视频课终于不用硬啃了：这个开源项目把整套课程蒸馏成可追溯的 AI Skill

导语：一个把长视频课程蒸馏成可追溯 AI Skill 的开源项目。

长视频课程最麻烦的地方，不是内容不够好，而是知识密度高、检索成本高。尤其是一整套几十小时的专业课，等到真正想查某个概念、某张板书、某页 PPT 时，往往只能凭记忆拖进度条。最近 GitHub 上这个由开发者做出的项目，思路就很直接：把看不完的视频课程蒸馏成可复用的 skills，再基于这些蒸馏资料做一个“导师 skill”，让 AI 回答问题时不仅能说得快，还能尽量说得有出处。

它解决的不是“总结视频”，而是让课程知识变成可检索资产

很多人用 AI 处理视频课，第一反应是让模型做摘要。但摘要只能解决“我大概知道讲了什么”，并不能解决“我现在要问一个细节，它到底出自哪一节课、哪一个画面、哪张 PPT”。这也是 lineage-skill 这个项目值得一看的地方：它强调的是把视频课程蒸馏成结构化的 skill，并让后续问答能够索引溯源到视频里的关键画面，例如板书、PPT 页面等。

项目地址在这里：访问 github.com 网站

从目前公开信息看，它更像是一套围绕课程内容进行知识加工、沉淀和问答的工作流，而不是单纯的字幕总结器。对于学习型内容来说，这个差异很关键：视频是线性的，知识使用却是非线性的。把课程蒸馏成 skill 后，用户可以围绕某个问题直接追问，系统再根据蒸馏出的资料给出回答，并尽可能把依据指向原始视频中的关键位置。

“导师 Skill”的价值：回答要快，更要能回到原始材料

真正有用的课程 AI 助手，不能只是语气像老师。它需要知道自己回答的依据来自哪里，最好还能帮助学习者回到原始课程中复核。原文提到的“导师 skill”就是这个方向：用蒸馏出来的资料做一个针对特定课程的问答导师。这样一来，用户不必重新刷完整套课，也不必在大量视频中人工定位，只要围绕知识点提问，就能得到相对聚焦的解释。

更实用的是溯源能力。比如一段板书推导、一页 PPT 的定义、某个老师在课堂上补充的经验判断，传统摘要很容易把这些细节压扁；而带有索引能力的蒸馏资料，能够把回答和视频关键画面关联起来。对于医学、工程、编程、金融、法律等专业课程来说，这种“能问、能查、能回看”的形态，比单纯生成一份长文笔记更接近真实学习场景。

已有示例：倪夏海中医课程 Skill

作者还放出了一个具体示例，围绕倪夏海中医课程制作的 Skill，方便大家理解这种课程蒸馏后的成品形态：👉🏻倪夏海中医课程的Skill

这个案例也说明了它面向的并不只是泛泛的“视频转文字”。中医课程这类内容通常有大量术语、讲义、板书和口头解释，知识点之间还存在强关联。如果只是把字幕丢给大模型做总结，很多细节会丢失；如果能按课程脉络沉淀成 skill，再配合可追溯的资料索引，学习者在复习、查漏补缺、针对病案或概念提问时，会更接近“拿着课程资料问助教”的体验。