Co-Pilot / 辅助式
更新于 a month ago

studyanalysis-skills

YYuJunZhiXue
0.2k
yujunzhixue/studyanalysis-skills
80
Agent 评分

💡 摘要

知识吸收器增强了 AI 助手从冗长文档中进行深度阅读和结构化知识提取的能力。

🎯 适合人群

需要分析大量文献的研究人员。面对复杂学术文本的学生。寻找结构化文档见解的开发者。希望总结和归档信息的内容创作者。进行跨源验证的数据分析师。

🤖 AI 吐槽:就像给你的 AI 一个文档分析的博士学位,但它仍然不会泡咖啡。

安全分析中风险

该项目可能涉及依赖性漏洞和通过文档处理潜在暴露敏感数据的风险。为了减轻风险,确保定期更新所有依赖项并验证输入源。

📚 Knowledge Absorber (知识吸收器)

License: MIT Python: 3.8+ Version: 4.0.0

通用 AI 技能模块 | 适用于 Trae, Claude, Gemini, VS Code Copilot 等环境

🇺🇸 English | 🇨🇳 简体中文


Knowledge Absorber 是一个独立的“外挂大脑”模块。它赋予 AI 助手深度阅读、解析长文档并生成结构化知识晶体(Markdown + HTML)的能力。


🚀更新

更新内容

  • ⚛️ 深度裂变模块 (Deep Fission):新增原子级矛盾分析与版本考据模块,用于揭示颠覆常识的结论(样式:.fission-section)。
  • 🔍 严格搜索内化 (Strict Filter):HTML 交互升级,搜索框现在会严格隐藏不匹配的内容块,而非仅高亮,提供专注阅读体验。
  • 🛡️ Mermaid 安全协议:内置语法自动修正机制,强制转义特殊字符,杜绝图表渲染崩溃。

支持功能

  • 支持多链接/文件同步抓取。
  • 实现具备高对比度色彩的实时状态追踪与彩色终端任务看板。
  • 新增 【💡 深度链接】 分析,自动对比多源输入冲突,强化 AI 的事实校验能力。

📂 跨平台移植指南 (Portability Guide)

本模块设计为 "文件夹级即插即用"。 不同的 AI 助手通常会扫描项目根目录下的特定配置文件夹。为了让其他 AI (如 Claude 或 Gemini) 识别此技能,你只需要修改父目录的名称

📂 目录结构适配

假设你把 skills 文件夹放在项目根目录:

  1. 在 Trae 中使用 (默认):

    Project_Root/ └── .trae/ <-- 保持原名 └── skills/ └── knowledge-absorber/
  2. 在 Claude Projects 中使用:

    • .trae 重命名为 .claude
    Project_Root/ └── .claude/ <-- 重命名为 .claude └── skills/ └── knowledge-absorber/
  3. 在 Gemini Advanced / AI Studio 中使用:

    • .trae 重命名为 .gemini
    Project_Root/ └── .gemini/ <-- 重命名为 .gemini └── skills/ └── knowledge-absorber/
  4. 在 VS Code (Copilot/Cline) 中使用:

    • .trae 重命名为 .vscode
    Project_Root/ └── .vscode/ <-- 重命名为 .vscode └── skills/ └── knowledge-absorber/

💡 核心原理:AI 助手通常有权限读取隐藏文件夹(以 . 开头)。只要路径正确,并明确指示 AI “使用这个技能”,它就能工作。


🛠️ 安装与使用 (Installation & Usage)

第一步:环境准备

确保你的电脑安装了 Python 3.8+。 在 knowledge-absorber 目录下运行:

pip install -r requirements.txt

第二步:何时调用 (When to Activate)

不要为简单的 Google 搜索使用此技能。请在以下“高认知负载”场景召唤它:

  1. 啃大部头:当你面对数百页的 PDF、技术框架文档(如 BMad, React 源码)或古籍时。
  2. 需要知识晶体:当你不仅要一个简单的总结,而是要生成可永久存档、排版精美的 HTML 卡片时。
  3. 多源交叉分析:当需要同时对比抓取多个不同平台的链接(如知乎 + 博客 + 官方文档)进行深度真理锚定时。

第三步:调用机制 (Workflow)

你不需要手动运行复杂的命令行,只需在对话中自然指令,AI 会自动代理执行:

  • 用户指令示例

    “帮我深度解析这个链接:https://docs.bmad-method.org/” “读取 manual.pdf 并按【机械透镜】拆解生成知识卡片。”

  • AI 的执行逻辑

    1. 摄取:并发调用 scripts/content_ingester.py 抓取并清洗内容。
    2. 透镜分析:根据 SKILL.md 中的协议(如机械透镜、意义透镜)进行深度推理。
    3. 交付:自动生成 .md(深度笔记)和 .html(可视化卡片)文件。

📦 产出物 (Outputs)

该技能会自动生成两种格式的文件(位于 data/ 目录):

  1. Markdown 深度笔记 (.md)
    • 包含元数据、核心概念破冰、深度拆解、思维导图、避坑指南。
    • 支持“双文异构”(古文繁体/解释简体)或“技术栈模版”。
  2. HTML 可视化卡片 (.html)
    • 精美的排版,适合分享或作为知识库归档。
    • 支持深色/浅色模式适配,代码高亮与 Mermaid 导图完美显示。

🤖 技能协议 (Skill Protocol)

核心逻辑定义在 SKILL.md 文件中。 如果你想修改 AI 的思考方式(例如修改解析的深度、改变输出风格),请直接编辑 SKILL.md


维护者: Little Code Sauce 版本: v4.0.0 (Mixed Script Edition)

五维分析
清晰度8/10
创新性8/10
实用性9/10
完整性8/10
可维护性7/10
优缺点分析

优点

  • 促进对复杂文档的深入分析。
  • 生成结构化输出,便于参考。
  • 支持多种输入源,提供全面见解。

缺点

  • 可能需要一定的学习曲线才能有效使用。
  • 不适合简单查询或任务。
  • 依赖 AI 准确解释指令的能力。

相关技能

pytorch

S
toolCode Lib / 代码库
92/ 100

“它是深度学习的瑞士军刀,但祝你好运能从47种安装方法里找到那个不会搞崩你系统的那一个。”

agno

S
toolCode Lib / 代码库
90/ 100

“它承诺成为智能体领域的Kubernetes,但得看开发者有没有耐心学习又一个编排层。”

nuxt-skills

S
toolCo-Pilot / 辅助式
90/ 100

“这本质上是一份组织良好的小抄,能把你的 AI 助手变成一只 Nuxt 框架的复读机。”

免责声明:本内容来源于 GitHub 开源项目,仅供展示和评分分析使用。

版权归原作者所有 YuJunZhiXue.