Conversation knowledge extractor

Skill ZLHad/agent-skills/claude-code-skills/conversation-knowledge-extractor

A collection of agent skills for OpenClaw and Claude Code

Install

npx -y skills add ZLHad/agent-skills --skill conversation-knowledge-extractor

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

深度分析当前对话窗口内容，智能识别对话类型（学术写作、学术探讨、编程任务等），提取关键知识点、方法论、个人习惯、常见错误，并结构化输出为详细的可复用知识库文档。特别针对学术写作场景进行深度记录（修改前后对比、写作偏好、习惯模式）。触发词："总结这次对话"、"提取知识点"、"整理对话精华"、"构建知识库"、"记录学习内容"等。

SKILL.md

5.4 KB, as published. Nobody here has run it

Conversation Knowledge Extractor

核心功能

从当前对话窗口中深度提取和结构化知识，生成详细的个人知识库文档。

工作流程

步骤1：对话全览分析

首先快速浏览整个对话窗口，识别：

对话轮次总数
主要话题数量（可能有多个主题交织）
话题类型（学术写作、学术探讨、技术任务、其他）
关键转折点（话题切换、重要突破）

步骤2：话题分类与深度提取

根据识别出的话题类型，使用对应的提取模板：

学术写作类（优先级最高，最详细）

使用 references/academic-writing-template.md 模板
完整记录修改前后对比
深度分析写作偏好和习惯
详细程度：3000-5000字

学术探讨类

使用 references/academic-discussion-template.md 模板
记录思考过程和论证逻辑
详细程度：2000-3000字

技术任务类

使用 references/technical-task-template.md 模板
记录方法、工具、决策点
详细程度：1500-2500字

综合对话类

使用 references/general-conversation-template.md 模板
按主题分段记录
详细程度：视内容而定

步骤3：智能标注与分级

在提取内容时，添加以下标记：

⭐⭐⭐ 高频问题/核心知识点
💡 重要洞察/突破性认知
⚠️ 需要强化记忆的点/反复出现的错误
🔄 认知演进点（从不理解到理解）
📌 个人偏好/习惯

步骤4：生成分级文档

输出结构：

# 第一层：执行摘要（200-400字）
快速概览本次对话的核心价值

# 第二层：结构化详细内容（按模板展开）
完整的知识提取

# 第三层：可执行建议
基于本次对话的后续行动

步骤5：输出与保存

生成独立的markdown文件
文件命名：knowledge-{YYYYMMDD}-{主题简称}-{序号}.md
使用 create_file 保存到 /home/claude/
使用 present_files 提供给用户下载

特殊处理：学术写作深度记录

对于学术写作类对话，必须包含以下详细内容：

修改对比记录

## 原文片段
[引用原始文本]

## 修改后文本
[引用修改后文本]

## 修改原因分析
- 语法层面：[具体说明]
- 表达层面：[具体说明]
- 逻辑层面：[具体说明]
- 风格层面：[具体说明]

## 可复用规则
[从这次修改中提炼出的通用规则]

写作模式识别

引言写作偏好
论证逻辑习惯
段落组织方式
过渡句使用特点
结论撰写风格

个人习惯追踪

常用句式模板
偏好的连接词
倾向的论证方式
需要警惕的表达陷阱

输出文件规范

文件头部（YAML元数据）

---
extraction_date: 2025-01-29T10:30:00Z
conversation_type: [academic-writing / academic-discussion / technical / general]
main_topics: [列表]
importance_level: [high / medium / low]
word_count: [文档字数]
key_tags: [标签列表]
---

文件尾部

## 📋 后续行动建议
[基于本次对话，给出3-5条可执行建议]

## 🔗 潜在关联
[如果能想到与之前知识的关联，标注出来]

## 🎯 下次对话关注点
[标记下次类似任务需要重点关注的方面]

触发指令示例

用户可以用以下任何方式触发：

"总结这次对话"
"提取知识点"
"记录这次学习内容"
"整理对话精华"
"构建知识库条目"
或任何类似的表述

参考文件

提取模板

学术写作类模板 - 学术写作对话的知识提取模板，含修改对比、写作偏好分析等
学术探讨类模板 - 学术探讨对话的知识提取模板，记录思考过程和论证逻辑
技术任务类模板 - 技术任务对话的知识提取模板，记录方法、工具、决策点
通用对话类模板 - 通用对话的知识提取模板，按主题分段记录

输出示例

知识库文档输出示例 - 完整的输出文件示例，含文件命名规范和格式参考

注意事项

完整性优先：宁可详细也不要遗漏重要信息
结构化优先：使用清晰的层级和标记
可复用性优先：提炼出通用规则而非孤立案例
学术写作特殊对待：给予最详细的记录
保持客观：如实记录对话内容，不添加主观解读
上下文保留：记录足够的上下文以便未来理解

质量检查清单

生成文档前，确认：

是否准确识别了所有主要话题？
学术写作类是否有详细的修改对比？
是否提炼了可复用的规则/模式？
是否标注了重要性等级？
文件命名是否符合规范？
是否包含了元数据和后续建议？