majiayu000 NLP Interface Skill - 自然语言接口
智能自然语言接口，理解用户的日常语言并自动映射到对应的斜杠命令，让知识管理更自然、更高效。
功能概述
NLP Interface 是一个自动触发的智能接口层，位于用户和命令系统之间：
用户输入 → NLP Interface → 意图识别 → 命令映射 → 执行命令
↓ ↓ ↓ ↓
"记笔记" 识别为添加 /kb-add 执行添加
核心能力：
- 意图识别：理解用户想要做什么（6大类意图）
- 上下文管理：记住对话历史，理解代词指代
- 智能路由：将自然语言映射到具体的斜杠命令
- 参数提取：从自然语言中提取命令参数
- 澄清策略：当意图不明确时，主动询问
工作流程
Step 1: 输入检测
检测用户输入:
IF 输入以 "/" 开头:
→ 不处理，交给原有命令系统
ELSE:
→ 进入意图识别流程
Step 2: 意图识别
意图分类（6大类）:
1. 添加知识意图
关键词: "记", "添加", "学习", "了解", "保存", "记录"
映射命令: /kb-add
2. 搜索查找意图
关键词: "找", "搜索", "查", "看看", "有没有", "关于"
映射命令: /kb-search
3. 编辑修改意图
关键词: "修改", "更新", "编辑", "改", "补充", "添加内容"
映射命令: /kb-edit
4. 学习复习意图
关键词: "测试", "测验", "练习", "复习", "回顾", "教我", "讲解"
映射命令: /kb-quiz, /kb-review, /kb-teach
5. 导入内容意图
关键词: "保存这个网页", "抓取", "导入", "从URL", "从PDF"
映射命令: /kb-from-url, /kb-from-pdf, /kb-from-image
6. 网络搜索意图
关键词: "搜索资料", "网上找", "Google一下", "查资料", "找资料"
映射命令: /kb-search-web
Step 3: 置信度计算
置信度评估:
高置信度 (>90%):
→ 直接执行命令
中置信度 (70-90%):
→ 显示确认信息
→ "我要执行: [命令]，确认吗？(回车确认 / n取消)"
低置信度 (<70%):
→ 询问澄清
→ 显示选项列表
→ "你想做什么？1. 搜索 2. 添加 3. 测试"
Step 4: 参数提取
从自然语言提取命令参数:
标题提取:
- 从引号内提取: "标题: React Hooks"
- 从冒号后提取: "学习: useState"
- 核心名词短语: "React Hooks学习笔记"
标签提取:
- "标签: xxx" → ["xxx"]
- "带tag xxx" → ["xxx"]
- "#xxx" → ["xxx"]
- 从内容中识别关键词
分类提取:
- "学习笔记" → learning-note
- "代码" → code-snippet
- "项目" → project-doc
- "研究" → research-note
其他参数:
- 时间: "最近", "这个月" → --after=DATE
- 难度: "简单", "困难" → --difficulty=LEVEL
- 数量: "5个", "前10" → --count=N
Step 5: 上下文解析
上下文管理（最近10轮对话）:
代词解析:
"它" → 最近提到的主体
"这个" → 最近操作的对象
"那个" → 前一轮提到的对象
"第一条" → 上次搜索结果的第1个
话题追踪:
- 持续时间: 30分钟内视为同一话题
- 主题延续: "再搜索XXX"（在当前话题内细化）
- 话题切换: "现在搜索Python"（清空上下文）
参考解析:
"修改它" → /kb-edit [last_id]
"关联这个" → /kb-link [last_id] [current_id]
Step 6: 执行命令
构建完整命令并执行:
1. 构建命令字符串:
intent = "kb-add"
params = {"title": "React Hooks", "tags": ["react"]}
command = f"/{intent} \"{params['title']}\" --tags={','.join(params['tags'])}"
2. 传递给命令系统:
执行构建的命令
3. 返回结果给用户:
显示命令输出
保存到对话历史
意图识别规则
1. 添加知识
触发模式：
"记一条笔记"
"添加知识"
"学习XXX"
"了解XXX"
"记录XXX"
"保存笔记"
示例对话：
用户: "记一条React Hooks学习笔记"
系统:
意图: kb-add
提取:
- 标题: "React Hooks学习笔记"
- 类型: learning-note
- 标签: [react, hooks] (智能推荐)
执行: /kb-add "React Hooks学习笔记" --type=learning-note --tags=react,hooks
2. 搜索查找
触发模式：
"找XXX"
"搜索XXX"
"查XXX"
"看看XXX"
"有没有XXX"
"关于XXX的笔记"
示例对话：
用户: "找useState相关内容"
系统:
意图: kb-search
提取:
- 查询词: "useState"
- 过滤: 无
执行: /kb-search useState
3. 编辑修改
触发模式：
"修改XXX"
"更新XXX"
"编辑XXX"
"改XXX"
"给XXX补充"
"修改第一条"
"更新刚才那个"
示例对话：
用户: "修改刚才那条笔记"
系统:
意图: kb-edit
上下文:
- 上次操作: 搜索结果
- 最近ID: 2026-01-04-105815
执行: /kb-edit 2026-01-04-105815
4. 学习复习
触发模式：
"测试XXX"
"测验XXX"
"练习XXX"
"复习今天"
"回顾最近"
"教我XXX"
"讲解XXX"
示例对话：
用户: "测试React部分"
系统:
意图: kb-quiz
提取:
- 主题: "React"
- 难度: medium (默认)
执行: /kb-quiz "React" --difficulty=medium
5. 导入内容
触发模式：
"保存这个网页: URL"
"导入PDF"
"抓取URL"
"从URL导入"
"从PDF提取"
示例对话：
用户: "保存https://react.dev这篇文章"
系统:
意图: kb-from-url
提取:
- URL: "https://react.dev"
执行: /kb-from-url https://react.dev
6. 网络搜索
触发模式：
"搜索XXX资料"
"网上找XXX"
"Google一下XXX"
"查XXX的资料"
"找XXX的学习资源"
示例对话：
用户: "搜索React性能优化最新资料"
系统:
意图: kb-search-web
提取:
- 查询: "React性能优化"
- 约束: ["最新"]
执行: /kb-search-web "React性能优化" --time=recent
上下文管理
对话历史结构
{
"sessionId": "2026-01-04-session-001",
"startTime": "2026-01-04T14:30:00Z",
"lastActivity": "2026-01-04T14:35:22Z",
"turnCount": 5,
"currentTopic": "React Hooks",
"recentContext": {
"lastCommand": "kb-search",
"lastQuery": "useState",
"lastIds": ["2026-01-04-105815", "2026-01-04-105644"],
"lastResult": "3个结果"
},
"turns": [
{
"turnId": 1,
"timestamp": "2026-01-04T14:30:05Z",
"userInput": "找React笔记",
"intent": "kb-search",
"confidence": 0.92,
"executedCommand": "/kb-search React"
},
...
]
}
上下文解析策略
代词解析规则:
"它" → 指向最近操作的主体
例: "修改它" → 修改上次搜索/编辑的条目
"这个" → 指向当前讨论的对象
例: "这个不错" → 当前查看的条目
"那个" → 指向前一轮的对象
例: "那个呢？" → 前一轮提到的另一个对象
"第一条" → 指向列表中的第1个
例: "修改第一条" → 上次搜索结果的第1条
"刚才那个" → 指向上一次操作的对象
例: "再搜索刚才那个" → 继续细化搜索
澄清策略
模糊输入处理
当意图不明确时:
示例1: 单词输入
用户: "React"
系统:
"你想要对React做什么？
1. 搜索相关笔记
2. 添加新笔记
3. 测试相关知识
4. 学习React
请回复数字或详细描述。"
示例2: 多种可能
用户: "Hooks"
系统:
"我找到了几种可能:
1. 搜索: React Hooks相关笔记
2. 添加: 添加Hooks学习笔记
3. 测试: Hooks知识测验
请告诉我具体需求。"
偏好学习
自动学习用户习惯
学习维度:
1. 标签偏好
观察: 最近10次添加笔记，8次使用"frontend"
学习: 默认建议标签包含"frontend"
2. 分类偏好
观察: 70%的笔记在"learning"分类
学习: 默认分类设为"learning"
3. 格式偏好
观察: 用户经常使用详细格式查看搜索结果
学习: 默认使用 --format=detailed
4. 时间偏好
观察: 用户多在下午2-5点学习新知识
学习: 下午主动建议学习资源
偏好应用
应用偏好到命令:
用户: "记一条笔记"
系统应用:
- 默认分类: learning (从偏好中获取)
- 推荐标签: [react, hooks] (基于上下文)
- 默认模板: learning-note
输出: "我要添加一条学习笔记
建议标签: react, hooks (基于最近话题)
要修改吗？(回车确认 / 输入新标签)"
智能建议
操作后建议
在命令执行完成后触发建议:
添加知识后:
- 发现相关条目 (相似度>80%)
- 建议创建关联
- 建议开始学习计划
搜索后:
- 建议细化搜索
- 建议学习路径
- 推荐相关主题
测验后:
- 显示薄弱环节
- 建议针对性复习
- 推荐练习资源
配置选项
{
"nlp": {
"enabled": true,
"confirmThreshold": 0.7,
"contextWindow": 10,
"sessionTimeout": 1800,
"maxHistory": 100
},
"preferences": {
"autoLearn": true,
"suggestAfterCommand": true,
"showConfidence": false
}
}
使用示例
完整对话流程
# 对话开始
用户: "找React笔记"
系统: [执行 /kb-search React]
找到 3 个相关条目...
用户: "修改第一条"
系统: [从上下文解析 ID: 2026-01-04-105815]
[执行 /kb-edit 2026-01-04-105815]
用户: "补充useEffect的内容"
系统: [识别为编辑操作，保持当前ID]
请输入要补充的内容...
用户: "测试一下React"
系统: [执行 /kb-quiz "React" --difficulty=medium]
# 30分钟后，新会话开始
用户: "搜索useState"
系统: [新会话，清空上下文]
[执行 /kb-search useState]
性能优化
优化策略:
1. 意图识别缓存
- 常见输入模式缓存
- 避免重复计算
2. 对话历史压缩
- 只保留关键信息
- 定期清理过期会话
3. 异步处理
- 偏好学习异步执行
- 不阻塞主流程
错误处理
错误处理策略:
1. 意图识别失败
→ 询问用户具体需求
→ 提供命令列表
2. 参数提取失败
→ 使用默认值
→ 询问用户确认
3. 命令执行失败
→ 显示原始错误
→ 建议正确的命令格式
4. 上下文丢失
→ 提示用户重新指定
→ 提供历史记录
调试模式
调试模式输出:
当 showConfidence=true 时:
用户: "记笔记"
系统: [DEBUG]
意图: kb-add
置信度: 0.85
提取参数: {title: null, tags: []}
构建命令: /kb-add
状态: 需要澄清
请提供标题和内容...
与其他组件配合
协作组件:
1. Knowledge Manager
- 添加知识后触发
- 接收标签和关联建议
2. Suggestion Engine
- 接收操作上下文
- 返回智能建议
3. Search Assistant
- 网络搜索触发
- 返回整理结果
4. User Preferences
- 读取用户偏好
- 更新使用统计
版本历史
- v1.0 (2026-01-04): 初始版本
- 实现6大意图识别
- 上下文管理
- 参数提取
- 澄清策略