name: omni-note-forge
slug: omni-note-forge
version: 1.1.0
displayName: "阿拉丁·多源智能摘要·知识卡片工坊（Anki+思维导图+复盘闭环）"
summary: 多源摘要一键变成可复习的知识卡片（Anki复习卡/思维导图/Markdown/HTML看板/CSV），独有复盘反哺闭环越用越懂你；零API本地离线，数据不出本机，读书笔记/文献卡片/会议纪要/课程复习首选。
description: 把网页链接、剪贴长文、本地多文档与对话记录统一变成可复习的知识资产：自动生成结构化知识卡片（摘要+关键词+核心问答+行动项），一键导出 Anki 复习卡、思维导图、Markdown 笔记、HTML 看板与 CSV 卡片库；内置零 API 本地抽取式摘要兜底，断网也能跑。独有复盘反哺闭环——把你每次实际用到的卡片类型、导出格式与反复关心的主题沉淀为本地验证库，下次自动按你的习惯加权关键词、推荐卡片布局，越整理越懂你，读书笔记、文献卡片、会议纪要、课程复习、知识管理场景首选。
category: 知识管理
license: MIT
platforms:
- WorkBuddy
- QClaw
- ima
homepage: https://skillhub.cn
author: adam
tags:
- 智能摘要
- 知识卡片
- 读书笔记
- 文献卡片
- Anki
- 复习卡
- 间隔复习
- 闪卡
- 思维导图
- 知识管理
- 个人知识库
- 第二大脑
- PKM
- 多源摘要
- 会议纪要
- 学习笔记
- 课程复习
- 论文笔记
- 网页摘要
- Markdown导出
- 网页剪藏
- summarize
- knowledge-cards
- flashcard
- spaced-repetition
- note-taking
- study-notes
- meeting-notes
- summary-cards
- markdown-export
- knowledge-management
- second-brain
- zettelkasten
- obsidian导入
- notion导入
- 飞书多维表格
- csv卡片库
- html看板
- anki牌组
- 长文提炼
- 文章变笔记
- 碎片信息整理
- 本地离线
- 零API
- 数据不出本机
- 抽取式摘要
- 语义摘要
- 知识密度
- 阅读时长
- 复盘反哺
- 验证库
- 越整理越懂你
- 偏好沉淀
- 工作流闭环
- 知识图谱
- 多文档聚合
- 跨文档总览
多源智能摘要·知识卡片工坊（omni-note-forge）
这是什么
常见的纯摘要类工具只能"把长文压成一段摘要"。但读完摘要，你还是记不住、用不上——没有问答、没有复习、没有可迁移的结构。
本技能把"摘要"往前推一步，做成知识资产的流水线：
> 多源输入（网页 / 长文 / 多文档 / 对话记录）→ 统一归一 → 结构化知识卡片（摘要 + 关键词 + 核心问答 + 行动项）→ 一键导出 Anki 复习卡 / 思维导图 / Markdown 笔记 / HTML 看板 / CSV 卡片库。
和纯摘要工具的一句话差异：它给你一段摘要，本技能给你一套能复习、能导入、能讲给别人听的卡片，还会越用越懂你。内置本地抽取式摘要兜底，断网也能跑基础版，不需要任何 API Key。
什么时候用
- 你说"帮我总结这篇文章""把这段长文提炼成笔记""整理一下这份资料"
- 把收藏夹里吃灰的网页、PDF 导出的 txt、会议录音转写稿、课程视频字幕变成可复习卡片
- 做读书笔记 / 文献卡片 / 论文要点 / 竞品调研纪要，想沉淀成 Anki 牌组长期记忆
- 需要把零散信息结构化后导出给团队（CSV 进 Excel/Notion，HTML 发群里）
- 想生成一份思维导图大纲去做汇报或复盘
何时不触发
- 用户只要"翻译"或"改写润色"单句文本——那是 humanizer / 文本改写类技能的事
- 用户要"代写论文 / 代写文章"——本技能是整理与内化，不是原创代笔
- 用户要"实时联网搜索最新新闻"——本技能处理已给到你的内容，不主动爬全网（那属于热点采集类技能的事）
- 用户要"画架构图 / 流程图"等工程图——那是 diagram 类技能，本技能只出知识层级思维导图
- 用户给的是二进制 PDF 原文件且无法导出文本——请先导出为 txt/md（见 references/sources.md）
- 用户的文本不足 50 字且无明显结构——摘要价值低，建议直接回答而非走流水线
能力边界
能做：
- 多源统一归一：网页 URL、剪贴长文、本地 .txt/.md/.json/.csv/.html 文件、整目录批量、对话记录片段
- 结构化卡片：抽取式摘要（本地）+ 关键词 + 核心问答对 + 行动项（由模型语义补全）
- 五种导出：Anki 复习卡（Q::A 导入格式）、Markdown 笔记、HTML 看板、CSV 卡片库、Markdown 思维导图
- 零 API 本地兜底：断网也能产出基础摘要与关键词；联网/有模型时自动升级为语义级卡片
- 多文档交叉：批量输入时按主题聚合关键词，生成跨文档总览
不能做：
- 不主动联网抓取你没提供的实时内容（尊重隐私与离线优先）
- 不能解析二进制 PDF 的版面（需先导出纯文本，见 sources.md）
- 不能替代真人理解与判断——问答卡是辅助记忆，重要结论请人工核对
- 不保证摘要"绝对无遗漏"——抽取式兜底版尤甚，语义版更准确
- 不绕过 skillhub 安全审核，发布/打包失败必须修复后再继续
触发词
智能摘要、知识卡片、读书笔记、文献卡片、Anki 复习卡、把文章变成笔记、整理资料、提炼要点、会议纪要卡片、课程复习、学习笔记、网页摘要、多源摘要、思维导图大纲、知识管理、note forge、summary cards
核心能力（统一多源 + 本地增值）
- 统一多源：网页 / 长文 / 多文档 / 对话，一份结构归一，不用在五个工具间来回切。
- 结构化卡片：不止"摘要"，而是 摘要 + 关键词 + 核心问答 + 行动项 四件套，从"知道"到"能用"。
- 本地增值（不联网、不上传）：
- 抽取式摘要：句子频度打分取Top，断网可用
- 关键词抽取：中英混合（CJK 二元组 + ASCII 词），自动去停用词
- 阅读时长估算、知识密度提示 - 可复习闭环：导出 Anki 牌组，把"看过"变成"记住"——这是纯摘要工具完全没有的能力。
- 多形态交付：思维导图（层级大纲）、HTML 看板（群发）、CSV（进表格/Notion）、Markdown（进 Obsidian/语雀）。
- 复盘反哺闭环（越用越懂你）：
note_retro.py把每次导出实际用到的卡片类型 / 导出格式 / 反复关心的主题沉淀为本地验证库，下次note_analyze --playbook按你的关注点加权关键词、note_export --playbook默认贴合你的习惯并附「基于历史验证的导出建议」。迁移成本越来越高、复访率越来越稳。
工作流
Step 1：多源采集归一
运行 scripts/note_ingest.py，把任意来源变成统一文档 JSON：
PY="C:/Users/adam/.workbuddy/binaries/python/versions/3.13.12/python.exe"
# 粘贴文本
"$PY" omni-note-forge/scripts/note_ingest.py --text "这里粘贴长文..." --out docs.json
# 或整目录批量
"$PY" omni-note-forge/scripts/note_ingest.py --dir ./我的资料 --out docs.json
# 或单文件 / 网页URL
"$PY" omni-note-forge/scripts/note_ingest.py --file 文章.md --url https://example.com/post --out docs.json
Step 2：结构化分析
运行 scripts/note_analyze.py 做本地抽取 + 校验。模型（你，Hy3）在此时语义补全每张卡片的 qa 与 action_items、mindmap（字段定义见 references/card-schema.md）：
"$PY" omni-note-forge/scripts/note_analyze.py --in docs.json --cards cards_semantic.json --out docs_enriched.json
不传 --cards 也能跑：脚本用本地抽取式摘要 + 关键词兜底，产出可用基础版。
Step 3：多格式导出
运行 scripts/note_export.py 渲染产物：
"$PY" omni-note-forge/scripts/note_export.py --in docs_enriched.json --formats all --title 我的知识卡片 --out 导出
可选 md / html / csv / anki / mindmap 任意组合。
Step 4：复盘反哺闭环（越整理越懂你）
普通摘要工具产出即终点；本技能让你的偏好越用越准。证据存在本机 note_playbook.json（纯统计权重，不含原文，离线可用）。
# 分析时按你的历史关注主题加权关键词（存在验证库才生效）
"$PY" omni-note-forge/scripts/note_analyze.py --in docs.json --playbook --out e.json
# 导出时自动记录本次使用偏好，并在 md/html 附「基于你历史验证的导出建议」
"$PY" omni-note-forge/scripts/note_export.py --in e.json --formats all --playbook --title 我的知识卡片 --out 导出
# 随时查看你的「学习画像」：最常用卡片类型 / 导出格式 / 反复主题 / 平均价值评分
"$PY" omni-note-forge/scripts/note_retro.py summary
# 评估某次想用的格式/卡片类型是否被历史验证过
"$PY" omni-note-forge/scripts/note_retro.py benchmark --formats anki,md
# 手动补记 / 写入示例
"$PY" omni-note-forge/scripts/note_retro.py add --formats anki,md --card-types qa --topic-words 读书笔记,考点 --value 5
"$PY" omni-note-forge/scripts/note_retro.py seed
闭环链路：采集 → 整理 → 导出使用 → 复盘沉淀偏好 → 下次越整理越懂你。详细用法见 references/closed-loop-playbook.md。
复用资源
| 文件 | 用途 | 加载时机 |
|---|---|---|
references/sources.md |
支持的输入源、字段映射、PDF/网页处理建议 | Step 1 采集前加载 |
references/card-schema.md |
知识卡片字段定义与示例，模型语义补全时对照 | Step 2 分析时加载 |
references/export-formats.md |
五种导出格式的用途与导入方法（Anki/思维导图/Notion） | Step 3 导出前加载 |
references/usage-examples.md |
4 个完整场景示例 + 最佳实践 + FAQ | 首次使用或不确定流程时加载 |
references/closed-loop-playbook.md |
复盘反哺闭环的用法、话术与重置方法 | Step 4 闭环阶段加载 |
与纯摘要工具的差异（一句话讲清）
纯摘要工具是"一段摘要"；omni-note-forge 是"一套可复习、可导入、可交付的知识卡片 + 五种导出 + 复盘反哺闭环"。多源批量、问答卡、间隔复习（Anki）、思维导图、多格式导出、越用越懂你的偏好沉淀，全是普通摘要做不到的。
重要约束
- 离线优先：默认本地抽取，不强制联网（→ Reliability）
- 不编造：抽取式兜底明确标注"本地摘要"，不假装是语义级（→ Trust）
- 隐私：内容只在本地处理，不上传第三方（→ Trust）
- description 单行：禁用 YAML 多行
>-语法，打包器不兼容（→ Convention） - 占位符清零：HTML 模板所有
__XXX__必须替换，导出后校验无残留（→ Reliability） - 不绕过审核：publish 失败按错误修复，不强行上架（→ Trust）
