content-enrich

name	content-enrich
description	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。
category	content
triggers	["给这篇笔记加摘要","提炼要点和标签","加工一下采集的内容","批量给知识库补摘要"]
version	1.0.0
tags	["content","enrich","summary","tagging","knowledge-base"]

内容加工（Content Enrich）

采集进来的转录稿、文章往往是大段原始文本，没人愿意回头看。这个 skill 给任意采集产物 自动补上可快速消化的元信息——它是「加工层」的通用能力，配合仓库里所有采集 skill 使用。

环境要求

# 零 pip 依赖（仅 Python 标准库）
export DEEPSEEK_API_KEY="your-api-key"   # 必需，用于提炼

使用方法

python scripts/enrich.py 某篇笔记.md              # 就地增强单篇
python scripts/enrich.py ./vault/外部输入/         # 批量增强整个目录下的 .md
python scripts/enrich.py 某篇.md --output ./out    # 不改原文件，输出到 out/
python scripts/enrich.py 某篇.md --force           # 已加工过的重新加工

产出

在原 Markdown 上（原内容完整保留）：

• frontmatter 注入：summary（一句话总结）、domain（领域）、auto_tags（标签列表）、enriched: true
• 正文顶部插入 ## 📝 摘要 区块：一句话 TL;DR、3-5 条要点、「值得深读？」判断、标签

幂等：默认跳过已加工（enriched: true）的文件，可 --force 重做。

为什么有用

• 盘活采集产物：转录稿 / 文章一眼能看懂讲了啥、值不值得深读
• 便于知识库聚合：auto_tags / domain 进 frontmatter，Obsidian Dataview 可直接按标签 / 领域聚合
• 一处投入，惠及全部：抖音 / B站 / 小红书 / X / 公众号 …… 任何采集产物都能加工

衔接工作流

采集（任意 *-ingest / *-transcribe skill）
  → content-enrich（补摘要 + 要点 + 标签）
  → knowledge-base-management 入库（按 auto_tags / domain 聚合检索）

参考

• DeepSeek — 提炼用 LLM