学习笔记自动化

核心价值

被动学习 → 主动记忆：看视频 ≠ 学会，生成闪卡 = 记住

输入源

输入类型	工具	输出格式
YouTube 视频	youtube-transcribe	转录文本
B站视频	bilibili-transcribe	转录文本
播客	podcast-transcribe	转录文本
抖音	douyin-transcribe	转录文本
公众号文章	wechat-article-ingest	Markdown

工作流程

Phase 1: 内容转录

复用本仓库的转录 skill（相对路径，按需替换为你的安装位置）：

# YouTube（自动翻译）
python3 ../youtube-transcribe/scripts/transcribe.py "https://youtube.com/watch?v=xxx" -o ./

# B站
python3 ../bilibili-transcribe/scripts/transcribe.py "https://bilibili.com/video/xxx" ./

# 播客
python3 ../podcast-transcribe/scripts/transcribe.py "https://xiaoyuzhoufm.com/episode/xxx" ./

输出是一份转录 Markdown，作为 Phase 2 的输入。

Phase 2 + 3: 知识点提取 + 闪卡生成（一步到位）

把转录稿交给 make_notes.py，自动提取知识点并生成 Anki 兼容闪卡：

export DEEPSEEK_API_KEY=***
python3 scripts/make_notes.py 转录稿.md --output ./notes --max-cards 20
# 产出：<标题>-学习笔记.md（核心要点+闪卡+关联知识） 和 <标题>-闪卡.csv（直接导入 Anki）

脚本用 DeepSeek 输出结构化 JSON，再渲染成下面约定的笔记与闪卡格式。 下面是各维度的设计说明，供理解和手动微调时参考。

提取维度：

1. 核心概念（必须掌握）

   • 定义
   • 原理
   • 应用场景

2. 关键事实（需要记忆）

   • 数据
   • 时间线
   • 人物/公司

3. 方法论（可以复用）

   • 步骤
   • 框架
   • 最佳实践

4. 金句/洞察（值得引用）

   • 精辟总结
   • 独特观点

Phase 3: 闪卡生成

闪卡格式（Anki 兼容）：

## 闪卡类型

### 1. 概念卡（Cloze Deletion）
Q: {{c1::Transformer}} 架构的核心机制是 {{c2::自注意力（Self-Attention）}}
A: Transformer, 自注意力（Self-Attention）

### 2. 问答卡（Basic）
Q: 什么是 RAG？
A: Retrieval-Augmented Generation，检索增强生成。通过检索外部知识库来增强 LLM 的回答能力，解决幻觉问题。

### 3. 对比卡（Comparison）
Q: Fine-tuning vs RAG 的区别？
A: 
| 维度 | Fine-tuning | RAG |
|------|-------------|-----|
| 成本 | 高（需要训练） | 低（只检索） |
| 更新 | 需要重新训练 | 实时更新 |
| 适用 | 特定任务 | 知识问答 |

### 4. 步骤卡（Process）
Q: 如何构建一个 RAG 系统？
A: 
1. 文档分块（Chunking）
2. 向量化（Embedding）
3. 存入向量数据库
4. 检索相关片段
5. 拼接 Prompt
6. LLM 生成回答

Phase 4: 知识图谱更新

实体提取：

• 人物（Who）
• 概念（What）
• 工具/产品（Tool）
• 方法论（How）
• 时间（When）