Note Process Engine Free

轻量化笔记分析工具，支持摘要生成、关键词提取、全文检索及主题列表，帮助个人研究者快速提炼笔记洞察。

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:

text

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