# Skill Knowledge Extractor

> This skill should be used when users want to extract, codify, or systematize knowledge, experience, or best practices into a reusable Skill. Trigger this skill when users say things like "帮我把这段经验提炼成 Skill"、"把我的工作流沉淀下来"、"知识萃取"、"把这段对话提炼成方法论"、"把我的经验写成 SOP"、"帮我总结最佳实践"、"know-how extraction"、"extract knowledge from"、"turn my process into a skill"、"help me document my workflow"、"把销售话术沉淀成模板"、"将专家经验转化为检查清单"、"从客服记录中提取标准回复"、"knowledge extraction"、"capture institutional knowledge"、"codify my experience"、"帮我把隐性知识显性化". Also trigger when users share a description of their personal workflow, process, or domain expertise and implicitly want it structured for reuse.

- Skill: `yizhiyanhua-ai/skill-knowledge-extractor` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add yizhiyanhua-ai/skill-knowledge-extractor`
- Raw SKILL.md: https://api.skillmd.com/api/skills/yizhiyanhua-ai/skill-knowledge-extractor/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Productivity
- Author: yizhiyanhua-ai (https://skillmd.com/u/yizhiyanhua-ai)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/yizhiyanhua-ai/skill-knowledge-extractor

---


# 知识提取器 (Knowledge Extractor)

将隐性知识转化为可复用的 Skill，让个人经验变成团队资产。

**核心价值**：无论用户是口头描述、粘贴对话记录、还是上传文档，本 Skill 都能帮助识别可复用的模式并生成结构化的 Skill 草稿——不依赖任何脚本，Claude 直接分析完成。

## 适用场景

| 场景 | 输入示例 | 输出 |
|------|---------|------|
| 销售话术沉淀 | 销售对话记录 / 口述成交方法 | 开场白/异议处理/促成 Skill |
| 专家经验提取 | 专家的工作文档、笔记、口述 | 检查清单/决策树 Skill |
| 客服模板生成 | 客服聊天记录 / 投诉处理案例 | 标准回复模板 Skill |
| 流程规范化 | 操作步骤描述 / 工作方法口述 | SOP Skill |
| 调试/排障流程 | 工程师的故障处理经验 | 排查步骤 Skill |
| 需求评审方法 | 产品经理的评审经验 | 问题清单/决策框架 Skill |

## 工作流程

### 极简模式（推荐起点）

当用户直接描述经验或粘贴记录时，**无需任何脚本**，Claude 直接执行以下步骤：

1. **理解输入**：识别材料类型（口述 / 对话记录 / 文档）
2. **提取模式**：识别重复出现的步骤、判断逻辑、话术结构、检查点
3. **生成草稿**：直接输出知识提取报告 + Skill 草稿
4. **确认迭代**：向用户确认准确性，按反馈调整

> 脚本（`scripts/extract_patterns.py`）是可选的加速方案，适合批量处理大量文件。对于单次对话或口述场景，Claude 直接分析即可。

### 详细流程

#### 第一步：收集原始材料

若用户未提供材料，引导提供以下任一：
- 口述经验（直接描述工作方法，最简单）
- 对话记录（聊天截图、文字记录）
- 工作文档（笔记、报告、邮件）

对于口述场景，使用引导性提问帮助用户清晰表达：
- "您通常第一步做什么？"
- "遇到[常见情况]时，您怎么处理？"
- "有没有特别重要、别人容易忽略的点？"

#### 第二步：识别可复用模式

从材料中识别以下类型的模式：

**话术模式**（适用于销售、客服）
- 开场白模式、问题诊断模式、异议处理模式、促成/收尾模式

**检查清单模式**（适用于审核、质检、评审）
- 必查项目、常见问题点、风险预警项

**决策树模式**（适用于问题诊断、分类、排障）
- 判断条件、分支路径、最终结论

**模板模式**（适用于文档、回复、报告）
- 固定结构、可变参数、示例填充

**SOP 模式**（适用于流程规范化）
- 步骤序列、关键节点、验收标准

#### 第三步：生成 Skill 草稿

根据提取的模式，直接生成符合规范的 Skill 草稿：

```markdown
---
name: [skill-name]
description: [何时触发、适用场景的简洁描述]
---

# [Skill 名称]

[一句话说明核心价值]

## 使用场景

[描述何时使用这个 Skill]

## 核心模式

### 模式 1：[模式名称]
**触发条件**：[何时使用]
**执行步骤**：
1. [步骤1]
2. [步骤2]
**示例**：[具体示例]

### 模式 2：[模式名称]
...
```

#### 第四步：用户确认与优化

展示草稿后，询问：
1. 是否准确反映了他们的经验？
2. 有没有遗漏的重要模式？
3. 示例是否需要调整？

根据反馈迭代优化。

#### 可选：脚本批量处理

对于需要分析大量文件（如 100+ 条对话记录）的场景，可使用脚本加速：

```bash
python scripts/extract_patterns.py --input <材料文件> --type <材料类型>
```

材料类型：`conversation`（对话记录）/ `document`（工作文档）/ `description`（口述描述）

## 输出格式

### 知识提取报告

```
知识提取报告
━━━━━━━━━━━━━━━━━━━━━━
来源：[材料来源描述]
分析数量：[分析的记录/文档数量]

发现的可复用模式：

1. **[模式名称]**（出现 X 次，占比 Y%）
   - 触发场景：[何时出现]
   - 核心要点：[关键内容]
   - 示例：[具体示例]

2. **[模式名称]**（出现 X 次，占比 Y%）
   ...

建议生成的 Skill：
- [skill-name-1]（[功能描述]）
- [skill-name-2]（[功能描述]）

知识覆盖度：
- 已提取：X 个模式
- 覆盖场景：Y%
- 建议补充：[需要更多材料的领域]
```

### Skill 草稿

生成符合规范的 SKILL.md 文件，包含：
- 正确的 frontmatter（name, description）
- 清晰的使用场景
- 结构化的模式描述
- 具体的示例

## 特殊处理

### 非技术用户

对于非技术用户，使用更简单的语言：
- 避免技术术语
- 多用具体示例
- 提供逐步引导

### 敏感信息

提取过程中注意：
- 脱敏客户信息
- 隐藏具体金额
- 匿名化人名

### 多人经验合并

当需要合并多人经验时：
1. 分别提取每人的模式
2. 识别共同模式（最佳实践）
3. 标注差异模式（个人风格）
4. 生成综合版 Skill

## 示例

### 示例 1：销售话术提取

**输入**：销售冠军张三的 50 条成交对话记录

**输出**：
```
知识提取报告
━━━━━━━━━━━━━━━━━━━━━━
来源：销售部 张三 的 50 条成交对话记录

发现的可复用模式：

1. **痛点挖掘开场**（出现 45 次，占比 90%）
   - 触发场景：首次接触客户
   - 核心要点：先问痛点，再介绍产品
   - 示例："您目前在 XX 方面遇到什么挑战？"

2. **价格异议处理**（出现 32 次，占比 64%）
   - 触发场景：客户说"太贵了"
   - 核心要点：先认同，再算账，最后对比
   - 示例："您说得对，我们确实不是最便宜的。但您算过吗..."

3. **限时促成**（出现 28 次，占比 56%）
   - 触发场景：客户犹豫不决
   - 核心要点：限时优惠 + 案例背书
   - 示例："这个月签约的话，可以享受..."

建议生成的 Skill：
- sales-opening-skill（开场白助手）
- objection-handler-skill（异议处理助手）
- closing-skill（促成助手）
```

### 示例 2：合同审查经验提取

**输入**：法务专家李四的合同审查笔记

**输出**：
```
知识提取报告
━━━━━━━━━━━━━━━━━━━━━━
来源：法务部 李四 的合同审查笔记（30 份）

发现的可复用模式：

1. **付款条款检查**（必查项）
   - 检查点：付款比例、付款条件、付款时间
   - 常见问题：预付比例过高、验收条件模糊
   - 建议条款：[标准条款模板]

2. **违约责任检查**（必查项）
   - 检查点：违约定义、赔偿上限、免责条款
   - 常见问题：赔偿无上限、免责范围过宽
   - 建议条款：[标准条款模板]

3. **知识产权检查**（技术合同必查）
   - 检查点：权属归属、使用范围、保密期限
   - 常见问题：权属不清、保密期过短
   - 建议条款：[标准条款模板]

建议生成的 Skill：
- contract-checklist-skill（合同检查清单）
- clause-library-skill（条款库）
```

## 注意事项

1. **优先极简模式**：口述描述是最低门槛的输入，直接帮用户从对话中提炼，无需准备任何材料
2. **材料质量**：输入材料越丰富，提取的模式越准确；但单条口述同样有价值
3. **隐私保护**：提取过程中自动脱敏客户信息和敏感数据
4. **持续迭代**：Skill 草稿需要与用户确认后再正式使用
5. **多人合并**：合并多人经验时，注意区分共同模式和个人风格