Menu
自然语言接口，理解用户意图并映射到对应的命令
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | nlp-interface |
| description | 自然语言接口，理解用户意图并映射到对应的命令 |
| trigger | [{"auto":true}] |
| priority | highest |
| version | 1 |
智能自然语言接口，理解用户的日常语言并自动映射到对应的斜杠命令，让知识管理更自然、更高效。
NLP Interface 是一个自动触发的智能接口层，位于用户和命令系统之间：
用户输入 → NLP Interface → 意图识别 → 命令映射 → 执行命令
↓ ↓ ↓ ↓
"记笔记" 识别为添加 /kb-add 执行添加
核心能力：
检测用户输入:
IF 输入以 "/" 开头:
→ 不处理，交给原有命令系统
ELSE:
→ 进入意图识别流程
意图分类（6大类）:
1. 添加知识意图
关键词: "记", "添加", "学习", "了解", "保存", "记录"
映射命令: /kb-add
2. 搜索查找意图
关键词: "找", "搜索", "查", "看看", "有没有", "关于"
映射命令: /kb-search
3. 编辑修改意图
关键词: "修改", "更新", "编辑", "改", "补充", "添加内容"
映射命令: /kb-edit
4. 学习复习意图
关键词: "测试", "测验", "练习", "复习", "回顾", "教我", "讲解"
映射命令: /kb-quiz, /kb-review, /kb-teach
5. 导入内容意图
关键词: "保存这个网页", "抓取", "导入", "从URL", "从PDF"
映射命令: /kb-from-url, /kb-from-pdf, /kb-from-image
6. 网络搜索意图
关键词: "搜索资料", "网上找", "Google一下", "查资料", "找资料"
映射命令: /kb-search-web
置信度评估:
高置信度 (>90%):
→ 直接执行命令
中置信度 (70-90%):
→ 显示确认信息
→ "我要执行: [命令]，确认吗？(回车确认 / n取消)"
低置信度 (<70%):
→ 询问澄清
→ 显示选项列表
→ "你想做什么？1. 搜索 2. 添加 3. 测试"
从自然语言提取命令参数:
标题提取:
- 从引号内提取: "标题: React Hooks"
- 从冒号后提取: "学习: useState"
- 核心名词短语: "React Hooks学习笔记"
标签提取:
- "标签: xxx" → ["xxx"]
- "带tag xxx" → ["xxx"]
- "#xxx" → ["xxx"]
- 从内容中识别关键词
分类提取:
- "学习笔记" → learning-note
- "代码" → code-snippet
- "项目" → project-doc
- "研究" → research-note
其他参数:
- 时间: "最近", "这个月" → --after=DATE
- 难度: "简单", "困难" → --difficulty=LEVEL
- 数量: "5个", "前10" → --count=N
上下文管理（最近10轮对话）:
代词解析:
"它" → 最近提到的主体
"这个" → 最近操作的对象
"那个" → 前一轮提到的对象
"第一条" → 上次搜索结果的第1个
话题追踪:
- 持续时间: 30分钟内视为同一话题
- 主题延续: "再搜索XXX"（在当前话题内细化）
- 话题切换: "现在搜索Python"（清空上下文）
参考解析:
"修改它" → /kb-edit [last_id]
"关联这个" → /kb-link [last_id] [current_id]
构建完整命令并执行:
1. 构建命令字符串:
intent = "kb-add"
params = {"title": "React Hooks", "tags": ["react"]}
command = f"/{intent} \"{params['title']}\" --tags={','.join(params['tags'])}"
2. 传递给命令系统:
执行构建的命令
3. 返回结果给用户:
显示命令输出
保存到对话历史
触发模式：
"记一条笔记"
"添加知识"
"学习XXX"
"了解XXX"
"记录XXX"
"保存笔记"
示例对话：
用户: "记一条React Hooks学习笔记"
系统:
意图: kb-add
提取:
- 标题: "React Hooks学习笔记"
- 类型: learning-note
- 标签: [react, hooks] (智能推荐)
执行: /kb-add "React Hooks学习笔记" --type=learning-note --tags=react,hooks
触发模式：
"找XXX"
"搜索XXX"
"查XXX"
"看看XXX"
"有没有XXX"
"关于XXX的笔记"
示例对话：
用户: "找useState相关内容"
系统:
意图: kb-search
提取:
- 查询词: "useState"
- 过滤: 无
执行: /kb-search useState
触发模式：
"修改XXX"
"更新XXX"
"编辑XXX"
"改XXX"
"给XXX补充"
"修改第一条"
"更新刚才那个"
示例对话：
用户: "修改刚才那条笔记"
系统:
意图: kb-edit
上下文:
- 上次操作: 搜索结果
- 最近ID: 2026-01-04-105815
执行: /kb-edit 2026-01-04-105815
触发模式：
"测试XXX"
"测验XXX"
"练习XXX"
"复习今天"
"回顾最近"
"教我XXX"
"讲解XXX"
示例对话：
用户: "测试React部分"
系统:
意图: kb-quiz
提取:
- 主题: "React"
- 难度: medium (默认)
执行: /kb-quiz "React" --difficulty=medium
触发模式：
"保存这个网页: URL"
"导入PDF"
"抓取URL"
"从URL导入"
"从PDF提取"
示例对话：
用户: "保存https://react.dev这篇文章"
系统:
意图: kb-from-url
提取:
- URL: "https://react.dev"
执行: /kb-from-url https://react.dev
触发模式：
"搜索XXX资料"
"网上找XXX"
"Google一下XXX"
"查XXX的资料"
"找XXX的学习资源"
示例对话：
用户: "搜索React性能优化最新资料"
系统:
意图: kb-search-web
提取:
- 查询: "React性能优化"
- 约束: ["最新"]
执行: /kb-search-web "React性能优化" --time=recent
{
"sessionId": "2026-01-04-session-001",
"startTime": "2026-01-04T14:30:00Z",
"lastActivity": "2026-01-04T14:35:22Z",
"turnCount": 5,
"currentTopic": "React Hooks",
"recentContext": {
"lastCommand": "kb-search",
"lastQuery": "useState",
"lastIds": ["2026-01-04-105815", "2026-01-04-105644"],
"lastResult": "3个结果"
},
"turns": [
{
"turnId": 1,
"timestamp": "2026-01-04T14:30:05Z",
"userInput": "找React笔记",
"intent": "kb-search",
"confidence": 0.92,
"executedCommand": "/kb-search React"
},
...
]
}
代词解析规则:
"它" → 指向最近操作的主体
例: "修改它" → 修改上次搜索/编辑的条目
"这个" → 指向当前讨论的对象
例: "这个不错" → 当前查看的条目
"那个" → 指向前一轮的对象
例: "那个呢？" → 前一轮提到的另一个对象
"第一条" → 指向列表中的第1个
例: "修改第一条" → 上次搜索结果的第1条
"刚才那个" → 指向上一次操作的对象
例: "再搜索刚才那个" → 继续细化搜索
当意图不明确时:
示例1: 单词输入
用户: "React"
系统:
"你想要对React做什么？
1. 搜索相关笔记
2. 添加新笔记
3. 测试相关知识
4. 学习React
请回复数字或详细描述。"
示例2: 多种可能
用户: "Hooks"
系统:
"我找到了几种可能:
1. 搜索: React Hooks相关笔记
2. 添加: 添加Hooks学习笔记
3. 测试: Hooks知识测验
请告诉我具体需求。"
学习维度:
1. 标签偏好
观察: 最近10次添加笔记，8次使用"frontend"
学习: 默认建议标签包含"frontend"
2. 分类偏好
观察: 70%的笔记在"learning"分类
学习: 默认分类设为"learning"
3. 格式偏好
观察: 用户经常使用详细格式查看搜索结果
学习: 默认使用 --format=detailed
4. 时间偏好
观察: 用户多在下午2-5点学习新知识
学习: 下午主动建议学习资源
应用偏好到命令:
用户: "记一条笔记"
系统应用:
- 默认分类: learning (从偏好中获取)
- 推荐标签: [react, hooks] (基于上下文)
- 默认模板: learning-note
输出: "我要添加一条学习笔记
建议标签: react, hooks (基于最近话题)
要修改吗？(回车确认 / 输入新标签)"
在命令执行完成后触发建议:
添加知识后:
- 发现相关条目 (相似度>80%)
- 建议创建关联
- 建议开始学习计划
搜索后:
- 建议细化搜索
- 建议学习路径
- 推荐相关主题
测验后:
- 显示薄弱环节
- 建议针对性复习
- 推荐练习资源
{
"nlp": {
"enabled": true,
"confirmThreshold": 0.7,
"contextWindow": 10,
"sessionTimeout": 1800,
"maxHistory": 100
},
"preferences": {
"autoLearn": true,
"suggestAfterCommand": true,
"showConfidence": false
}
}
# 对话开始
用户: "找React笔记"
系统: [执行 /kb-search React]
找到 3 个相关条目...
用户: "修改第一条"
系统: [从上下文解析 ID: 2026-01-04-105815]
[执行 /kb-edit 2026-01-04-105815]
用户: "补充useEffect的内容"
系统: [识别为编辑操作，保持当前ID]
请输入要补充的内容...
用户: "测试一下React"
系统: [执行 /kb-quiz "React" --difficulty=medium]
# 30分钟后，新会话开始
用户: "搜索useState"
系统: [新会话，清空上下文]
[执行 /kb-search useState]
优化策略:
1. 意图识别缓存
- 常见输入模式缓存
- 避免重复计算
2. 对话历史压缩
- 只保留关键信息
- 定期清理过期会话
3. 异步处理
- 偏好学习异步执行
- 不阻塞主流程
错误处理策略:
1. 意图识别失败
→ 询问用户具体需求
→ 提供命令列表
2. 参数提取失败
→ 使用默认值
→ 询问用户确认
3. 命令执行失败
→ 显示原始错误
→ 建议正确的命令格式
4. 上下文丢失
→ 提示用户重新指定
→ 提供历史记录
调试模式输出:
当 showConfidence=true 时:
用户: "记笔记"
系统: [DEBUG]
意图: kb-add
置信度: 0.85
提取参数: {title: null, tags: []}
构建命令: /kb-add
状态: 需要澄清
请提供标题和内容...
协作组件:
1. Knowledge Manager
- 添加知识后触发
- 接收标签和关联建议
2. Suggestion Engine
- 接收操作上下文
- 返回智能建议
3. Search Assistant
- 网络搜索触发
- 返回整理结果
4. User Preferences
- 读取用户偏好
- 更新使用统计