learning-notes-automation

name learning-notes-automation description 学习笔记自动化：视频/播客转录 → 知识点提取 → 闪卡生成 → 知识图谱更新。触发词：学习笔记、闪卡、Anki、知识提取、视频学习 triggers ["学习笔记","闪卡","Anki","知识提取","视频学习","提取知识点"] version 1 created 2026-06-02T00:00:00.000Z tags ["learning","notes","anki","knowledge-extraction"] 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）： # 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： export 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）： ## 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 ： --- 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 # 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 # [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） # 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」