 情况安装。