用途：把多种来源（文档站点、本地文件夹、PDF/书籍、YouTube 视频/播放列表/频道，或仅一个主题）整理成有来源依据、节省 token 的智能体技能，输出 hub SKILL.md、best-practices.md、examples 与 evals 等文件。
主要能力：所有输入统一进入工作区 .cc-arsenal/a2s/<slug>/，合并为一棵按主题组织的树。脚本承担发现、抓取、转换、去重、结构化与校验；模型只在最终撰写阶段处理约 6-8k token 的 brief，不接触原始页面。抓取遵循 robots.txt，不破解验证码、登录或付费墙；被阻止页面保持阻止并上报。
使用方式：脚本以 uv run <skill-dir>/scripts/<name>.py 运行并自带依赖（PEP 723），无 uv 需先安装。流程分阶段：Phase 0 访谈收集输入、effort（quick/standard/complete）、目标、额外指令、是否联网扩展、输出路径与技能名；随后 init、detect、seed。Phase 1 按来源运行 ingest_web.py、crawl_brain.py、ingest_youtube.py、youtube_brain.py、transcribe.py、ingest_local.py、convert_docling.py。Phase 2 用 estimate 与 status --json 估算并让用户选择继续、降 effort、加 --max-pages 或删来源。Phase 3 可选本地 Laya 评审。Phase 4 用 plan 规划重组。Phase 5 展示目录树并等待批准，批准前不写入输出目录。Phase 6 用 brief 生成 review.md 后撰写文件。
限制：需安装 uv；部分路径首次会下载模型（Laya 843 MB，docling 与语音模型更大）。抓取受 effort token 预算与 --max-pages 限制。代码块必须逐字来自语料，正文声明需带来源标记。镜像内容仅供私人使用，除非来源许可允许再分发。具体收费、价格与平台支持资料未提供。