没想到cangjie-skill在4月开源，中间没怎么推，两个月还慢慢涨到了1.3K Star，有点出乎我的意料。
而且现在每天都还在增涨，感谢大家支持～
https://github.com/kangarooking/cangjie-skill
说明大家对蒸馏书是有需求的（可以理解为人工智能拆书）。
也并不是像评论区一些人说的：“所有书AI都学过了，你这个是脱了裤子放屁。”那样不堪。
对一些大众非常熟悉的书，可能不太需要这个方式来蒸馏。但是有很多比较小众的书，AI不一定记得清楚，甚至还有很多新书是AI没有训练的。
而且也不一定非要是书，打开思路：还可以是有价值的视频，也可以是播客，总之任何能提取方法论的资料都可以用cangjie-skill来进行知识蒸馏。
这次我把cangjie-skill进行一轮优化，增加了视频蒸馏的方式。
你会发现各大平台，每天都会有很多干货的视频内容，有的非常长，有时候就很难看完，比如罗永浩的十字路口，每次访谈都是3小时起步... 还有B站、YouTube上，很多高价值的长视频，我觉得都值得被蒸馏。
而且这些视频是时效性很强的，他们不可能被AI训练过了。
很多长视频很难坚持 从头看完。所以，cangjie-skill既然可以蒸馏书，生成一套书skill，那也必须能蒸馏视频，生成视频对应的skill。
甚至有些做视频课程的朋友，还可以用专门蒸馏一个课程skill，然后用这个skill打造一个Agent，供学员问答、辅助实践。
完成cangjie-skill 的优化后，我又蒸馏了一些视频skill（可以通过视频链接，获取原视频的文案）
比如蒸馏了YouTube上的4个loop engineering相关视频，后续可以指导构建loop engineering。
还蒸馏了吴恩达老师的2026《给所有人的AI入门课》，蒸馏出来25个skill。
先给大家介绍一下这次用到的模型😄：
美团刚刚发布的Longcat-2.0，我体验下来这个模型确实算得上大版本更新，相比上一版进步非常明显。
OpenRouter上有个调用量排行，前几天有个叫"Owl Alpha"的匿名模型，调用量直接干到了全球前三。
Owl Alpha其实就是Longcat-2.0的Preview版，他们悄悄在OpenRouter上跑了快两个月，一直没公开。能跑出这么多用量，还挺让我惊讶的🤔
Longcat-2.0是美团自研的超大规模MoE模型，总参数约1.6万亿（确实好大），原生支持1M token超长上下文。
而且训练和推理全程在国产算力上完成，用了超5万张国产芯片卡：这是迄今为止国产算力支撑的最大规模模型训练。
我是之前就申请到了内测，这几天用下来的感受是：
Agent能力提升非常明显，长时间执行复杂任务很稳，1M的上下文理解能力也是真的在线。
先把视频下载，提取文案这件事搞定
好了，介绍完这次用到的模型。
再给大家聊聊，我是怎么跑通整个视频蒸馏流程的（含干货）。
要蒸馏视频，核心是要能把视频转成文字。
为了方便使用，我的设计思路是：只需要输入视频链接，就能自动获取视频、提取音频，最后输出文案。
这里面用到了一个开源项目yt-dlp（有174K Star），可以从各种平台链接下载视频。
整个开发过程是Longcat-2.0+claude code主导。
先把B站跑通了。
过程中我没有提转写方案，它居然自己主动给出了用开源Whisper模型做ASR转写。挺好，省心～
然后…整个Whisper下载，加上本地转写，一共花了48分钟。
还是本地算力不够啊，转写也忒慢了🤦♂️
于是我决定先把转写放着，继续跑其他渠道的视频下载。
到某音这里，yt-dlp失效了。
我当时以为这条线要折腾很久，结果Longcat-2.0很快换了个思路搞定了，看起来是直接在某音前端页面里获取到的视频地址。
前端代码超长，能从里面精准找到视频地址，这点还真挺厉害的，说明它的长上下文理解能力很不错。
最后，几个平台陆续搞定了。
音频转文字这块，最终也没用本地Whisper，走的是一个免费的ASR API，速度快多了。
PS：只有视频号暂时搞不定，不过有个叫「kg百宝箱」的小程序可以处理（包含视频号），有需要的朋友可以去试试，只不过需要手动操作。
然后video-downloader skill就这么搞定了。
对了，我最后没有把视频处理的逻辑直接集成到cangjie-skill里。
因为我觉得那样会太重了。cangjie-skill还是专注蒸馏文本比较好，其他脏活交给另外的skill来处理，两个配合使用。
26个视频，吴恩达的AI入门课，跑了1小时
第一个拿来蒸馏的，是吴恩达老师的《给所有人的AI入门课》2026版。
共26个视频，总时长4个多小时，时效性强，AI大概率没有训练过这些内容。
课程体系完整，方法论密度高，是我觉得比较适合蒸馏的类型。
用Longcat-2.0 + Claude Code跑整个流程，一共花了1个小时，才全部搞定。
一共蒸馏出了25个skill
最后，4个多小时的课程内容，变成了一套可以随时被Agent调用的skill（25个）。
后续只要加载这套skill，课里的方法论就能在对应场景下被快速调出来用～
蒸馏80分钟的loop engineering视频
接着，我在YouTube上找了四个最近播放量很高的loop engineering相关视频：
四个视频加起来80多分钟，有英文、中文的，都是最近一个月内发布的内容。AI不可能训练过。
很快把四个视频+文案全部提取出来了。
然后Longcat-2.0自动把四份文案合并，并丢给cangjie-skill开始蒸馏。
耗时22分钟，蒸馏完毕。
从80分钟的视频里，蒸馏出来了8个loop engineering相关的skill。
我算了一下，从下载视频、提取文案、到蒸馏skill + 最后验证，所有任务跑完，一共花了将近40分钟。
然后我又新开了一个Claude Code对话，加载loop-engineering skill，开始测试效果。
比如，问它loop engineering是什么。
回答的很扎实。而且还会注明出处，这点还挺好的。
我又问：如果只想优化一下现有的app，适合用loop engineering吗？
它给出了很中肯的建议～
然后我还追问了内容创作适不适合用loop engineering？
这次回复的细节很棒，它不只给了建议，还主动给了方案，以及注意事项。
这些都是视频里讲到的具体方法论，被完整蒸馏下来了。
video-downloader skill已开源
video-downloader skill已经收录到了我的开源Skills仓库：kangarooking-skills，也可以从cangjie-skill那边找到。
https://github.com/kangarooking/kangarooking-skills/tree/main/video-downloader
说实话，这次美团开源的Longcat-2.0确实惊艳到了我。
相比他们上个版本进步很大，Agent能力，以及处理长文本的能力已经非常强了。
而且使用下来API非常稳定，没有遇到过卡住、或者断开的情况（希望保持）。
蒸馏26个视频，花费1个小时，中间只向我确认了一次，其他时候都在吭哧吭哧跑。🐂🍺
Longcat系列模型到现在应该还不到一年，但从Longcat-2.0来看，在Agent和长上下文方面已经追上了国内第一梯队。
而且它是全程在国产算力上跑出来的，之前很多人的判断是国产芯片还不够，支撑不了这个量级的训练。
现在看，这个问题算是有了明确答案。
另外，那些你一直没时间看完的长视频、隔三差五出现的大佬访谈，都可以用这套工作流（Longcat-2.0 + claude code + cangjie-skill +video-downloader skill）蒸馏一遍，沉淀成skill，想用的时候随时调出来。
而且加载skill比每次喂原始视频省多了，token消耗少，速度快，而且回答也有质量，因为蒸馏那一步已经取其精华。
