Note Process Engine Free

SKILL.md

---
slug: note-process-engine-free
name: note-process-engine-free
version: 1.0.0
displayName: 笔记处理引擎(免费版)
summary: 轻量化研究笔记分析工具,支持摘要生成、关键词提取、全文检索与主题列表,适合个人研究者快速提炼笔记洞察。
license: Proprietary
edition: free
description: '笔记处理引擎(免费版)是面向个人研究者与知识工作者的轻量化笔记分析Skill,通过摘要、关键词、检索、列表四大能力的组合,帮助用户从海量研究笔记中快速提炼洞察。核心能力:


  - 摘要生成:统计笔记数量、字数、标签,提取关键句

  - 关键词提取:基于词频统计,过滤停用词,展示Top20

  - 全文检索:按关键词查找匹配笔记,高亮显示

  - 主题列表:列出所有研究主题,附基础统计

  - 兼容JSON数据库格式,与常见笔记工具互通


  适用场景:


  - 研究会话后的快速总结回顾

  - 撰写报告前的资料检索

  - 长期研究项目的进度跟...'
tags:
- 集成工具
- 笔记分析
- 研究工具
tools:
- - read
- exec
homepage: https://skillhub.cn
pricing_tier: L3
pricing_model: per_use
suggested_price: 29.9
tools: ["read", "exec", "glob", "grep"]
tags: "工具,效率,自动化"
---
# 笔记处理引擎(免费版)

一个面向个人研究者与知识工作者的轻量化笔记分析Skill,通过摘要、关键词、检索、列表四大能力的组合,帮助用户从海量研究笔记中快速提炼洞察。本免费版完全基于Python标准库,零外部依赖。

## 概述

本Skill针对研究者"笔记越记越多、回顾越来越难"的痛点,提供四类基础分析能力。所有操作均为只读,不修改原始笔记数据。免费版适合单库、日处理量不超过500条的场景。

## 核心能力

| 能力 | 描述 | 免费版是否支持 |
|---|---|-------|
| 摘要生成 | 笔记数、字数、标签、关键句 | 支持 |
| 关键词提取 | Top20高频词,过滤停用词 | 支持 |
| 全文检索 | 关键词高亮匹配 | 支持 |
| 主题列表 | 所有研究主题+基础统计 | 支持 |
| 语义检索 | 基于向量的相似度检索 | 不支持 |
| 自动标签 | 智能推荐标签 | 不支持 |
| 跨库检索 | 多JSON库联合查询 | 不支持 |
| 可视化 | 词云、时间线、关系图 | 不支持 |
| 导出报告 | Markdown/PDF/HTML | 不支持 |
| 定时分析 | cron定时任务 | 不支持 |

### 核心功能执行
用`input_params`参数进行配置。

**输入**: 用户提供核心功能执行所需的指令和必要参数。
**处理**: 解析核心功能执行的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回核心功能执行的响应数据,包含状态码、结果和日志。
- 执行此能力时使用`input_params`参数,支持创建/查询/导出操作

### 参数配置与调用
用`config_options`参数进行配置。

**输入**: 用户提供参数配置与调用所需的指令和必要参数。
**处理**: 解析参数配置与调用的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回参数配置与调用的响应数据,包含状态码、结果和日志。
- 执行此能力时使用`config_options`参数,支持修改/重置/导入操作

### 结果处理与输出
用`output_format`参数进行配置。

**输入**: 用户提供结果处理与输出所需的指令和必要参数。
**处理**: 解析结果处理与输出的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回结果处理与输出的响应数据,包含状态码、结果和日志。
- 执行此能力时使用`output_format`参数,支持导出/保存/转换操作
**能力覆盖范围**：本skill的核心能力覆盖以下场景关键词：轻量化研究笔记分、析工具、支持摘要生成、全文检索与主题列、适合个人研究者快、速提炼笔记洞察、笔记处理引擎、是面向个人研究者、与知识工作者的轻、量化笔记分析、通过摘要、列表四大能力的组、帮助用户从海量研、究笔记中快速提炼、核心能力等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

## 使用场景

### 场景一:研究会话后快速总结

研究者完成一轮用户访谈后,希望快速回顾本次研究的核心发现。

```bash
# 生成主题摘要
note_process_engine.py summarize user-interview-2026-q3
# ...
# 提取关键词,发现高频主题
note_process_engine.py keywords user-interview-2026-q3
# ...
# 示例
# 摘要: user-interview-2026-q3
# 笔记数: 12, 字数: 3456
# Top Tags: 痛点(8), 需求(6), 竞品(4)
# 关键点: 用户反馈核心痛点在于导出流程繁琐...
```

### 场景二:撰写报告前的资料检索

产品经理在撰写季度报告前,需要回顾相关研究笔记。

```bash
# 列出所有研究主题
note_process_engine.py list
# ...
# 检索包含特定关键词的笔记
note_process_engine.py extract user-interview-2026-q3 痛点
# ...
# 输出示例:
# 找到 5 条匹配
# [2026-07-15] 标签: 痛点, 导出
# 用户反馈:导出PDF时步骤过多,容易出错...
```

### 场景三:长期项目进度跟踪

研究者跟踪一个跨季度的研究项目,定期回顾进度。

```bash
# 查看所有主题
note_process_engine.py list
# ...
# 查看某主题摘要
note_process_engine.py summarize long-term-research
# ...
# 查看关键词变化趋势(对比不同时期的摘要)
note_process_engine.py keywords long-term-research
```

## 不适用场景

以下场景笔记处理引擎(免费版)不适合处理：

- 实时流数据处理
- 小规模数据手动分析
- 非结构化文本情感分析

## 触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求。

## 快速开始

预计上手时间:<60秒。

### Step 1:确认Python环境

```bash
python --version
# 要求 Python 3.8+
```

### Step 2:准备数据库

将研究笔记保存为JSON格式,默认位置`~/.note-engine/workspace/research_db.json`:

```json
{
  "topics": {
    "user-interview-2026-q3": [
      {
        "content": "用户反馈核心痛点在于导出流程繁琐...",
        "tags": ["痛点", "导出"],
        "timestamp": "2026-07-15T10:30:00"
      }
    ]
  }
}
```

### Step 3:运行分析

```bash
note_process_engine.py list
note_process_engine.py summarize user-interview-2026-q3
```

## 配置示例

### 数据库格式说明

```json
{
  "topics": {
    "<topic-name>": [
      {
        "content": "笔记内容(完整句子)",
        "tags": ["标签1", "标签2"],
        "timestamp": "ISO 8601格式时间"
      }
    ]
  }
}
```

### 命令详解

#### summarize - 生成摘要

```bash
note_process_engine.py summarize <topic>
```

输出内容:
- 笔记数量与总字数
- 创建时间与最后更新时间
- Top 5 标签
- 关键点(含重要词汇的句子)
- 最近3条笔记预览

#### keywords - 提取关键词

```bash
note_process_engine.py keywords <topic>
```

输出内容:
- 唯一关键词总数
- Top 20 关键词及词频
- 自动过滤停用词

#### extract - 全文检索

```bash
note_process_engine.py extract <topic> <keyword>
```

输出内容:
- 匹配笔记数量
- 关键词大写高亮
- 时间戳与标签
- 匹配内容预览

#### list - 主题列表

```bash
note_process_engine.py list
```

输出内容:
- 所有研究主题
- 每个主题的笔记数、字数、最后更新
- 最近一条笔记预览

### 关键点检测词汇表

`summarize`命令通过以下词汇识别关键句:

- 重要类:important, key, critical, essential
- 必要类:must, should, note, remember
- 警示类:warning, priority, critical
- 中文对应:重要、关键、必须、应该、注意、记住、警告、优先、紧急

### 停用词过滤表

`keywords`命令自动过滤以下停用词:

```
英文:that, this, with, from, have, been, will, what, when, where, which, their, there, would, could, should, about, these, those, other, into, through
中文:的、了、是、在、有、和、与、或、也、这、那、被、把、给、向、为、对、于、以、可、能、会、要、将、已、正、才、再、又、还、都、就、只、才、便
```

## 最佳实践

1. **写完整句子**:笔记内容使用完整句子,便于关键点检测与摘要生成
2. **包含重要词汇**:在笔记中显式使用"重要"、"关键"、"必须"等词汇,提升关键点识别率
3. **规范标签**:使用一致的标签命名,避免同义词(如"痛点"与"问题"混用)
4. **定期总结**:每完成一批笔记后立即运行`summarize`,及时回顾
5. **先检索后阅读**:用`extract`快速定位相关笔记,避免逐条阅读
6. **检查关键词**:定期查看`keywords`输出,发现可能遗漏的主题
7. **主题命名规范**:使用`项目-阶段-批次`格式(如`user-research-q3-batch1`),便于管理

## 常见问题

### Q1: 提示"Topic not found"怎么办?

A: 1)检查主题名拼写;2)运行`list`查看所有可用主题;3)确认数据库路径正确。

### Q2: 关键词提取结果都是常见词?

A: 1)在笔记中使用更专业的术语;2)为笔记添加规范标签;3)自定义停用词表(修改脚本中的STOP_WORDS)。

### Q3: 摘要的关键点不准确?

A: 关键点检测基于词汇匹配,非语义理解。建议在关键句中显式使用"重要"、"关键"等词汇,或升级到专业版使用语义分析。

### Q4: 可以处理中文笔记吗?

A: 可以。免费版支持中英文混合笔记,中文分词基于jieba(需额外安装)或简单字符匹配。

### Q5: 数据库支持其他格式吗?

A: 免费版仅支持JSON格式。CSV、Markdown、SQLite等格式请使用专业版。

## 错误处理

| 错误场景(症状) | 可能原因 | 解决方案 |
|:---------|:---------|:---------|
| Topic not found | 主题名拼写错误或数据库为空 | 用`list`查看可用主题,检查数据库路径 |
| No matches found | 关键词不匹配或无相关笔记 | 尝试同义词,用`keywords`查找相关词 |
| 关键词都是停用词 | 停用词表不完整 | 自定义停用词表或升级专业版 |
| 摘要关键点为空 | 笔记中无关键词汇 | 添加"重要"、"关键"等词汇,或写更完整句子 |
| 中文显示乱码 | 终端编码问题 | 设置`PYTHONIOENCODING=utf-8` |
| 命令执行报错 | Python版本过低或依赖缺失 | 确认Python 3.8+,安装jieba(可选) |
## 已知限制

本免费体验版限制以下高级功能:

- 语义检索(基于向量的相似度匹配)
- 自动标签推荐与智能分类
- 跨JSON库联合检索
- 可视化(词云、时间线、关系图)
- 导出报告(Markdown/PDF/HTML)
- 定时自动分析(cron调度)
- 多语言深度支持(需jieba分词)
- 团队协作与共享数据库

解锁全部功能请使用专业版:note-process-engine-pro

## 依赖说明

### 运行环境
- **Agent平台**: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- **操作系统**: Windows / macOS / Linux
- **Python**: 3.8+(必需,用于运行分析脚本)

### 依赖详情
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---:|---:|---:|---:|
| LLM API | API | 必需 | 由Agent平台内置LLM提供 |
| Python | 运行时 | 必需 | 系统自带或从python.org下载 |
| jieba | Python库 | 可选 | `pip install jieba`(用于中文分词) |

### API Key 配置
- 本Skill完全基于本地Python脚本,无需任何外部API Key
- 数据库文件存储在`~/.note-engine/workspace/research_db.json`
- 可通过`NOTE_ENGINE_HOME`环境变量自定义存储位置

### 可用性分类
- **分类**: MD+EXEC(纯Markdown指令,部分功能需exec命令行执行)
- **说明**: 基于Markdown的AI Skill,通过自然语言指令驱动Agent完成操作

## 示例

### 基本用法

**输入**：用户提供操作指令和必要参数

**输出**：返回执行结果,包含操作状态和输出数据

```text
用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功
```