HTML to Skill

git clone https://github.com/weitzu-com/html-to-skill.git ~/.claude/skills/html-to-skill

把任意网站的完整内容（文字、图片、视频元数据）打包成一个 Claude Code Skill。

一句话

输入一个 URL → 7 阶段流水线 → 输出一个 .claude/skills/<name>/ 目录，Agent 可调用。

流水线

URL → ①勘测 → ②镜像 → ③提取 → ④压缩 → ⑤索引 → ⑥打包 → ⑦验证 → Skill

阶段	工具	产出
① 勘测	curl + 启发式	recon.md
② 镜像	wget / Scrapling / OpenCLI	raw/
③ 提取	BS4 / Scrapling Parser	extracted/
④ 压缩	LLM 语义蒸馏	compressed/
⑤ 索引	倒排表 + 关键词	compressed/references/index.md
⑥ 打包	Python 脚本	skill-/
⑦ 验证	Shell + Python	verify.md

安装

# 克隆到 skills 目录
git clone https://github.com/weitzu-com/html-to-skill.git ~/.claude/skills/html-to-skill

# 依赖（按需）
pip install "scrapling[all]"      # 方案D 反爬绕过
npm install -g @jackwener/opencli  # 方案E 浏览器操控
npm install -g @mdream/crawl       # 方案C 全站爬取(可选)

使用方法

在 Claude Code 对话中：

"把 https://docs.example.com 打包成 skill"
"mirror this site as a skill"
"把这个文档站做成技能" 极速模式

抓取方案选择

方案	场景	速度
A: wget	纯静态、无JS、无反爬	~200页/分钟
B: docsite-to-md	文档站(Mintlify/GitBook等)	~100页/分钟
C: mdream	通用站	~50页/分钟
D: Scrapling	反爬/Cloudflare	~20页/分钟
E: OpenCLI	登录墙/SPA	~5页/分钟

输出结构

skill-<sitename>/
├── SKILL.md              ← Agent 入口（能力/触发词/使用方式）
├── llms.txt              ← L1 站点摘要（~2k tokens）
├── llms-full.txt         ← L2 全站文本（~50k tokens）
├── references/           ← L3 详细文件 + 倒排索引
├── assets/               ← L4 图片/视频 JSON
├── scripts/update.sh     ← 增量更新
├── .metadata.json        ← 源信息
└── README.md

执行模式

模式	触发词	适用
极速	极速	<100页静态站，~30min
标准	默认	中等规模，~2h
严审	严审	对外发布，质量优先
增量	增量	已有 Skill 刷新

第一性原理

1. 网站 = 有向图 G(V,E) — 全量打包 ≡ 图遍历 + 节点 DOM→结构化知识
2. DOM 是呈现态，不是知识态 — HTML→MD 是剥离样式、保留信息的过程
3. 全量 ≠ 全文 — 压缩是 LLM 语义蒸馏，不是机械截断
4. Skill 是再生能力 — 不是内容快照，是"网站变了怎么重新理解它"的方法
5. 门禁是脊梁 — 每阶段 PASS/FAIL + 退回动作 + 上限

许可证

MIT — 详见 LICENSE

相关

• Scrapling — Python 反爬框架
• OpenCLI — 浏览器 CLI
• book-to-skill — PDF→Skill 流水线