# Conversation Knowledge Extractor

> 深度分析当前对话窗口内容，智能识别对话类型（学术写作、学术探讨、编程任务等），提取关键知识点、方法论、个人习惯、常见错误，并结构化输出为详细的可复用知识库文档。特别针对学术写作场景进行深度记录（修改前后对比、写作偏好、习惯模式）。触发词："总结这次对话"、"提取知识点"、"整理对话精华"、"构建知识库"、"记录学习内容"等。

- Skill: `majiayu000/conversation-knowledge-extractor` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds add majiayu000/conversation-knowledge-extractor`
- Raw SKILL.md: https://api.skillmd.com/api/skills/majiayu000/conversation-knowledge-extractor/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: majiayu000 (https://skillmd.com/u/majiayu000)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/majiayu000/conversation-knowledge-extractor

---


# Conversation Knowledge Extractor

## 核心功能

从当前对话窗口中深度提取和结构化知识，生成详细的个人知识库文档。

## 工作流程

### 步骤1：对话全览分析

首先快速浏览整个对话窗口，识别：
- 对话轮次总数
- 主要话题数量（可能有多个主题交织）
- 话题类型（学术写作、学术探讨、技术任务、其他）
- 关键转折点（话题切换、重要突破）

### 步骤2：话题分类与深度提取

根据识别出的话题类型，使用对应的提取模板：

**学术写作类**（优先级最高，最详细）
- 使用 `references/academic-writing-template.md` 模板
- 完整记录修改前后对比
- 深度分析写作偏好和习惯
- 详细程度：3000-5000字

**学术探讨类**
- 使用 `references/academic-discussion-template.md` 模板
- 记录思考过程和论证逻辑
- 详细程度：2000-3000字

**技术任务类**
- 使用 `references/technical-task-template.md` 模板
- 记录方法、工具、决策点
- 详细程度：1500-2500字

**综合对话类**
- 使用 `references/general-conversation-template.md` 模板
- 按主题分段记录
- 详细程度：视内容而定

### 步骤3：智能标注与分级

在提取内容时，添加以下标记：
- `⭐⭐⭐` 高频问题/核心知识点
- `💡` 重要洞察/突破性认知
- `⚠️` 需要强化记忆的点/反复出现的错误
- `🔄` 认知演进点（从不理解到理解）
- `📌` 个人偏好/习惯

### 步骤4：生成分级文档

输出结构：
```
# 第一层：执行摘要（200-400字）
快速概览本次对话的核心价值

# 第二层：结构化详细内容（按模板展开）
完整的知识提取

# 第三层：可执行建议
基于本次对话的后续行动
```

### 步骤5：输出与保存

- 生成独立的markdown文件
- 文件命名：`knowledge-{YYYYMMDD}-{主题简称}-{序号}.md`
- 使用 `create_file` 保存到 `/home/claude/` 
- 使用 `present_files` 提供给用户下载

## 特殊处理：学术写作深度记录

对于学术写作类对话，必须包含以下详细内容：

### 修改对比记录
```markdown
## 原文片段
[引用原始文本]

## 修改后文本
[引用修改后文本]

## 修改原因分析
- 语法层面：[具体说明]
- 表达层面：[具体说明]
- 逻辑层面：[具体说明]
- 风格层面：[具体说明]

## 可复用规则
[从这次修改中提炼出的通用规则]
```

### 写作模式识别
- 引言写作偏好
- 论证逻辑习惯
- 段落组织方式
- 过渡句使用特点
- 结论撰写风格

### 个人习惯追踪
- 常用句式模板
- 偏好的连接词
- 倾向的论证方式
- 需要警惕的表达陷阱

## 输出文件规范

### 文件头部（YAML元数据）
```yaml
---
extraction_date: 2025-01-29T10:30:00Z
conversation_type: [academic-writing / academic-discussion / technical / general]
main_topics: [列表]
importance_level: [high / medium / low]
word_count: [文档字数]
key_tags: [标签列表]
---
```

### 文件尾部
```markdown
## 📋 后续行动建议
[基于本次对话，给出3-5条可执行建议]

## 🔗 潜在关联
[如果能想到与之前知识的关联，标注出来]

## 🎯 下次对话关注点
[标记下次类似任务需要重点关注的方面]
```

## 触发指令示例

用户可以用以下任何方式触发：
- "总结这次对话"
- "提取知识点"
- "记录这次学习内容"
- "整理对话精华"
- "构建知识库条目"
- 或任何类似的表述

## 参考文件

### 提取模板
- [学术写作类模板](references/academic-writing-template.md) - 学术写作对话的知识提取模板，含修改对比、写作偏好分析等
- [学术探讨类模板](references/academic-discussion-template.md) - 学术探讨对话的知识提取模板，记录思考过程和论证逻辑
- [技术任务类模板](references/technical-task-template.md) - 技术任务对话的知识提取模板，记录方法、工具、决策点
- [通用对话类模板](references/general-conversation-template.md) - 通用对话的知识提取模板，按主题分段记录

### 输出示例
- [知识库文档输出示例](templates/output-example.md) - 完整的输出文件示例，含文件命名规范和格式参考

## 注意事项

1. **完整性优先**：宁可详细也不要遗漏重要信息
2. **结构化优先**：使用清晰的层级和标记
3. **可复用性优先**：提炼出通用规则而非孤立案例
4. **学术写作特殊对待**：给予最详细的记录
5. **保持客观**：如实记录对话内容，不添加主观解读
6. **上下文保留**：记录足够的上下文以便未来理解

## 质量检查清单

生成文档前，确认：
- [ ] 是否准确识别了所有主要话题？
- [ ] 学术写作类是否有详细的修改对比？
- [ ] 是否提炼了可复用的规则/模式？
- [ ] 是否标注了重要性等级？
- [ ] 文件命名是否符合规范？
- [ ] 是否包含了元数据和后续建议？