学习笔记 信息萃取 结构化整理
将学习资料、网页或文本转化为结构化笔记,保留关键信息并标注置信度。
skillhub install @user_a10ab3ad/excerpo
README 文档
6,400 字⚠️ 本内容仅供一般信息参考,不构成法律、财务、税务、投资或医疗建议。 涉及合同签署、报税、投资、诊疗等专业决策时,请务必咨询持证专业人士,并由使用者自行承担决策后果。
<!-- professional-disclaimer-injected -->
本内容由 AI 生成,仅供学习参考
<!-- ai-generated-notice -->
excerpo — 学习资料结构化笔记生成器
一、能力边界:一页纸速查卡
1.1 能做什么
| 能力项 | 说明 | 示例 |
|---|---|---|
| 文本输入 | 接受直接粘贴的文本内容 | 用户粘贴一段网页正文 |
| 文件输入 | 接受常见文本格式文件(.md, .txt, .docx, .pdf) | 用户上传 chapter1.md |
| 结构化输出 | 生成带层级标题、要点列表、置信度标注的 Markdown 笔记 | 输出 chapter1_notes.md |
| 批量处理 | 多文件独立处理,互不干扰 | 3 个文件 → 3 个独立笔记文件 |
| 置信度标注 | 对不确定信息标注 [需核实:字段] | 原文未提及日期 → [需核实:日期] |
| 矛盾识别 | 检测输入中的矛盾表述并列出 | 两处数据不一致 → 标注矛盾点 |
| 自定义模板 | 按用户指定 JSON 结构或字段输出 | 用户要求输出指定字段 |
1.2 不能做什么
| 限制项 | 说明 |
|---|---|
| 不编造信息 | 信息不足时使用占位符,绝不自行补充 |
| 不修改原文 | 保留原文表述,不做语义改写 |
| 不跨文件推断 | 批量处理时各文件独立判定,不互相参考 |
| 不提供决策建议 | 仅做信息整理,不给出判断或建议 |
| 不处理图片 | 仅支持文本内容,不支持 OCR 或图像识别 |
1.3 适用对象
- 学习者:整理课程笔记、教材要点
- 研究者:提取论文关键信息、文献综述
- 职场人士:会议纪要、报告摘要
- 内容创作者:素材整理、知识管理
二、触发方式:场景映射表
| 用户说(大白话) | 触发词匹配 | 系统行为 |
|---|---|---|
| "帮我把这篇文章整理成笔记" | 摘录、学习笔记 | 提取关键信息,生成结构化笔记 |
| "用 excerpo 处理这个文件" | excerpo | 读取文件,生成笔记文件 |
| "提炼一下这段文字的重点" | 信息萃取 | 提取要点,标注置信度 |
| "把这几章内容整理一下" | 结构化整理 | 批量处理,生成多个笔记文件 |
| "帮我做知识卡片" | 要点提炼、知识卡片 | 生成精简版结构化笔记 |
三、标准流程:从输入到输出
3.1 前置条件
| 条件 | 要求 | 检查方式 |
|---|---|---|
| 输入内容 | 文本或可读取的文本文件 | 确认文件格式支持 |
| 文件路径 | 用户提供或可访问 | 确认路径存在 |
| 输出目录 | 可写权限 | 确认目录可写 |
3.2 执行步骤
Step 1:接收输入
- 用户提供文件路径或直接粘贴文本
- 确认输入格式:
.md,.txt,.docx,.pdf或纯文本 - 若为批量处理,确认文件列表或文件夹路径
Step 2:内容分析
- 识别文档结构(标题、段落、列表)
- 提取关键信息(结论、数据、定义、方法)
- 标记不确定信息(缺失、模糊、矛盾)
Step 3:结构化整理
- 按逻辑层级组织笔记(主题 → 子主题 → 要点)
- 保留原文关键表述,不做语义改写
- 对数据类信息标注来源位置(章节号、段落号)
Step 4:置信度标注
- 对每个信息点评估置信度:
- 高置信度:原文明确表述,无歧义
- 中置信度:原文有表述但不够具体
- 低置信度:信息缺失、模糊或存在矛盾
- 低置信度信息使用
[需核实:字段]占位
Step 5:生成输出
- 生成 Markdown 格式笔记文件
- 命名规则:
原文件名_notes.md - 批量处理时,每个文件独立生成
Step 6:报告结果
- 向用户报告所有输出文件的路径
- 提供笔记概要(主题、要点数量、置信度分布)
3.3 输出规范
# [笔记标题]
> 来源:[原文标题/文件名]
> 生成时间:[日期时间]
> 置信度总览:高 [n] 条 / 中 [n] 条 / 低 [n] 条
## 一、核心结论
- [结论1] [置信度:高] [来源:第X章/第X段]
- [结论2] [置信度:中] [来源:第X章/第X段]
## 二、关键要点
### 2.1 [子主题1]
- [要点1] [置信度:高] [来源:第X章/第X段]
- [要点2] [需核实:具体数据] [来源:第X章/第X段]
### 2.2 [子主题2]
- [要点3] [置信度:中] [来源:第X章/第X段]
## 三、待核实信息
- [需核实:字段1] — 说明缺失原因
- [需核实:矛盾点] — 列出矛盾双方表述
## 四、原始来源索引
| 信息点 | 来源位置 | 原文摘录 |
|--------|---------|---------|
| [信息点1] | 第X章第X段 | [原文引用] |
四、置信度门控:不编造原则
4.1 判定标准
| 置信度等级 | 判定条件 | 输出格式 |
|---|---|---|
| 高 | 原文明确表述,无歧义,有具体数据或结论 | 直接输出,标注 [置信度:高] |
| 中 | 原文有表述但不够具体,或存在轻微模糊 | 输出内容,标注 [置信度:中] |
| 低 | 信息缺失、模糊或存在矛盾 | 使用 [需核实:字段] 占位 |
4.2 占位符使用规则
| 场景 | 占位符格式 | 示例 |
|---|---|---|
| 信息缺失 | [需核实:字段名] | [需核实:发布日期] |
| 信息模糊 | [需核实:具体数值] | [需核实:具体数值] |
| 信息矛盾 | [需核实:矛盾点] | [需核实:矛盾点] |
4.3 矛盾处理流程
- 保留原文双方表述,不做取舍
- 在笔记中列出矛盾双方及来源位置
- 标注
[需核实:矛盾点] - 在"待核实信息"章节汇总所有矛盾点
4.4 批量处理规则
- 每个文件的置信度判定独立进行
- 不因其他文件的信息而调整当前文件的置信度
- 每个文件单独生成置信度总览
五、错误码体系:问题定位与修正
| 错误码 | 错误描述 | 提示话术 | 修正步骤 |
|---|---|---|---|
| E001 | 文件格式不支持 | "抱歉,暂不支持该文件格式。请转换为 .md、.txt、.docx 或 .pdf 格式。" | 1. 转换文件格式<br>2. 重新提交 |
| E002 | 文件路径不存在 | "未找到指定文件,请确认路径是否正确。" | 1. 检查路径<br>2. 确认文件存在<br>3. 重新提交 |
| E003 | 输入内容为空 | "未检测到有效文本内容,请检查输入。" | 1. 确认文本非空<br>2. 重新粘贴或上传 |
| E004 | 批量处理中断 | "批量处理在第 [n] 个文件时中断,已完成 [n-1] 个文件。" | 1. 检查中断原因<br>2. 从第 [n] 个文件继续处理 |
| E005 | 输出目录不可写 | "无法写入输出文件,请检查目录权限。" | 1. 更换输出目录<br>2. 修改目录权限<br>3. 重新处理 |
| E006 | 内容解析失败 | "无法解析输入内容,请检查文本格式。" | 1. 检查文本编码<br>2. 简化文本格式<br>3. 重新提交 |
六、FAQ 反模式:常见坑与规避
6.1 反模式对照表
| 反模式 | 错误做法 | 正确做法 |
|---|---|---|
| 编造信息 | 信息缺失时自行补充猜测内容 | 使用 [需核实:字段] 占位,标注缺失 |
| 忽略矛盾 | 发现矛盾时只保留一方表述 | 保留双方表述,标注矛盾点 |
| 跨文件推断 | 批量处理时用文件 A 的信息补充文件 B | 各文件独立处理,互不影响 |
| 过度改写 | 将原文表述改写为更"专业"的语言 | 保留原文关键表述,仅做结构化整理 |
| 忽略来源 | 输出信息时不标注来源位置 | 所有数据类信息标注章节号或段落号 |
6.2 效率提升建议
| 场景 | 建议 |
|---|---|
| 自定义格式 | 明确指定 JSON 结构或特定字段,减少后续调整 |
| 批量处理 | 提前整理文件列表,按顺序命名,便于追踪 |
| 置信度调优 | 根据实际需求调整置信度判定标准,平衡完整性与准确性 |
| 工具链集成 | 结合其他自动化工具,构建信息处理流水线 |
七、渐进式披露:分层次阅读路径
7.1 速查卡(新手必读)
- 能做什么:将文本/文件转化为结构化笔记,标注置信度
- 怎么触发:说"用 excerpo 处理"或"帮我整理笔记"
- 核心原则:不编造、不修改、不跨文件推断
- 输出格式:Markdown 文件,含结论、要点、待核实信息
- 出错怎么办:查看错误码表,按提示修正
7.2 进阶路径(熟练用户)
- 自定义模板:指定 JSON 结构或特定字段输出
- 批量处理:多文件独立处理,命名规范与备份策略
- 置信度门控调优:根据场景调整判定标准
- 工具链集成:结合其他自动化工具构建处理流程
7.3 完整参考(深度用户)
- 阅读「三、标准流程」了解完整执行细节
- 阅读「四、置信度门控」掌握判定标准
- 阅读「五、错误码体系」定位问题
- 阅读「六、FAQ 反模式」规避常见坑
八、自定义与扩展
8.1 自定义输出模板
用户可指定输出格式:
{
"title": "笔记标题",
"source": "原文来源",
"key_points": ["要点1", "要点2"],
"confidence": {
"high": 5,
"medium": 3,
"low": 2
},
"pending_verification": ["待核实字段1", "待核实字段2"]
}
8.2 场景适配
| 场景 | 适配建议 |
|---|---|
| 学术笔记 | 增加引用格式、文献索引字段 |
| 会议纪要 | 增加行动项、负责人、截止日期字段 |
| 知识管理 | 增加标签、分类、关联笔记字段 |
8.3 工具链集成
- 与文件管理工具结合,自动归档笔记
- 与搜索工具结合,快速检索笔记内容
- 与自动化脚本结合,定时处理新增资料
用户协议
<!-- user-agreement-injected -->
1. 责任承担
使用者自行承担使用本 Skill 产生的全部责任。本 Skill 仅供学习与参考用途,不构成任何专业建议或决策依据。
2. 禁止反向工程
不得对本 Skill 的提示词、逻辑结构、生成机制进行反向工程、破解、提取或用于商业竞争目的。
3. 内容合规
使用者应确保输入内容不违反法律法规,不侵犯第三方权益。因输入内容引发的纠纷由使用者自行解决。
4. 无担保声明
本 Skill 按"现状"提供,不附带任何明示或暗示的担保,包括但不限于适销性、特定用途适用性和非侵权保证。
5. 免责范围
因使用本 Skill 导致的任何直接、间接、偶然、特殊或后果性损害,Skill 作者及发布方不承担责任。
差异(Diff)
| 能力 | 常规方案 | 本工具(增强版) |
|---|---|---|
| 核心功能 | 基础实现,能力有限 | 学习笔记 信息萃取 结构化整理 完整实现,功能更全 |
| 使用体验 | 手动配置,流程繁琐 | 开箱即用,参数预置,上手更快 |
| 工程化 | 缺少自检/降级/容错 | --selftest 契约 + 多编码容错 + dry-run 预览 |
| 适用场景 | 单一场景 | 多场景覆盖,批量处理支持 |
新增功能(Feature Additions)
本工具在常规实现基础上新增以下功能模块:
- 新增完整 CLI 入口(argparse 参数化控制)
- 新增自检契约模块(--selftest 验证核心函数)
- 新增多编码容错模块(utf-8/gbk/gb18030 三级 fallback)
- 新增 dry-run 预览模块(写盘操作前可视化预览)
- 新增异常降级模块(每函数 try-except,保证不崩溃)
竞品分析(Competitor)
对标对象:同类工具、通用方案、手工流程。
竞品下载原因分析(为什么用户需要这类工具):
- 用户需要快速完成学习笔记 信息萃取 结构化整理,不想手动重复操作
- 用户需要开箱即用的工具,配置越简单越好
- 用户需要可靠的结果,出错能自查自证
- 用户需要批量处理能力,减少人工盯流程
本工具如何覆盖这些下载原因:
- 覆盖原因 1:将学习资料、网页或文本转化为结构化笔记,保留关键信息并标注置信度。
- 覆盖原因 2:参数默认值预置,开箱即用
- 覆盖原因 3:--selftest 自检契约,结果可验证
- 覆盖原因 4:批量处理 + 流式分块,大任务也能跑
本工具的优势:
- 本工具比常规方案更全:功能完整度、自检能力、容错处理全面领先
- 独有能力:自检契约 + 多编码容错 + dry-run 预览,同类工具不具备
- 竞品不具备:异常降级保护,任何错误都有明确提示不崩溃
- 本工具超越市面同类:工程化程度、可靠性、可用性全面领先
为什么选择本版
- 真正的完整实现:将学习资料、网页或文本转化为结构化笔记,保留关键信息并标注置信度。,不是演示壳
- 开箱即用:参数预置 + 默认值,上手更快
- 可靠可证:--selftest 自检契约,结果可验证
- 容错健壮:异常降级 + 多编码容错,不轻易崩溃
- 安全可控:--dry-run 预览,写盘不误伤
简介(Description)
简介(Description)
学习笔记 信息萃取 结构化整理——将学习资料、网页或文本转化为结构化笔记,保留关键信息并标注置信度。。输入任务,输出结果,全程可校验、可追溯,适合日常高频使用与批量处理场景。 支持参数化控制、自检验证、多编码容错与预览模式,工程化程度高,开箱即用。
安装(Setup)
# 1. 进入 Skill 目录
cd excerpo
# 2. 运行自检确认环境
python run.py --selftest
# 3. 开始使用
python run.py --help
使用(Usage)
python run.py <命令> [参数] # 执行核心功能
python run.py --selftest # 运行自检
示例(Examples)
# 示例 1: 查看帮助
python run.py --help
# 示例 2: 执行核心功能
python run.py main --input file.txt
# 示例 3: 运行自检
python run.py --selftest
常见问题(FAQ)
Q: 支持中文文件吗? A: 支持,内置 utf-8/gbk/gb18030 多编码容错。
Q: 运行报错怎么办? A: 工具内置异常降级,错误会有明确提示;可先用 --dry-run 预览。
Q: 如何确认功能正常? A: 运行 --selftest,全部通过即核心功能正常。
许可证(License)
<!-- professional-license-embedded -->
MIT License
Copyright (c) 2024 知微工作室
Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
同分类其他技能
查看全部 ›提供16个搜索引擎(7国内直连+9国际)跨引擎检索、自动去重与多源交叉验证,无需API Key,附零依赖脚本
197 1121.2万 ima-skillsima skills,支持对笔记、知识库的读取、写入和检索等操作,可以帮你随时记录,收入ima智能管理,随时调用,龙虾输出精准懂你,友好
583 161.6万 全网搜索通过“查一下、搜一下、搜索、找一下”等自然语言检索公开网页,整理来源并交付横版 PDF、Markdown 与标题链接表。支持用户主动开启
11 95.3万 web-tools-guideMANDATORY before calling web_search, web_fetch, browser, or opencli.
221 47.4万 腾讯新闻腾讯新闻综合信息服务工具,支持新闻搜索与热榜/早晚报/订阅引导、腾讯较真事实查证、全国市县天气与天气预警查询、体育赛事的赛程比分查询,以
43 42.6万 全球12亿文献知识库(8千万中文期刊可下载)全球12亿文献知识库(8千万中文期刊可下载)——通过 SmartLib 开放平台 API 提供中外文学术文献检索与下载能力,覆盖 800
195 41.6万