建筑规范转Skill (code-to-skill):把规范条文变成可查询的 Agent Skill

前言

做建筑相关的 AI 应用时,规范条文是绕不开的输入。问题在于:规范通常是几百页的 PDF,条文之间的应/宜/可/不应/不得决定了约束力强弱,表格里的数据无法直接被模型读取,跨规范的引用关系散落在条文里。把这类文档塞进上下文,既贵又容易丢失关键措辞。

code-to-skill 针对的就是这一步。它把建筑设计规范、国家标准(GB)、行业规程、法律法规转换成结构化、可查询的 Skill 条文库,按触发条件索引每一条条文,保留效力措辞原文,并把数据表格提取为 JSON。下面介绍它的定位、功能、用法和边界。

这是什么

一句话:建筑规范 → AI Skill 转换器,面向中国建筑设计规范(GB 50xxx 系列)优化,也可适配其他地区的技术法规。

来源与维护信息如下,来自 SkillHub 页面元数据:

  • 坐标:@user_1745aec9/code-to-skill,发布者 user_1745aec9,来源标注为 community
  • 分类:knowledge-management
  • 版本:1.0.5
  • 评分 100000,下载 2623(截至抓取时)
  • 标签 requires_api_key=false,说明运行时不依赖外部 API Key

它解决的问题是:规范文档到可被 Agent 调用的知识之间的转换过程——索引、措辞保留、表格结构化、引用关系整理,把这些做成一条可复用的流水线。

核心功能

下面列出的都是 Skill 简介中明确说明的能力。

按触发条件索引条文

不是把整本规范塞进上下文,而是为每一条条文建立触发条件索引。查询时按触发条件定位到具体条文,只取相关部分。简介给出的使用方式是输入「把这个规范做成skill」「查这条规范」「建立规范知识库」这类自然语言指令。

保留法律效力措辞原文

应、宜、可、不应、不得这五类措辞在规范中对应不同强制程度。Skill 在转换过程中保留措辞原文,不做同义改写,避免模型在引用时把「宜」升级成「应」。这一点是这类知识库最容易出错的地方。

数据表格提取为结构化 JSON

规范中的限制表、系数表、荷载表等数据表格被提取为结构化 JSON,而不是留在 PDF 文本里。这样模型可以按数值查询,也可以参与计算链路。

绘制跨规范引用关系图

不同规范之间互相引用(某条引用另一本规范的某条)。Skill 整理这些引用关系,形成关系图,便于在查询时顺藤摸瓜找到上游或下游条文。

内置 PDF 提取引擎

Skill 自带 scripts/extract.py 和 book_to_skill/,是自包含的提取引擎,无需外部安装依赖。这是它与通用 PDF 转换工具的差别:转换流程内建在 Skill 包里。

安装与启用

官方页面抓取时不可达,资料中没有给出安装命令或配置文件字段。因此这里不写未经核实的命令,只说明已确认的部分。

  • 获取方式:在 SkillHub 页面 https://www.skillhub.cn/skills/user_1745aec9/code-to-skill 按页面指引获取,坐标 @user_1745aec9/code-to-skill
  • 依赖情况:运行时不要求外部 API Key;PDF 提取依赖 Skill 自带的 scripts/extract.py 与 book_to_skill/,无需额外安装
  • 启用方式:加载后按触发词使用,例如「把这个规范做成skill」「查这条规范」「建立规范知识库」

如果你在 Cursor、Codex CLI 或 Claude Code 中使用,具体加载步骤以你所用客户端的 Skill 支持方式为准,本篇未从官方资料核实到分客户端的差异说明,不在此臆测。

典型用法

以下用法来自 Skill 简介中给出的指令示例,属官方资料确认的范围。

1、把一份规范文档转换成 Skill。

触发指令类似「把这个规范做成skill」。Skill 走内置提取引擎处理 PDF,产出按触发条件索引的条文库、表格 JSON 和引用关系。

2、查询某一条件对应的条文。

触发指令类似「查这条规范」。按触发条件命中索引,返回条文原文,效力措辞保持原样。

3、批量建立规范知识库。

触发指令类似「建立规范知识库」,用于把多本规范整理成统一结构的知识库。

适用场景与注意

适合谁:需要把规范条文作为可查询知识接入 Agent 的开发者和研究者,尤其是处理中国 GB 50xxx 系列建筑设计规范的场景。其他地区技术法规也可以用,但「应/宜/可/不应/不得」这套效力措辞体系是中国规范的写法,套用到其他法域时要确认措辞分类是否对应。

需要注意的几点:

  • 转换质量取决于源 PDF 的文本层质量。扫描件、公式密集、表格跨页的规范,提取结果需要人工校对
  • 效力措辞必须原样保留,下游应用不要做改写或归一化,否则强制程度会被稀释
  • 跨规范引用关系需要规范之间确实存在引用,孤立规范只能整理单本结构
  • 版本标注为 1.0.5,属于早期版本,接口和输出结构后续可能有调整
  • 本篇未核实到官方示例输出或测试集,建议先拿一本小册子试转换,确认条文切分和表格 JSON 的格式符合预期

结尾

code-to-skill 的价值在于把「规范 PDF → Agent 可用知识」这一步固化下来:触发条件索引、效力措辞原文、表格 JSON、跨规范引用图,以及无需外部安装的提取引擎。对于常年和 GB 条文打交道的场景,它省掉的是重复的清洗和结构化工作。

官方地址:https://api.skillhub.cn/user_1745aec9/code-to-skill(SkillHub 页面:https://www.skillhub.cn/skills/user_1745aec9/code-to-skill)

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

Xiaoye