学习笔记自动化
核心价值
被动学习 → 主动记忆：看视频 ≠ 学会，生成闪卡 = 记住
输入源
| 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 |
工作流程
Phase 1: 内容转录
复用本仓库的转录 skill（相对路径，按需替换为你的安装位置）：
bash# 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。
Phase 2 + 3: 知识点提取 + 闪卡生成（一步到位）
把转录稿交给 make_notes.py，自动提取知识点并生成 Anki 兼容闪卡：
bashexport 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）
- 定义
- 原理
- 应用场景
-
关键事实（需要记忆）
- 数据
- 时间线
- 人物/公司
-
方法论（可以复用）
- 步骤
- 框架
- 最佳实践
-
金句/洞察（值得引用）
- 精辟总结
- 独特观点
Phase 3: 闪卡生成
闪卡格式（Anki 兼容）：
markdown## 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
Phase 4: 知识图谱更新
实体提取：
- 人物（Who）
- 概念（What）
- 工具/产品（Tool）
- 方法论（How）
- 时间（When）
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：
markdown--- 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）
输出格式
1. Anki 闪卡文件
csv# 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"
2. 学习笔记 Markdown
markdown# [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）
3. 知识库条目
存入：wiki/📖 行业研究/[领域]/[概念名].md
Cron 配置（可选）
yaml# 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"
使用示例
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
反模式
- ❌ 不要只提取不消化，必须有个人思考
- ❌ 不要生成太多闪卡，质量 > 数量（单视频 15-30 张）
- ❌ 不要忽略知识关联，孤立的知识容易遗忘
- ✅ 闪卡必须可独立理解（不依赖上下文）
- ✅ 每张闪卡只有一个知识点（原子性）
- ✅ 优先生成「为什么」和「怎么做」的卡，而非「是什么」
