Name: gen-topic
Author: zhyg

Imported from zhyg/ai-data-eng-guide (.cursor/skills/gen-topic/SKILL.md). Install upstream with npx skills add zhyg/ai-data-eng-guide --skill gen-topic. Copyright stays with the author.

生成课程 Topic

从极客时间课程 API 获取课程信息，结合讲义 PDF 生成结构化的 topic markdown 文件。

前置条件

scripts/config.json 存在且 cookies 有效（GCESS、GCID、GRID 未过期）
目标周目录下有讲义 PDF 文件（如 week8/Week08-RAG服务化.pdf）
scripts/fetch_article.py 可用

工作流程

第一步：获取课程信息

python scripts/fetch_article.py getinfo > data/class_info.json

检查返回的 code 字段。如果 code 不为 0（如 -1，提示「用户没有大学权限」），说明 cookies 过期，提示用户更新 scripts/config.json 中的 GCESS、GCID、GRID。

第二步：解析目标章节，生成 index.txt

从 data/class_info.json 中的 data.lessons 数组定位目标章节。

章节定位规则：

lessons 数组中每个元素有 chapter_name 字段，格式为「N：章节标题」（如「八：检索 x 生成的一体化工程闭环」）
用户说「第八周」或「week8」对应 chapter_name 中带「八」的章节
前面的「学习手册」「直播回放」「开学第一课」不是正式章节，正式章节从「一：...」开始

提取文章标题列表，排除「课件下载」和「课后作业」，保存到 weekN/weekN-index.txt。每行一个标题，保留原始编号前缀。

第三步：获取工程实践字幕

最后一节通常是工程实践课（标题含"实践""实现"等），在讲义 PDF 中没有专门对应的章节，需要通过 API 获取字幕。

从 data/class_info.json 中找到该文章的 article_id，执行：

mkdir -p weekN/manuscripts
python scripts/fetch_article.py get --class-id 857 <article_id> > "weekN/manuscripts/<文章标题>.md"

文件名与文章标题保持一致。

第四步：整理讲义为 topic markdown

读取讲义 PDF 和 index.txt，为每节课生成一个 markdown 文件，保存到 weekN/topic/ 目录下。

文件命名

文件名与 index.txt 中的标题保持一致，如 1.纯向量检索为啥在生产里翻车.md。

PDF 与 index 的对应关系

讲义 PDF 通常按 LESSON 划分章节（L01、L02...），每个 LESSON 有明确的开场标记（如「L01 开场」「LESSON 01」）。将 PDF 的 LESSON 按顺序对应 index.txt 中的标题。注意：

一个 LESSON 可能跨多页 PDF
最后一节（工程实践）在 PDF 中没有专门章节

前 N-1 节：从讲义 PDF 提取

对于讲义中有对应章节的内容，优先提取以下要素（如果讲义中存在）：

核心问题/目标：本节要解决什么问题
真实场景/案例：开场的翻车故事或典型问题（用通用描述，保留关键信息）
原理/机制：技术概念、对比表格、数据
工程实践要点：代码要点的文字描述（不贴代码）、选型对比表格
行业信号：Industry Signals 部分的方向性总结
反模式：Anti-Patterns 表格（如果有的话）

如果讲义中没有上述要素，根据 PDF 实际结构提取关键内容。

保留讲义中的对比表格和数据，这些是核心内容。

最后一节：工程实践

结合讲义全文（了解整体架构和概念）和字幕内容（了解实践细节）生成。

内容要求：

描述整体架构和链路（如处理流程图）
说明关键模块的职责和关系
列出数据模型扩展（新增的表和字段）
描述契约测试和健康检测的内容
总结本周交付物
避免出现代码，用文字描述代码的逻辑和要点

输出规范

markdown 格式

一级标题：# N. 文章标题
二级标题划分主要章节
善用表格呈现对比、选型、指标等结构化信息
善用列表呈现步骤、要点
流程用文本流程图：A → B → C → D

内容原则

保留讲义中的关键数据和对比（NDCG 提升、成本对比、精度数据等）
保留反模式（Anti-Patterns）表格，这是实战价值最高的内容
保留行业信号（Industry Signals），帮助理解技术趋势
不贴代码，但保留代码要点的文字描述
参考 week7/topic/ 下已有文件的风格和结构

校验清单

每个 topic 文件完成后检查：

文件名与 index.txt 中的标题一致
核心概念没有遗漏（对照 PDF 对应 LESSON 的所有页面）
表格数据准确（直接从 PDF 提取，不改写数字）
不包含代码块（工程实践节尤其注意）
最后一节结合了字幕内容，覆盖了架构、模块、测试、交付物

Install gen-topic and it becomes one more candidate the router can pick - when it fits.

A listing is a routing target with a manifest: what it does, which domains it covers, what it costs and who publishes it. Once installed it sits beside your own models and tools, is scored like any other candidate for each request, and shows up in the trace when it wins. Ratings come from workspaces that installed it, one per account.

{ "ocm": "1", "id": "zhyg-ai-data-eng-guide-gen-topic", "kind": "skill", "name": "gen-topic", "description": "从极客时间课程数据生成某一周的 topic 文件。完整流程：获取 class_info.json、生成 index.txt、下载工程实践字幕、将讲义 PDF 整理为 topic markdown。当用户要求生成 topic、整理讲义、准备某一周的内容时使用。", "publisher": "zhyg", "version": "1.0.0", "capabilities": { "domains": [ "general" ], "tags": [ "skill-md", "github" ], "languages": [ "en" ] }, "quality_prior": 0.6, "examples": [ "从极客时间课程数据生成某一周的 topic 文件。完整流程：获取 class_info.json、生成 index.txt、下载工程实践字幕、将讲义 PDF 整理为 topic markdown。当用户要求生成 topic、整理讲义、准备某一周的内容时使用。" ], "primary": false, "metadata": { "source": { "provider": "github", "repository": "https://github.com/zhyg/ai-data-eng-guide", "path": ".cursor/skills/gen-topic/SKILL.md", "ref": "cc669117cf287a7438471ae6aee735c45cac4e9c", "url": "https://github.com/zhyg/ai-data-eng-guide/blob/cc669117cf287a7438471ae6aee735c45cac4e9c/.cursor/skills/gen-topic/SKILL.md", "key": "zhyg/ai-data-eng-guide/.cursor/skills/gen-topic/SKILL.md" } }, "instructions": "# 生成课程 Topic\n\n从极客时间课程 API 获取课程信息，结合讲义 PDF 生成结构化的 topic markdown 文件。\n\n## 前置条件\n\n1. `scripts/config.json` 存在且 cookies 有效（GCESS、GCID、GRID 未过期）\n2. 目标周目录下有讲义 PDF 文件（如 `week8/Week08-RAG服务化.pdf`）\n3. `scripts/fetch_article.py` 可用\n\n## 工作流程\n\n### 第一步：获取课程信息\n\n```bash\npython scripts/fetch_article.py getinfo > data/class_info.json\n```\n\n检查返回的 `code` 字段。如果 `code` 不为 0（如 -1，提示「用户没有大学权限」），说明 cookies 过期，提示用户更新 `scripts/config.json` 中的 GCESS、GCID、GRID。\n\n### 第二步：解析目标章节，生成 index.txt\n\n从 `data/class_info.json` 中的 `data.lessons` 数组定位目标章节。\n\n章节定位规则：\n- `lessons` 数组中每个元素有 `chapter_name` 字段，格式为「N：章节标题」（如「八：检索 x 生成的一体化工程闭环」）", "cost": { "context_tokens": 590 } }

gen-topic

About