Learning Note Concept Skills

一套面向长文、课程稿、直播转写和学习资料的本地学习 skill。

它解决两个问题：

• note-taking-pro-v2：把一份长材料压缩成高信息密度的三级笔记，也就是一张论证地图。
• concept-learning-v2：从材料或三级笔记里提取关键概念、费曼解释、概念网络和学习诊断。

建议直接分享这套 v2。

原因很简单：v2 更适合别人拿去长期使用，不只是一次性生成好看的总结。

• 有清楚的输入契约：原文、清洗稿、原始转写、校准文本、已有笔记、Logseq 目标页。
• 有明确输出格式：三级笔记和概念提取分工清楚，不混成一锅。
• 有失败模式：防止全文复读、过度压缩、概念乱提、图谱污染。
• 有 STOP 检查点：主源不清、覆盖风险、概念页污染时会停下来。
• 适合写回本地知识库：父页 + 三级笔记 + 概念提取。

如果群友只想先试一个，先装：

note-taking-pro-v2

因为大多数材料要先建立论证地图。等他觉得“这篇里面哪些概念值得长期记住”，再装：

concept-learning-v2

• 长文章、深度文章、研报
• 课程稿、演讲稿、直播洗稿
• 语音转写稿、会议转写稿
• 已经清洗过的 transcript
• 需要沉淀到 Logseq / 本地知识库的学习材料
• 需要同时得到“结构笔记”和“概念工具箱”的材料

不适合：

• 只想要一句话摘要
• 只想改写成公众号文章
• 没有原文、只有很薄摘要，但要求精确概念 context
• 想自动创建一堆独立概念页

负责回答：

• 这篇材料到底想证明什么？
• 论证结构是什么？
• 哪些例子和原话真正支撑主线？
• 哪些内容只是噪音、广告、闲聊、流程信息？

它的输出不是复述全文，而是：

# [标题]｜三级笔记

## 0. 校准说明
## 1. 核心主张
## 2. 论证骨架
## 3. 关键概念与术语
## 4. 盲点、噪音与边界

负责回答：

• 这篇材料里真正承载思想的概念是什么？
• 每个概念在本文语境下是什么意思？
• 它解决了作者论证里的什么问题？
• 它最容易被误解成什么？
• 这些概念之间是什么关系？

它的输出是：

# [标题]｜概念提取与学习诊断

## 0. 提取边界
## 1. 核心概念解析
## 2. 概念网络
## 3. 学习诊断

示例提示词：

用 note-taking-pro-v2 给这篇文章做三级笔记。
保留作者的论证骨架，不要全文复读，也不要过度压缩。

如果是语音转写稿：

用 note-taking-pro-v2 处理这份直播转写。
先判断是否需要清洗，再生成三级笔记。
保留讲者原话里的关键术语和生动表达。

示例提示词：

用 concept-learning-v2 基于刚才的三级笔记和原文做概念提取。
只提取真正承载论证的概念，不要把每个名词都抽成概念。

推荐结构：

[材料标题]
[材料标题]___三级笔记
[材料标题]___概念提取

如果某个概念真的值得长期复用，再人工决定是否晋升成独立概念页。

复制到支持 SKILL.md 的本地 skill 目录：

cp -R skills/note-taking-pro-v2 ~/.codex/skills/
cp -R skills/concept-learning-v2 ~/.codex/skills/

只安装三级笔记：

cp -R skills/note-taking-pro-v2 ~/.codex/skills/

只安装概念提取：

cp -R skills/concept-learning-v2 ~/.codex/skills/

项目内使用时，也可以复制到当前项目的 skill 目录：

mkdir -p .reasonix/skills
cp -R skills/note-taking-pro-v2 .reasonix/skills/
cp -R skills/concept-learning-v2 .reasonix/skills/

learning-note-concept-skills/
├── skills/
│   ├── note-taking-pro-v2/
│   │   ├── SKILL.md
│   │   ├── test-prompts.json
│   │   └── agents/openai.yaml
│   └── concept-learning-v2/
│       ├── SKILL.md
│       ├── test-prompts.json
│       └── agents/openai.yaml
├── scripts/
│   └── validate_pack.py
├── eval/
│   └── darwin-iteration-report.md
└── packages/

这套 skill 特意加入了几类保护：

• 源材料审计：先判断材料是原文、清洗稿、原始转写，还是校准文本。
• 压缩边界：三级笔记要比原文短，但不能压扁论证。
• 概念筛选：大多数长材料提取 8-20 个概念，不追求穷尽。
• 误读边界：每个核心概念都要说明“不要误解为”。
• 图谱卫生：不自动为弱概念创建独立页面。
• 写回保护：已有人工内容时，避免直接覆盖。

python3 scripts/validate_pack.py

预期输出：

Validation passed.

校验内容包括：

• SKILL.md frontmatter
• 必要章节
• STOP: 检查点
• 失败模式表
• 测试提示词
• agents/openai.yaml
• 常见危险操作和运行时绑定红灯词

如果你要分享给群友，建议分享整个仓库或 release zip，不要只发单个 prompt。

推荐说明可以这样写：

这是一套长文学习 skill。
先用 note-taking-pro-v2 做三级笔记，再用 concept-learning-v2 做概念提取。
它不是普通总结器，重点是保留论证骨架、提取关键概念，并防止把知识库写乱。

如果只想让群友先体验一个入口，就让他们先用 note-taking-pro-v2。

• GitHub repo: https://github.com/hou-152/learning-note-concept-skills
• 迭代说明：eval/darwin-iteration-report.md

注意：eval/ 里的分数只代表结构 dry-run，不等于真实材料上的人工验收分数。