串珠：碎片信息整理 / Stringing Beads: Fragment-to-Corpus Compilation

> 痛点：散落的文字像一把珠子——随手记下的想法、收藏夹里吃灰的文章、微信里传输的照片和文档。每颗珠子单独看都值钱，但散着就一文不值。你缺的不是更多的笔记工具——你缺的是一根串珠的线。这个Skill做这件事：把你的碎片信息（微信附件、散落笔记、多平台文档）串成一条连贯的结构化文集。让AI读到你的全部作品，用你自己的思想和语言来辅助你。

> 与书案（通讯枢纽）不同——书案让多个Agent在已有知识库中写信读信，串珠从散落的原始材料编译一个新的结构化文集。书案是邮箱，串珠是线——把散落在12个平台的珠子串成一条项链。

核心能力 / Core Capabilities

(1) 全平台采集 / Universal Collection — 覆盖 微信附件（通过百度云盘）、IMA、Notion、Evernote/印象笔记、有道云笔记、Obsidian、飞书文档、语雀、OneNote、Joplin 等10+主流笔架与知识库。外加Word(.docx)、网页文章——你的文字无论在哪，都能收进来。微信的附件和文档通过百度云盘自动备份后导入；微信聊天文本本身不在采集范围内（平台加密，无可解析导出）。

(2) 智能分档 / Smart Classification — 按文体（诗歌/随笔/读书笔记/投资札记）自动分类，不是简单按日期堆叠——而是按你的思想结构组织

(3) 格式转换 / Format Conversion — .docx转Markdown（保留标题层级、图片引用、标注块），Evernote .enex转Markdown，网页多页自动拼接，编码自动检测与转换

(4) 思想根系构建 / Knowledge Root Mapping — 自动生成「知识体系总览」：思想根系图+作品分布+跨根交叠节点+饱和度分析+深耕建议

(5) 原样保存 / Exact Preservation — 原文一字不改，标点、换行、留白全部保留。结构是"为文本而加"的，不是"施加于文本"的

(6) 增量更新 / Incremental Updates — 新作品自动追加到已有文集中，不覆盖、不丢失历史版本。支持按来源平台增量同步

> 我们的核心优势：不是"支持某一个平台"——是唯一覆盖所有主流笔架的跨平台文集编译工具。你的笔记不会只在一个地方。它们在IMA的知识库里、在Notion的database里、在Evernote十年积累的文件夹里、在有道云的云端、在Obsidian的本地vault里。其他工具只能管自己的生态——这个Skill把它们全部打通。

竞品格局 / Why This — Not Them

SkillHub上12个知识管理技能。全部可以分为两类：

串珠是唯一的「归集」工具——不建新知库，不收进新平台。就是把你的东西找回来，按文体整理，让它们彼此对话。

学术知识库（academic-knowledge-base v3.11.3）值得尊敬——300+学术数据库、向量搜索、参考文献管理。但它的用户是学术研究者。串珠的用户是任何一个在12个平台上留下过文字的人。

输出示例 / Output Example

文集整理完成的最终结构：

个人文集/
├── 诗歌/
│   ├── 2023年诗选.md
│   └── 2024年诗选.md
├── 随笔/
│   ├── 关于写作的思考.md
│   └── 旅行笔记系列.md
├── 读书笔记/
│   ├── 系统之美_笔记.md
│   └── 道德经_研读.md
├── 投资札记/
│   ├── 2025年投资总结.md
│   └── 行业分析框架.md
└── 知识体系总览.md    ← 自动生成的思想根系全景图

适用场景 / When to Use

> 笔记散落各处？这是为你设计的。 每个场景都来自真实用户的跨平台困境。

不适合用于：单篇笔记的日常记录（直接用Obsidian/IMA）、协作编辑的团队文档（团队用飞书/Notion协作即可）、需要复杂版本管理的代码仓库。

支持的平台 / Supported Platforms

> 本Skill是目前唯一同时覆盖以下所有主流笔架与知识库的文集编译工具。 不必再为每个平台找单独的导出方案——一个Skill，统一归集，统一分档。

> 平台越多，跨平台优势越大。 假设你在IMA记灵感、在Notion做项目、在Evernote存十年资料、在Obsidian写长篇——没有任何单一工具能把它们汇到一起。这个Skill做到了。

按数据源采集 / Source-Specific Workflows

源1：IMA / Source 1: IMA（腾讯智能工作台）

IMA是AI原生的知识库平台，支持笔记、网页剪藏、会话归档和多模态内容。本Skill通过IMA的搜索和导出能力进行采集。

采集流程：

1. 搜索发现 — 用关键词在IMA知识库中搜索候选内容。IMA的AI搜索支持语义检索，比传统笔记按标题搜索覆盖更全
2. 分类筛选 — 按内容类型分组：个人随笔/读书笔记/项目文档/网页剪藏/会话归档
3. 批量导出 — 对匹配的内容逐一提取正文。IMA原生支持Markdown导出，保留原有的标题层级和格式
4. 分档入库 — 提取后按文体归类到文集对应目录

IMA特有优势：
- AI语义搜索比关键词匹配更准确（搜索"关于投资的思考"能找到不包含"投资"二字的投资笔记）
- 多模态内容（图片+文字）在导出时保留引用关系
- 与Constellation体系天然集成——本Skill在IMA环境中有最短调用路径

源2：Notion / Source 2: Notion

Notion是目前全球最大的协作知识库平台之一，以灵活的数据库+页面结构著称。

采集流程：

1. 导出 — Notion原生支持「导出工作区」→ Markdown + CSV 格式。所有页面转为 .md，所有数据库转为 .csv
2. 解包 — 导出为ZIP包，解压后获得完整的目录树+Markdown文件+附件文件夹
3. 结构映射 — Notion的层级（Workspace → Page → Sub-page → Database item）映射为文集的目录结构
4. 数据库处理 — CSV文件按行拆分，每行转为一条结构化笔记（标注原数据库+视图名称）

Notion特有注意事项：
- 导出不含页面历史版本（如需版本追溯，手工选"包含页面历史"）
- 内嵌数据库的公式/关联/汇总列在CSV中保留计算结果但不保留公式定义
- 图片附件保留原文件名，引用路径需替换为相对路径

源3：Evernote / 印象笔记 / Source 3: Evernote

Evernote是全球最早的云笔记平台，中国大陆独立运营为印象笔记。大量用户有5-15年的笔记积累。

采集流程：

1. 导出 .enex — Evernote桌面客户端 → 文件 → 导出笔记 → 选择"ENEX格式"。可单选笔记本或全量导出
2. .enex 转 Markdown — 使用转换工具处理ENEX的XML结构：
   python # 提取ENEX中的每条笔记 # <note> → 独立 .md 文件 # <title> → H1 标题 # <content> 中的HTML → Markdown（保留加粗、斜体、列表、图片） # <tag> → YAML frontmatter 中的 tags 字段 # <created> → 标注原文日期
3. 附件处理 — ENEX中的图片/附件以Base64编码内嵌，转换时提取到 attachments/ 目录
4. 标签利用 — Evernote的标签系统天然适合分档：#诗歌 → 诗歌/、#投资 → 投资札记/

Evernote特有注意事项：
- 印象笔记（中国大陆版）与Evernote International的导出格式兼容——ENEX文件互通
- 如果笔记量超1000条，分批导出（一次全量可能OOM）
- 加密文本在ENEX中无明文——需在客户端先解密再导出
- 笔记本结构（Stack → Notebook）映射为两级目录

源4：有道云笔记 / Source 4: Youdao Cloud Notes

MCP ynote 连接器的关键限制：
- getNoteTextContent 仅对根目录笔记有效。子文件夹中的所有笔记都会失败。
- listNotes 可用于浏览目录；searchNotes 可跨所有笔记搜索。
- 结论：子文件夹内容必须由用户手动粘贴。

流程A：根目录笔记（自动导入）

1. 用 searchNotes 按关键词发现候选笔记（如"诗"、"随笔"、"投资"）
2. 用 listNotes 浏览目录结构
3. 根目录笔记：getNoteTextContent ← 可用
4. 直接导入；精确保留原文

流程B：子文件夹笔记（批量采集）

由于 getNoteTextContent 在子文件夹笔记上失败，使用批量发现+引导粘贴流程：

第1步：映射子文件夹结构

# 用 listNotes 遍历每个子目录，构建目录树
# 输出：folder_path → [note_title_1, note_title_2, ...]

第2步：向用户呈现批量采集模板

在子文件夹中发现 {N} 篇笔记无法自动导入。
请在下方粘贴每篇笔记的内容。

=== 文件夹：{folder_name} ===

--- 笔记：{title_1}（日期：{date}）---
[在此粘贴内容]

--- 笔记：{title_2}（日期：{date}）---
[在此粘贴内容]

第3步：分批处理
- 不要一次性索取全部笔记（用户体验会很差）
- 按文件夹分批，每次最多5篇
- 每批完成后追加到文集并确认

流程C：混合导入（最常见）

1. 用 searchNotes 以宽泛关键词覆盖所有可能的类别
2. 分类结果：根目录（自动导入）vs 子文件夹（批量采集）
3. 先自动导入根目录笔记
4. 呈现子文件夹目录→分批采集→追加

有道云导入关键规则

• 粘贴时优先使用用户原文；不修改内容或标点
• 如果同一笔记在根目录和子文件夹都存在（重复），取根目录版本（自动导入更快且更少出错）
• 子文件夹只有1-2篇笔记 → 跳过批量模板，直接询问

源5：Word文档 / Source 5: .docx Documents

使用解压+解析方案：
1. unzip -o 将 .docx 解压到会话目录下的临时文件夹
2. 用Python解析 word/document.xml：通过 <w:p> 标签提取段落
3. 解析 word/_rels/document.xml.rels 映射图片 rId → 媒体文件
4. 根据文档的格式风格，套用结构映射规则转换

转换规则模板（按文档调整）：

- 双语标签（如"书名 BOOK TITLE"）→ H2
- 编号项（"一、二、三"）→ H3
- 以"流派"结尾的标签 → H3
- 【方括号标签】→ H4
- ☐ 复选框 → 无序列表
- 以"——作者名"结尾的行 → 引用块
- 【进度标记】（先看到/休息/看到这里）→ 📌 callout引用块

图片处理：
- 提取图片到 images/ 目录，按序命名（如 人格心理学_01.jpeg）
- 在Markdown中用相对路径引用：![](images/人格心理学_01.jpeg)

源6：多页网页文章 / Source 6: Multi-Page Web Articles

下载多页文章时：
1. 抓取第1页，从导航中获取总页数（如 [第1页] [第2页] ...）
2. URL模式通常为 ...&page=N
3. 逐页抓取；处理服务器错误（最多重试3次）
4. 如果某页不可达，在对应位置插入HTML注释标记
5. 用户提供缺失内容后，替换标记为实际文本
6. 关键：追加到目标文件后，用 grep -c "## 章节标题" 验证章节数量，防止重复

源7：Obsidian仓库 / Source 7: Obsidian Vault

处理大型vault（200+文件）：
1. 用搜索代理获取目录树、大文件列表和关键词匹配
2. 收到总览后，对关键文件进行定向深度读取
3. 优先级：个人随笔（零散思考/随笔）> 独立研究笔记 > 章节文件

源8：飞书文档 / Source 8: Feishu Docs

飞书是字节跳动旗下的企业协作平台，飞书文档和知识库是团队知识管理的重要载体。如果你的思考同时存在于个人笔记和飞书工作文档中，本Skill帮你打通个人与企业的知识流动。

采集范围与边界

> ⚠️ 边界声明：飞书的文档导出能力取决于企业管理员配置。如果企业IT禁用了导出功能和开放API，本Skill无法绕过此限制——这是企业安全策略决定的，不是本Skill的技术缺陷。最可靠的方式是手动导出（飞书Web端原生支持），API方式仅作为技术用户的替代选项。

方式一：手动导出（推荐，适用所有用户）

这是最可靠、零依赖的方式。无需API、无需管理员权限，只需要你在飞书中有文档的查看权限。

1. 单文档导出 — 打开飞书文档 → 右上角「...」→ 导出 → 选择 Markdown。图片和附件随导出文件一同下载
2. 知识库批量导出 — 飞书知识空间 → 设置 → 导出 → Markdown → 下载ZIP包
3. 解包映射 — ZIP中为 目录结构 + .md文件 + 附件。知识库层级（空间 → 父节点 → 子页面）映射为文集的三级目录
4. 限制 — 批量导出通常有文件数上限（如单次最多100篇），大型知识库需分批导出

方式二：开放API（技术用户可选，需企业管理员授权）

飞书开放平台（open.feishu.cn）提供文档读写API，但需要以下条件：
- 飞书企业管理员在开放平台创建应用并授权
- 获取 app_id + app_secret → 换取 tenant_access_token（有效期2小时）
- 应用需具备「云文档」→「文档」的读取权限
- 关键API端点（以飞书开放平台最新文档为准）：文档纯文本获取、文档块结构获取、知识库节点树遍历

与本Skill的集成方式：用户自行完成飞书应用的创建和授权后，本Skill通过Python SDK（lark-oapi）或HTTP请求调用上述API，遍历知识库节点树并逐个拉取文档内容。由于飞书文档使用自有Block结构（非Markdown），需转换：标题块→#层级，富文本→保留格式，表格→Markdown表格，图片→下载到本地，多维表格→导出CSV。

方式三：企业限制的应对

企业IT禁用导出和API时，唯一可行路径：逐篇全选复制 → 粘贴到本地编辑器 → 保存为 .md。图片单独右键下载。100篇以内约2-3小时。优先级：个人创作 > 团队协作文档 > 纯会议纪要。

飞书特有注意事项

• 飞书文档使用自研格式——手动导出为Markdown时，分栏、高亮块等排版细节可能丢失
• 多维表格在Markdown中无法呈现交互功能——建议在对应位置标注「见原飞书表格」
• 导出文档的最后编辑时间映射为 > 来源：飞书文档，{日期}
• 嵌入飞书文档的第三方内容（如Figma、Canva嵌入块）导出时以链接保留

源9：语雀 / Source 9: Yuque

语雀是蚂蚁集团出品的中文知识库平台，在中国开发者群体中广泛使用。

采集流程：

1. 导出 — 语雀知识库 → 设置 → 导出 → 选择 Markdown 或 JSON。所有文档打包为ZIP
2. 解包映射 — 语雀的目录树（知识库 → 文档组 → 文档）映射为三级目录结构
3. 画板处理 — 语雀特有的"画板"（绘图）导出为PNG，在Markdown中以图片引用保留
4. 小记处理 — 语雀"小记"（碎片化笔记）合并为一个独立文件 语雀小记汇编.md

语雀特有注意事项：
- 公开知识库可匿名下载（无需API），私有知识库需登录导出
- 语雀Markdown导出的代码块保留语言标注（```python ← 保留）
- 排版的"卡片"样式在Markdown中转为引用块

源10：微信附件与文档 / Source 10: WeChat Attachments & Documents

微信是中国用户日常使用最频繁的应用之一。群聊和私聊中传输的照片、PDF、文档、表格——这些附件和文件是你的知识资产。本Skill通过百度云盘中介的方式采集它们。

采集范围：✅ 支持 vs ❌ 不支持

> ⚠️ 边界声明：微信聊天记录的本地备份使用私有加密格式，市面上没有任何合法公开的解析方案。本Skill不尝试解析微信聊天文本——这是平台封闭性导致的不可克服的技术限制。如果你需要整理聊天中的文字内容，建议手动复制到笔记App（如IMA、有道云）后，再从笔记App导入本Skill。

采集路径：百度云盘中介

本Skill不直接从微信App中采集数据，而是利用用户已有的百度云盘自动备份机制：

1. 自动备份设置 — 百度云盘App → 自动备份 → 开启「微信文件备份」。此后微信中接收的图片、文档、视频会自动上传到百度云盘指定目录
2. bypy同步 — 本Skill通过 bypy CLI 读取百度云盘中微信备份路径的文件列表
3. 分类导入 — 图片 → 归入 attachments/ 并生成索引；文档 → 解析后按文体归类；PDF → 提取文本后归入对应文集
4. 去重 — 同一文件在多个群中被转发时，按MD5去重，保留最早出现的版本

微信附件的目录映射

个人文集/微信/
├── 图片/
│   ├── 2025-01/
│   ├── 2025-02/
│   └── 图片索引.md      ← 按日期+来源标注
├── 文档/
│   ├── 工作文档/
│   │   ├── 某项目方案.pdf
│   │   └── 会议纪要.docx
│   └── 笔记附件/
│       └── 读书笔记_插图.png
└── 微信README.md        ← 标注备份日期、覆盖范围、边界声明

恢复与迁移

百度云盘的微信备份目录默认为 /apps/bypy/微信备份/（或用户在百度云盘App中自定义的路径）。如果用户更换手机或重装微信，只需确保百度云盘备份已重新启用，即可继续增量采集。

源11：其他平台 / Other Platforms

以上是详细工作流的平台。以下平台的采集遵循相同方法论（发现→导出→转换→分档），关键差异汇总如下：

文件组织原则 / File Organization

文集文件结构 / Corpus Structure

按文体组织，而非主题或日期：

内容标注 / Content Annotation

每篇导入的作品应包含：
- 来源标注（引用块或注释）
- 原文写作日期（如已知）
- 作者名/笔名
- 来源平台特有的元数据（如平台、页码）

标注示例：

### 作品标题

> 来源：平台/媒介，日期
> 作者：笔名

正文内容开始……

保留原则 / Preservation Principle

• 精确保留原文本：标点、换行、缩进、以及任何有意的格式
• 不"纠正"语法、不添加解释性注释、不自作主张编辑
• 结构是为文本而加的，不是施加于文本的

知识体系总览 / Knowledge System Overview

文集整理完成后，构建一份 知识体系总览.md，包含以下章节：

1. 思想根系图 — 视觉化树状图，展示主要知识分支
2. 作品分布 — 将每篇作品映射到其所属根系
3. 跨根系交叠节点 — 识别同时跨越多个根系的枢纽作品
4. 饱和度分析 — 评估每个根系的完整程度
5. 建议深耕方向 — 识别空白区域，提出下一步研究方向
6. 文集统计 — 文件数量、字数估算表格

根系分类 / Root Categories

使用你自己的概念框架。常见根系可能包括：
- 哲学与认知：宇宙观、辩证思维、认知模型
- 文学与创作：诗歌、小说、写作理论、艺术鉴赏
- 专业实践：投资分析、技术研究、职业方法论
- 生活与修持：旅行笔记、日常随笔、身心修炼
- 发现的其他根系（如你在某个领域深耕形成的独特概念体系）

故障处理 / Failure Handling

降级检查表：

• [ ] 源文档确认 UTF-8 编码（file -I 返回 charset=utf-8）
• [ ] 工作目录有足够的磁盘空间（至少源文档的 2倍）
• [ ] Python 版本 ≥ 3.9
• [ ] 输出目录结构符合文件组织原则

技术备忘 / Technical Notes

大内容追加安全 / Large Content Append Safety

• 先写入独立的临时文件，再用Python追加
• 追加后始终用 grep/count 验证
• 如果检测到重复，用 split(marker) 方法修复

Windows沙箱文件删除 / Windows Sandbox File Deletion

• 某些平台沙箱限制会拦截文件操作（如 os.remove() 因回收站不可用而失败）
• 修复：在Git Bash中用 rm -f 替代 Python 的 os.remove()

Python路径 / Python Path

• 使用系统Python：Linux/macOS上用 python3，Windows上使用WorkBuddy平台管理的Python二进制
• 如需额外包：python3 -m venv .venv 创建虚拟环境

参考资料 / References

见 references/technical-notes.md 了解详细技术流程和常见陷阱。

FAQ / 常见问题

Q1: 串珠和其他笔记整理工具有什么区别？

大多数工具在一个平台内做笔记管理——Obsidian管Obsidian，Notion管Notion。串珠做的是跨平台归集——你散落在12个不同平台的文字，串珠把它们找回来、按文体整理成一部完整的个人文集。它不是笔记工具，是"把你的东西找回来"的工具。

Q2: 有道云笔记的子文件夹为什么需要手动粘贴？

有道云的MCP ynote 连接器对子文件夹中的笔记不支持 getNoteTextContent 接口。串珠会自动导入根目录中的所有笔记，并明确列出子文件夹中无法自动获取的笔记条目，提供批量采集模板供你分批粘贴。如果子文件夹笔记量大，建议按文件夹分批处理，每次最多5篇。

Q3: 为什么微信聊天记录不能导入？

微信的本地备份使用私有加密格式，没有合法公开的解析方案。串珠不解析聊天文本。但微信中的附件和文档（图片、PDF、Word文件）通过百度云盘自动备份后可以导入——这是目前唯一合法的路径。

Q4: 文档太长了，怎么看？

建议先看"适用场景"表格找到你的需求，再看对应平台的采集流程。不需要一次读完。"适合场景和不适合场景"表格是最快的入口。

Q5: 几百篇笔记整理会不会很慢？

根目录和主流平台的导出基本自动完成。有道云子文件夹和飞书（如企业禁用导出）需手动配合——每次处理一批（5篇左右），不会一次性索取全部。增量模式下，后续新增内容只需追加。

Q6: 整理后的文集会被AI编造内容吗？

串珠按"原样保存"原则——原文一字不改。但用其他AI工具分析文集时可能产生幻觉。建议搭配 明镜 使用——专门校准AI输出，防止编造。

Constellation 认知闭环

串珠做的是「归集过去」。你的文集编译完成后，它需要另外四个角色来闭环：

五个Skill是一个人的认知闭环：归集→存储→协作→发现→校准。用了任何一个，底部都能摸到另外四个。用了五个，你自己就是这个时代最清醒的AI使用者。

版本历史

```