pinkpixel-dev Note Meta Skill (知识萃取器)
从公域互联网或用户提供的文档中萃取优质知识，提炼出工作流、方法论、原则等核心内容，自动封装为标准化的 Skill。
前提条件
- NotebookLM Skill 已安装：本技能依赖
notebooklm技能进行知识收集 - Skill Creator 可用：用于最终的技能封装
- 已完成 NotebookLM 登录：
notebooklm login
代理配置（中国大陆必需）
在所有 notebooklm 命令前设置代理：
$env:HTTP_PROXY="http://127.0.0.1:7890"
$env:HTTPS_PROXY="http://127.0.0.1:7890"
登录注意事项
⚠️ notebooklm login 完成后，必须回到终端按 ENTER 键才能保存认证状态。
常见问题速查
| 问题 | 解决方案 |
|---|---|
| All connection attempts failed | 设置 HTTP_PROXY/HTTPS_PROXY |
| 登录后仍报 Auth expired | 登录后必须按 ENTER |
| TargetClosedError | 设置 $env:NOTEBOOKLM_HOME="~/.notebooklm_fix" 切换新目录 |
工作流
用户输入 (主题/URL/文档)
↓
阶段1: 知识收集
↓
阶段2: 知识萃取
↓
★ 确认点 ★
↓
阶段3: Skill 封装
↓
交付 Skill
阶段 1: 知识收集
步骤 1.1: 明确目标
询问用户：
- 主题："你想从哪个领域/主题萃取知识？"
- 来源："你有现成的文档/URL 吗？还是需要 AI 帮你搜索？"
- 期望输出："你希望生成什么类型的 Skill？（工作流指导 / 方法论参考 / 自动化脚本）"
步骤 1.2: 创建 NotebookLM 笔记本
notebooklm create "知识萃取: [主题名称]"
步骤 1.3: 收集知识来源
方式 A - AI 自主搜索（Deep Research）：
notebooklm source add-research "[搜索查询]" --mode deep --no-wait
notebooklm research wait --import-all
方式 B - 用户提供来源：
# 添加 URL
notebooklm source add "https://..."
# 添加本地文件
notebooklm source add ./document.pdf
方式 C - 混合模式（推荐）： 先添加用户文档，再用 Deep Research 补充搜索。
步骤 1.4: 验证来源就绪
notebooklm source list --json
确认所有 source 的 status = READY 后继续。
阶段 2: 知识萃取
使用结构化提问从 NotebookLM 中萃取核心知识。
萃取维度
按顺序执行以下提问（完整 Prompt 见 extraction_prompts.md）：
| 维度 | 目的 | 核心问题 |
|---|---|---|
| Workflow | 提取步骤化流程 | "这套方法的完整工作流是什么？每一步具体做什么？" |
| Principles | 提取核心原则/方法论 | "背后的核心原则是什么？为什么要这样做？" |
| Templates | 提取可复用模板 | "有没有可以直接复用的模板、框架或清单？" |
| Scripts | 探测是否有脚本 | "有没有涉及代码、脚本或自动化工具？" |
执行萃取
# 依次执行萃取提问
notebooklm ask "[Workflow 萃取 Prompt]" --json
notebooklm ask "[Principles 萃取 Prompt]" --json
notebooklm ask "[Templates 萃取 Prompt]" --json
notebooklm ask "[Scripts 萃取 Prompt]" --json
整理萃取结果
将所有萃取结果整理为结构化文档，格式如下：
# 知识萃取报告: [主题名称]
## Workflow (工作流)
1. 步骤1: ...
2. 步骤2: ...
## Principles (核心原则)
- 原则1: ...（解释 Why）
- 原则2: ...
## Templates (模板)
[如有]
## Scripts (脚本)
[如有，提取代码；如无，标注"无"]
★ 确认点 ★
暂停并向用户展示萃取结果，确认：
- 萃取内容是否准确、完整？
- 有无需要补充或修改的地方？
- 确认后继续进行 Skill 封装。
阶段 3: Skill 封装
步骤 3.1: 确定 Skill 元信息
根据萃取结果确定：
- name：小写 + 连字符，如
writing-master - description：[动作] + [场景] + [触发词]
- 类型：工作流指导 / 方法论参考 / 自动化脚本
步骤 3.2: 创建目录结构
mkdir -p ~/.gemini/antigravity/Skills/[skill-name]/references
步骤 3.3: 生成 SKILL.md
使用 skill_template.md 作为基础模板，填入：
- Frontmatter：name, description
- 概述：Skill 用途说明
- 工作流：从 Workflow 萃取结果生成
- 核心原则：从 Principles 萃取结果生成
- 模板/参考：链接到
references/目录 - 示例：提供 1-2 个使用场景
步骤 3.4: 填充 references/
根据萃取内容创建：
principles.md：详细方法论templates.md：可复用模板[其他].md：按需添加
步骤 3.5: 处理 Scripts（如有）
如果萃取结果包含脚本：
mkdir -p ~/.gemini/antigravity/Skills/[skill-name]/scripts
将脚本代码保存到 scripts/ 目录。
输出清单
最终交付物：
[skill-name]/
├── SKILL.md # 主技能文件
├── references/ # 参考资料
│ ├── principles.md # 核心原则（如有）
│ └── templates.md # 模板（如有）
└── scripts/ # 脚本（如有）
示例
用户请求："我想学习这位写作博主的方法，帮我做成一个 Skill"
执行流程：
- 创建笔记本
notebooklm create "知识萃取: 写作方法论" - 添加博主文章 URL
- Deep Research 补充搜索 "写作技巧 方法论"
- 萃取 Workflow, Principles, Templates
- 用户确认萃取结果
- 生成
writing-master/SKILL.md - 交付技能
注意事项
- 质量优于速度：宁可多轮萃取，不要漏掉关键内容
- 动态 Scripts：不强制要求脚本，有则纳入，无则省略
- 语言风格：生成的 Skill 应为中文，符合用户习惯