القائمة
学习笔记自动化：视频/播客转录 → 知识点提取 → 闪卡生成 → 知识图谱更新。触发词：学习笔记、闪卡、Anki、知识提取、视频学习
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Obsidian 知识库全生命周期管理：三层架构、素材入库(ABC分级)、健康检查、GBrain/GraphRAG/LLM Wiki 三件套集成、目录整理
X(Twitter) 推文采集 → 统一 frontmatter Markdown。自动区分图文与视频： 图文下载图片本地嵌入，视频提取直链转成文字稿。无需登录（走官方嵌入端点）。
小红书笔记采集 → 统一 frontmatter Markdown → 爆款拆解 + 衍生选题。 支持笔记链接和 xhslink 短链；爆款拆解按「人群×场景×痛点×情绪×钩子」生成可复用选题。
哔哩哔哩视频 → 下载 → 转录 → 存为 Markdown 的完整工作流。 支持 BV 号和完整链接，无需登录。
内容加工：给任意采集产物（转录稿 / 文章 / 笔记）自动补「摘要 + 要点 + 标签 + 价值判断」， 写进 frontmatter 并在正文顶部插入摘要块。是「加工层」通用能力，惠及仓库所有采集 skill。
抖音视频 → 下载 → 转录 → 存为 Markdown 的完整工作流。 支持短链接和完整链接，无需 cookie/登录。
| name | learning-notes-automation |
| description | 学习笔记自动化：视频/播客转录 → 知识点提取 → 闪卡生成 → 知识图谱更新。触发词：学习笔记、闪卡、Anki、知识提取、视频学习 |
| triggers | ["学习笔记","闪卡","Anki","知识提取","视频学习","提取知识点"] |
| version | 1 |
| created | "2026-06-02T00:00:00.000Z" |
| tags | ["learning","notes","anki","knowledge-extraction"] |
被动学习 → 主动记忆：看视频 ≠ 学会，生成闪卡 = 记住
| 输入类型 | 工具 | 输出格式 |
|---|---|---|
| YouTube 视频 | youtube-transcribe | 转录文本 |
| B站视频 | bilibili-transcribe | 转录文本 |
| 播客 | podcast-transcribe | 转录文本 |
| 抖音 | douyin-transcribe | 转录文本 |
| 公众号文章 | wechat-article-ingest | Markdown |
复用本仓库的转录 skill（相对路径，按需替换为你的安装位置）：
# YouTube（自动翻译）
python3 ../youtube-transcribe/scripts/transcribe.py "https://youtube.com/watch?v=xxx" -o ./
# B站
python3 ../bilibili-transcribe/scripts/transcribe.py "https://bilibili.com/video/xxx" ./
# 播客
python3 ../podcast-transcribe/scripts/transcribe.py "https://xiaoyuzhoufm.com/episode/xxx" ./
输出是一份转录 Markdown，作为 Phase 2 的输入。
把转录稿交给 make_notes.py，自动提取知识点并生成 Anki 兼容闪卡：
export DEEPSEEK_API_KEY=***
python3 scripts/make_notes.py 转录稿.md --output ./notes --max-cards 20
# 产出：<标题>-学习笔记.md（核心要点+闪卡+关联知识） 和 <标题>-闪卡.csv（直接导入 Anki）
脚本用 DeepSeek 输出结构化 JSON，再渲染成下面约定的笔记与闪卡格式。 下面是各维度的设计说明，供理解和手动微调时参考。
提取维度：
核心概念（必须掌握）
关键事实（需要记忆）
方法论（可以复用）
金句/洞察（值得引用）
闪卡格式（Anki 兼容）：
## 闪卡类型
### 1. 概念卡（Cloze Deletion）
Q: {{c1::Transformer}} 架构的核心机制是 {{c2::自注意力（Self-Attention）}}
A: Transformer, 自注意力（Self-Attention）
### 2. 问答卡（Basic）
Q: 什么是 RAG？
A: Retrieval-Augmented Generation，检索增强生成。通过检索外部知识库来增强 LLM 的回答能力，解决幻觉问题。
### 3. 对比卡（Comparison）
Q: Fine-tuning vs RAG 的区别？
A:
| 维度 | Fine-tuning | RAG |
|------|-------------|-----|
| 成本 | 高（需要训练） | 低（只检索） |
| 更新 | 需要重新训练 | 实时更新 |
| 适用 | 特定任务 | 知识问答 |
### 4. 步骤卡（Process）
Q: 如何构建一个 RAG 系统？
A:
1. 文档分块（Chunking）
2. 向量化（Embedding）
3. 存入向量数据库
4. 检索相关片段
5. 拼接 Prompt
6. LLM 生成回答
实体提取：
关系映射：
发明了：人物 → 概念/工具属于：概念 → 领域替代了：新工具 → 旧工具依赖于：概念 → 概念输出到知识库：
---
title: [概念名]
type: knowledge-card
platform: learning
tags: [学习, AI, ...]
source: [[视频/播客链接]]
created: YYYY-MM-DD
---
# [概念名]
## 定义
一句话定义
## 核心要点
1. ...
2. ...
3. ...
## 关联概念
- [[概念A]]：关系说明
- [[概念B]]：关系说明
## 应用场景
- 场景1：...
- 场景2：...
## 闪卡
（Anki 格式的闪卡内容）
# 符号分隔格式，可直接导入 Anki
"问题","答案","标签"
"什么是 Transformer?","一种基于自注意力机制的深度学习架构，广泛用于 NLP 任务","AI,深度学习"
# [视频标题] - 学习笔记
**来源**：[链接]
**日期**：YYYY-MM-DD
**时长**：XX 分钟
**领域**：AI / 半导体 / ...
---
## 📝 核心要点
### 要点 1：[标题]
- 摘要：...
- 重要性：⭐⭐⭐⭐⭐
### 要点 2：[标题]
- 摘要：...
- 重要性：⭐⭐⭐⭐
---
## 🃏 闪卡（XX 张）
### 概念卡
1. Q: ... A: ...
2. Q: ... A: ...
### 问答卡
1. Q: ... A: ...
---
## 🔗 关联知识
- [[概念A]]：...
- [[概念B]]：...
---
## 💡 个人思考
（基于内容的个人见解和应用想法）
存入：wiki/📖 行业研究/[领域]/[概念名].md
# 每周日整理本周学习内容
schedule: "0 20 * * 0"
prompt: "整理本周的所有学习笔记，生成周学习报告"
用户：帮我把这个视频做成学习笔记
https://youtube.com/watch?v=xxx
Agent：
1. 转录视频
2. 提取 15 个知识点
3. 生成 20 张闪卡
4. 更新知识图谱
5. 输出 Anki 文件 + Markdown 笔记