note-meta-skill

name	note-meta-skill
description	从公域知识萃取方法论并封装为 Skill。通过 NotebookLM Deep Research 搜索优质内容，提炼工作流、原则、模板，自动生成标准化技能。触发词：/note-meta-skill, 从知识创建技能, 知识萃取, 元技能

Note Meta Skill (知识萃取器)

从公域互联网或用户提供的文档中萃取优质知识，提炼出工作流、方法论、原则等核心内容，自动封装为标准化的 Skill。

前提条件

1. NotebookLM Skill 已安装：本技能依赖 notebooklm 技能进行知识收集
2. Skill Creator 可用：用于最终的技能封装
3. 已完成 NotebookLM 登录：notebooklm login

代理配置（中国大陆必需）

在所有 notebooklm 命令前设置代理：

$env:HTTP_PROXY="http://127.0.0.1:7890"
$env:HTTPS_PROXY="http://127.0.0.1:7890"

登录注意事项

⚠️ notebooklm login 完成后，必须回到终端按 ENTER 键才能保存认证状态。

常见问题速查

问题	解决方案
All connection attempts failed	设置 HTTP_PROXY/HTTPS_PROXY
登录后仍报 Auth expired	登录后必须按 ENTER
TargetClosedError	设置 $env:NOTEBOOKLM_HOME="~/.notebooklm_fix" 切换新目录

工作流

用户输入 (主题/URL/文档)
        ↓
  阶段1: 知识收集
        ↓
  阶段2: 知识萃取
        ↓
   ★ 确认点 ★
        ↓
  阶段3: Skill 封装
        ↓
      交付 Skill

---

阶段 1: 知识收集

步骤 1.1: 明确目标

询问用户：

• 主题："你想从哪个领域/主题萃取知识？"
• 来源："你有现成的文档/URL 吗？还是需要 AI 帮你搜索？"
• 期望输出："你希望生成什么类型的 Skill？（工作流指导 / 方法论参考 / 自动化脚本）"

步骤 1.2: 创建 NotebookLM 笔记本

notebooklm create "知识萃取: [主题名称]"

步骤 1.3: 收集知识来源

方式 A - AI 自主搜索（Deep Research）：

notebooklm source add-research "[搜索查询]" --mode deep --no-wait
notebooklm research wait --import-all

方式 B - 用户提供来源：

# 添加 URL
notebooklm source add "https://..."

# 添加本地文件
notebooklm source add ./document.pdf

方式 C - 混合模式（推荐）： 先添加用户文档，再用 Deep Research 补充搜索。

步骤 1.4: 验证来源就绪

notebooklm source list --json

确认所有 source 的 status = READY 后继续。

---

阶段 2: 知识萃取

使用结构化提问从 NotebookLM 中萃取核心知识。

萃取维度

按顺序执行以下提问（完整 Prompt 见 extraction_prompts.md）：

维度	目的	核心问题
Workflow	提取步骤化流程	"这套方法的完整工作流是什么？每一步具体做什么？"
Principles	提取核心原则/方法论	"背后的核心原则是什么？为什么要这样做？"
Templates	提取可复用模板	"有没有可以直接复用的模板、框架或清单？"
Scripts	探测是否有脚本	"有没有涉及代码、脚本或自动化工具？"

执行萃取

# 依次执行萃取提问
notebooklm ask "[Workflow 萃取 Prompt]" --json
notebooklm ask "[Principles 萃取 Prompt]" --json
notebooklm ask "[Templates 萃取 Prompt]" --json
notebooklm ask "[Scripts 萃取 Prompt]" --json

整理萃取结果

将所有萃取结果整理为结构化文档，格式如下：

# 知识萃取报告: [主题名称]

## Workflow (工作流)
1. 步骤1: ...
2. 步骤2: ...

## Principles (核心原则)
- 原则1: ...（解释 Why）
- 原则2: ...

## Templates (模板)
[如有]

## Scripts (脚本)
[如有，提取代码；如无，标注"无"]

---

★ 确认点 ★

暂停并向用户展示萃取结果，确认：

1. 萃取内容是否准确、完整？
2. 有无需要补充或修改的地方？
3. 确认后继续进行 Skill 封装。

---

阶段 3: Skill 封装

步骤 3.1: 确定 Skill 元信息

根据萃取结果确定：

• name：小写 + 连字符，如 writing-master
• description：[动作] + [场景] + [触发词]
• 类型：工作流指导 / 方法论参考 / 自动化脚本

步骤 3.2: 创建目录结构

mkdir -p ~/.gemini/antigravity/Skills/[skill-name]/references

步骤 3.3: 生成 SKILL.md

使用 skill_template.md 作为基础模板，填入：

• Frontmatter：name, description
• 概述：Skill 用途说明
• 工作流：从 Workflow 萃取结果生成
• 核心原则：从 Principles 萃取结果生成
• 模板/参考：链接到 references/ 目录
• 示例：提供 1-2 个使用场景

步骤 3.4: 填充 references/

根据萃取内容创建：

• principles.md：详细方法论
• templates.md：可复用模板
• [其他].md：按需添加

步骤 3.5: 处理 Scripts（如有）

如果萃取结果包含脚本：

mkdir -p ~/.gemini/antigravity/Skills/[skill-name]/scripts

将脚本代码保存到 scripts/ 目录。

---

输出清单

最终交付物：

[skill-name]/
├── SKILL.md              # 主技能文件
├── references/           # 参考资料
│   ├── principles.md     # 核心原则（如有）
│   └── templates.md      # 模板（如有）
└── scripts/              # 脚本（如有）

---

示例

用户请求："我想学习这位写作博主的方法，帮我做成一个 Skill"

执行流程：

1. 创建笔记本 notebooklm create "知识萃取: 写作方法论"
2. 添加博主文章 URL
3. Deep Research 补充搜索 "写作技巧 方法论"
4. 萃取 Workflow, Principles, Templates
5. 用户确认萃取结果
6. 生成 writing-master/SKILL.md
7. 交付技能

---

注意事项

• 质量优于速度：宁可多轮萃取，不要漏掉关键内容
• 动态 Scripts：不强制要求脚本，有则纳入，无则省略
• 语言风格：生成的 Skill 应为中文，符合用户习惯