Skip to main content

server-digest

消化服务器上的学习记录。当用户提供来自远程服务器的 md 文件或文本内容(AI 对话记录、 开发调试日志、学习总结等),智能分类并存入本地 Obsidian 知识库,可选同步到 iwiki。 触发词:整理、记录、消化、归档、ingest、digest + 服务器/学习/笔记/对话。

来源信息

仓库
sss-hust/skills
最近来源活动
2026年5月5日 13:45
检测到的 SKILL.md 语言
中文
星标
1
分支
0

安装方式

默认使用会先检查来源的 Prompt;你也可以切换为直接命令,或下载本地副本。

检查来源文件

决定是否安装前,请先阅读 SKILL.md,以及 SkillsMP 当前展示的配套文件。

正在显示 SKILL.md

SKILL.md
来源说明 · 只读预览
name
server-digest
description
消化服务器上的学习记录。当用户提供来自远程服务器的 md 文件或文本内容(AI 对话记录、 开发调试日志、学习总结等),智能分类并存入本地 Obsidian 知识库,可选同步到 iwiki。 触发词:整理、记录、消化、归档、ingest、digest + 服务器/学习/笔记/对话。
# server-digest - 服务器学习记录消化器 > 将远程服务器上产生的学习记录(AI 对话、调试日志、学习总结)智能归档到本地知识库,并可选同步到 iwiki。 ## 触发条件 当用户的输入包含以下意图时激活此 skill: - "整理一下这个"/"帮我记录"/"消化这段"/"归档" + 内容或文件 - 用户明确提到来自服务器/远程的学习记录 - 用户提供了包含技术学习内容的 md 文件路径或粘贴内容 ## 输入格式 两种输入方式: 1. **文件路径**: 用户提供本地文件路径(如 `/tmp/xxx.md` 或拖入的文件) 2. **粘贴内容**: 用户直接在对话中粘贴 markdown 内容 ## 处理流程 ### Step 1: 读取内容 如果是文件路径,读取文件内容。如果是粘贴内容,直接使用。 ### Step 2: 智能分类 分析内容特征,确定归档类型: | 内容特征 | 分类 | 目标目录 | 文件名格式 | |----------|------|----------|------------| | 技术概念学习、AI对话提炼、框架理解 | note | `05-resources/notes/` | `主题-子主题.md` | | 结构完整、有深度、适合发布 | blog | `05-resources/blog/` | `YYYYMMDD-slug.md` | | 调试记录、每日开发进度 | daily | `02-daily/YYYY/MM/` | `YYYY-MM-DD-日记.md`(追加) | | 项目相关的阶段性记录 | project | `03-projects/项目名/` | 按项目组织 | | 零散想法、未成形的灵感 | inbox | `01-inbox/` | `YYYYMMDD-HHMMSS-描述.md` | **分类判断规则:** - 有清晰的知识结构(概念→原理→示例)→ **note** - 内容 >1000 字且逻辑完整 → 考虑 **blog**(需用户确认) - 包含"今天"/"调试"/"修复"/"部署" → **daily/project** - 很短/很碎/无结构 → **inbox** ### Step 3: 向用户确认分类 向用户展示分析结果: ``` 📋 内容分析: - 主题: [识别出的主题] - 类型: [note/blog/daily/project/inbox] - 建议标题: [生成的标题] - 建议标签: [tag1, tag2, ...] - 目标位置: [目标路径] 确认归档?还是调整分类? ``` ### Step 4: 内容处理 根据类型进行不同程度的处理: - **note**: 如果原文已经写得好(有段落叙述、有思考过程、有干货),保留原样只补 frontmatter。如果原文过于碎片化或结构混乱,则**用段落式写作重新组织**——像给朋友讲故事一样展开,保留核心代码和关键洞察,去掉对话中的废话和重复。绝不要把好的叙述压缩成干巴巴的要点列表。 - **blog**: 在 note 的基础上进一步润色,补充引言和背景、让外人也能看懂,中文撰写,1500-4000 字。风格参考优质技术博客(有人味、有故事线、有代码解析),而不是教科书或文档。 - **daily**: 追加到当日日记的"随记"部分 - **project**: 追加到对应项目目录 - **inbox**: 最少加工,快速存入 ### Step 5: 写入本地知识库 使用 MCP obsidian 工具(`mcp__obsidian__write_note`)写入文件,遵循 CLAUDE.md 中的命名规范和 frontmatter 标准。 ### Step 6: 询问 iwiki 同步 ``` ✅ 已存入本地: [文件路径] 是否同步到 iwiki? 1. 同步到「学习记录」 2. 同步到「工作日志」 3. 不同步 ``` ### Step 7: 同步到 iwiki(如果选择同步) ```bash # 学习记录 iwiki-cli create --parent 4020235897 --title "标题" --body-file /tmp/content.md --space "~xxsyang" # 工作日志 iwiki-cli create --parent 4020235583 --title "标题" --body-file /tmp/content.md --space "~xxsyang" ``` iwiki 智能分配规则: - 技术学习(note/blog)→ 学习记录 (parentid: 4020235897) - 工作相关(daily/project)→ 工作日志 (parentid: 4020235583) ## iwiki 配置 ``` 空间 Key: ~xxsyang 空间 ID: 4020150193 根文档 ID: 4020150195 学习记录目录 ID: 4020235897 工作日志目录 ID: 4020235583 ``` ## 环境依赖 - `iwiki-cli`: PATH 中可用,TOKEN 通过 `$IWIKI_TOKEN` 或 `$TAI_PAT_TOKEN` 提供 - MCP obsidian: 通过 MCPVault 连接本地 vault `/Users/wobushi/yangfu` ## Frontmatter 模板 ```yaml --- title: "自动生成的标题" date: YYYY-MM-DDTHH:MM:SS+08:00 updated: YYYY-MM-DDTHH:MM:SS+08:00 tags: [自动提取的标签] categories: [分类] type: note|blog|daily|project|inbox status: draft description: "一句话描述" source: server # 标记来源为服务器 --- ``` ## 示例用法 **用户**: "帮我整理一下这个" + 粘贴了一段关于 vllm DP 的 AI 对话 **Claude**: ``` 📋 内容分析: - 主题: vllm 数据并行 (DP) 机制 - 类型: note(技术概念学习) - 建议标题: vllm-数据并行机制 - 建议标签: [vllm, DP, 并行计算, 推理框架] - 目标位置: 05-resources/notes/vllm-数据并行机制.md 确认归档? ``` **用户**: "确认" **Claude**: ``` ✅ 已存入本地: 05-resources/notes/vllm-数据并行机制.md 是否同步到 iwiki? 1. 同步到「学习记录」 2. 同步到「工作日志」 3. 不同步 ``` **用户**: "1" **Claude**: ``` ✅ 已同步到 iwiki「学习记录」 URL: https://iwiki.woa.com/p/xxxxxxx ```
在 GitHub 查看