# Quote Reader > 引用前文内容读取技能。当用户引用之前的消息时，自动检索并理解引用内容，支持飞书/QQ/企业微信交互式卡片内容获取。Trigger on "引用", "回复", "quote", "reply", "前文"。 - Skill: `dvcrn/quote-reader` (Agent Skill, multi-file: 14 files) - Install (CLI): `npx skillmds@latest add dvcrn/quote-reader` - Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/quote-reader/raw - Safety review: pending (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: dvcrn (https://skillmd.com/u/dvcrn) - Updated: 2026-09-08 - Page: https://skillmd.com/skills/dvcrn/quote-reader --- # 引用前文内容读取技能（增强版 v1.1.0） 智能识别用户引用的历史消息，**通过平台API获取真实消息内容**，支持交互式卡片内容解析。 ## 🎯 核心特性 ### ⭐ v1.1.0 新特性（重要！）⭐⭐⭐⭐⭐ - ✅ **真实API调用**：不再返回模拟数据 - ✅ **飞书卡片获取**：支持交互式卡片内容解析 - ✅ **Token自动管理**：缓存Token，自动刷新 - ✅ **JSON结构解析**：完整解析卡片结构 ### ⭐ 智能引用识别 - ✅ **多平台支持**：飞书（已完成）、QQ（待实现）、微信（待实现） - ✅ **引用标记检测**：`[quote]`、`[reply]`、`[reply_to]`等 - ✅ **消息ID提取**：准确定位引用的消息 - ✅ **嵌套引用**：支持多层引用 ### ⭐ 真实内容获取（v1.1新功能） - ✅ **平台API调用**：调用飞书/QQ/企业微信API - ✅ **交互式卡片解析**：获取卡片的完整JSON结构 - ✅ **图片/表单/按钮**：解析卡片中的所有元素 - ✅ **普通消息内容**：同时支持普通文本消息 ### ⭐ 智能理解 - ✅ **引用意图识别**：澄清、补充、反驳、深入等 - ✅ **上下文融合**：结合引用内容和当前问题 - ✅ **连贯对话**：保持对话连贯性 - ✅ **智能回答**：基于完整上下文生成回答 ## 📊 引用识别规则 ### 平台支持 | 平台 | 引用标记 | 示例 | |------|----------|------| | 飞书 | `[quote]`、引用消息 | `[quote:om_x100b55b]` | | QQ | `[reply]`、回复消息 | `[reply:12345678]` | | 微信 | 引用消息结构 | `引用消息: {...}` | | Telegram | `reply_to` | `reply_to_message_id: 123` | ### 引用意图分类 | 意图类型 | 关键词 | AI行为 | |---------|--------|--------| | 澄清 | "这个是指什么？"、"什么意思？" | 解释引用内容 | | 补充 | "关于这个，我还有..."、"补充一点" | 基于引用扩展 | | 反驳 | "不对，应该是..."、"其实..." | 修正引用内容 | | 深入 | "继续展开"、"详细说说" | 深入分析引用 | | 关联 | "和之前说的..."、"类似的还有" | 关联历史对话 | ## 🚀 使用方式 ### 1. 安装技能 ```bash # 从ClawHub安装 clawhub install quote-reader # 或从本地安装 cd ~/.openclaw/workspace/skills/quote-reader bash install.sh ``` ### 2. AI自动集成 **AI行为规则（强制）：** 每次收到用户消息时，执行以下流程： ```bash # 1. 检测引用 QUOTED_CONTENT=$(/path/to/quote-reader/scripts/detect-quote.sh "$USER_MESSAGE") # 2. 如果检测到引用 if [ -n "$QUOTED_CONTENT" ]; then # 3. 提取引用内容 QUOTED_TEXT=$(echo "$QUOTED_CONTENT" | scripts/extract-quote.sh) # 4. 结合引用内容回答 # AI回复时引用：$QUOTED_TEXT fi ``` ### 3. 使用示例 #### 场景1：澄清概念 ``` 用户：[引用之前的话] "QMD向量生成..." 用户：这个是指什么？ AI：[检测到引用] [提取引用内容："QMD向量生成受阻..."] QMD向量生成是指使用QMD工具为文档生成向量嵌入... ``` #### 场景2：补充信息 ``` 用户：[引用"测试框架设计"] 用户：关于这个，我还有个想法... AI：[提取引用内容："测试框架设计..."] 好的，您对测试框架设计有什么新的想法？ 之前的设计思路是...（基于引用内容） ``` #### 场景3：深入讨论 ``` 用户：[引用"上下文管理策略"] 用户：继续展开这个话题 AI：[提取引用内容："上下文管理策略..."] 好的，让我们深入讨论上下文管理策略... （基于引用内容展开详细分析） ``` ## 🛠️ 技术实现 ### 引用检测流程 ``` 用户消息 ↓ detect-quote.sh ↓ ├── 检测引用标记 ├── 提取消息ID └── 提取引用内容 ↓ 是否有引用？ ├── 是 → extract-quote.sh │ ↓ │ ├── 检索会话历史 │ ├── 定位引用消息 │ ├── 提取上下文 │ └── 返回引用内容 │ ↓ │ AI结合引用回答 └── 否 → 正常处理 ``` ### 脚本说明 #### detect-quote.sh - 引用检测 ```bash # 输入：用户消息 # 输出：JSON格式的引用信息 { "has_quote": true, "platform": "feishu", "message_id": "om_x100b55b...", "quoted_text": "引用的文本内容...", "quote_position": 0 } ``` #### extract-quote.sh - 引用提取 ```bash # 输入：引用信息（JSON） # 输出：完整的引用内容（包含上下文） { "quoted_message": { "id": "om_x100b55b...", "content": "完整内容...", "timestamp": "2026-03-05T08:00:00Z", "context_before": ["前一条消息"], "context_after": ["后一条消息"] }, "intent": "clarify", "suggested_response": "建议的回答方式" } ``` #### integrate-quote.sh - 集成到AI流程 ```bash # 完整的引用处理流程 # 适用于AI直接调用 # 输入：用户消息 # 输出： # - 无引用：静默返回 # - 有引用：输出引用内容（供AI使用） ``` ## 📁 文件结构 ``` quote-reader/ ├── SKILL.md # 技能文档 ├── README.md # 使用说明 ├── package.json # ClawHub配置 ├── install.sh # 安装脚本 ├── config/ │ ├── quote-patterns.json # 引用模式配置 │ └── intent-rules.json # 意图识别规则 ├── scripts/ │ ├── detect-quote.sh # 引用检测 │ ├── extract-quote.sh # 引用提取 │ ├── integrate-quote.sh # AI集成脚本 │ └── test-quote.sh # 测试脚本 └── data/ └── quote-cache.json # 引用缓存（可选） ``` ## 🔧 配置说明 ### quote-patterns.json - 引用模式 ```json { "platforms": { "feishu": { "patterns": [ "\\[quote:([a-zA-Z0-9_]+)\\]", "\\[reply_to:([a-zA-Z0-9_]+)\\]" ], "message_id_prefix": "om_x" }, "qq": { "patterns": [ "\\[reply:([0-9]+)\\]" ], "message_id_prefix": "" } }, "fallback_patterns": [ "引用[：:]\\s*(.+)", "回复[：:]\\s*(.+)" ] } ``` ### intent-rules.json - 意图识别 ```json { "intents": { "clarify": { "keywords": ["什么", "是指", "意思", "这个"], "priority": 1 }, "supplement": { "keywords": ["补充", "还有", "另外", "加上"], "priority": 2 }, "refute": { "keywords": ["不对", "其实", "应该是", "错误"], "priority": 3 }, "deepen": { "keywords": ["继续", "展开", "深入", "详细"], "priority": 4 } } } ``` ## 💡 最佳实践 ### AI集成建议 **方式1：自动检测（推荐）** ```bash # 在AI处理用户消息前 QUOTE_INFO=$(scripts/integrate-quote.sh "$USER_MESSAGE") if [ -n "$QUOTE_INFO" ]; then # 输出引用信息供AI使用 echo "$QUOTE_INFO" fi # AI正常回复 ``` **方式2：手动调用** ```bash # AI主动判断是否需要检索引用 scripts/detect-quote.sh "$USER_MESSAGE" ``` ### 性能优化 1. **缓存引用内容**：避免重复检索 2. **限制检索范围**：最近50条消息 3. **异步处理**：不阻塞AI回复 4. **智能过滤**：仅检索相关消息 ## 🚨 常见问题 ### Q1: 检测不到引用？ **可能原因：** - 引用格式不在配置中 - 消息ID格式错误 **解决方法：** ```bash # 添加自定义引用模式 jq '.platforms.custom.patterns += ["新模式"]' config/quote-patterns.json ``` ### Q2: 检索速度慢？ **优化方案：** 1. 限制检索范围（最近50条） 2. 启用缓存 3. 使用索引 ### Q3: 引用内容不准确？ **调试方法：** ```bash # 查看检测到的引用 scripts/detect-quote.sh "测试消息" | jq . # 查看提取的内容 scripts/extract-quote.sh '{"message_id":"..."}' | jq . ``` ## 📊 性能指标 | 指标 | 目标 | 说明 | |------|------|------| | 检测准确率 | > 95% | 正确识别引用 | | 检索速度 | < 500ms | 定位引用消息 | | 提取准确率 | > 90% | 准确提取内容 | | 意图识别 | > 85% | 正确识别意图 | ## 🎯 使用场景 ### 场景1：澄清概念 ``` AI：QMD向量生成需要CUDA支持。 用户：[引用] 这个是指什么？ AI：QMD向量生成是指...（详细解释） ``` ### 场景2：补充信息 ``` AI：测试框架包括3层... 用户：[引用] 关于这个，还有第4层... AI：好的，补充第4层...（结合之前内容） ``` ### 场景3：深入讨论 ``` AI：上下文管理策略是... 用户：[引用] 继续深入分析 AI：好的，深入分析上下文管理...（基于引用展开） ``` ### 场景4：关联对话 ``` 用户：[引用1] 和 [引用2] 这两个有什么关系？ AI：这两个概念的关系是...（关联分析） ``` ## 🚀 未来规划 ### 短期（本周） - [x] 核心功能开发 - [x] 飞书平台支持 - [ ] QQ平台支持 - [ ] 测试和优化 ### 中期（本月） - [ ] 多引用支持 - [ ] 引用链追踪 - [ ] 智能关联 - [ ] 性能优化 ### 长期（未来） - [ ] 跨会话引用 - [ ] 引用网络图 - [ ] 知识图谱集成 - [ ] 机器学习优化 ## 📝 版本历史 ### v1.1.0 (2026-03-05) ⭐⭐⭐⭐⭐ - ✅ **真实API调用**：不再返回模拟数据 - ✅ **飞书卡片获取**：支持交互式卡片内容解析 - ✅ **Token自动管理**：缓存Token（6727秒），自动刷新 - ✅ **JSON结构解析**：完整解析卡片结构 - ✅ **配置文件完善**：新增feishu-config.json ### v1.0.0 (2026-03-05) - ✅ 基础引用检测 - ✅ 飞书平台支持 - ✅ 会话历史检索 - ✅ 意图识别 - ✅ AI集成 --- *引用前文内容读取技能 v1.0.0* *让对话更连贯，引用更智能* *创建时间：2026-03-05 09:00* *状态：✅ 开发中*