Install
openclaw skills install @thcjp/sequential-read-tool-freeopenclaw skills install @thcjp/sequential-read-tool-free顺序阅读工具免费版帮助用户分段顺序阅读长篇文章,每段阅读后生成结构化反思笔记。避免「跳读漏读」,确保完整理解文章脉络。适合学术论文精读、技术文档学习与书籍章节阅读.
将长文按自然段落或字数分段,逐段顺序阅读,确保不遗漏内容.
处理: 解析分段顺序阅读的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回分段顺序阅读的响应数据,包含状态码、结果和日志.
input_params参数,支持创建/查询/导出操作每段阅读后生成结构化反思:核心观点、关键概念、疑问点、与已有知识的联系.
处理: 解析结构化反思的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回结构化反思的响应数据,包含状态码、结果和日志.
input_params参数,支持创建/查询/导出操作记录阅读进度,支持中断后继续阅读.
处理: 解析进度追踪的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回进度追踪的响应数据,包含状态码、结果和日志.
input_params参数,支持创建/查询/导出操作自动提取文章中的关键概念与术语,生成词汇表.
处理: 解析关键概念提取的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回关键概念提取的响应数据,包含状态码、结果和日志.
input_params参数,支持创建/查询/导出操作反思笔记保存为 Markdown 文件,便于后续查阅与整理.
处理: 解析本地笔记保存的输入参数,完成核心逻辑,返回结构化响应.
输出: 返回本地笔记保存的响应数据,包含状态码、结果和日志.
技术参数:使用input_params和output_format参数控制执行行为,支持json/text/csv输出格式.
能力覆盖范围:本skill的核心能力覆盖以下场景关键词:分段顺序阅读长篇、生成结构化反思笔、适合个人学习与读、顺序阅读工具免费、面向个人学习者的、长文阅读助手等。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.
逐段阅读一篇学术论文,生成阅读笔记. 用户可通过自然语言指令触发此场景,工具将自动执行相应操作并返回结构化结果.
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | 顺序阅读工具-免费版处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |
# 开始顺序阅读
python3 sequential_read.py \
--input paper.pdf \
--segment-by paragraph \
--output notes/paper_notes.md \
--reflect
# ...
# 交互式阅读流程:
# === 第 1 段 (共 47 段) ===
# [段落内容显示]
#
# === 反思 ===
# 核心观点: 本文研究分布式系统中的一致性问题
# 关键概念: CAP定理, 最终一致性, 强一致性
# 疑问点: 作者如何定义"最终"的时间窗口?
# 关联知识: 与之前阅读的 Paxos 算法相关
#
# 继续? (y/n/exit): y
逐节阅读技术文档,确保理解每个部分.
# 按章节分段
--input api-docs.md \
--segment-by heading \
--output notes/api_docs_notes.md \
--reflect \
--extract-concepts
# ...
# 输出概念表:
# === 关键概念表 ===
# | 概念 | 定义 | 出现位置 |
# |------|------|----------|
# | REST | 表征状态转移 | 第2节 |
# | JWT | JSON Web Token | 第3节 |
# | OAuth2 | 开放授权协议2.0 | 第4节 |
阅读书籍章节,生成讨论要点.
# 阅读书籍章节
--input chapter1.txt \
--segment-by paragraph \
--max-chars 500 \
--output notes/ch1_notes.md \
--reflect \
--discussion-points
# ...
# 输出讨论要点:
# === 讨论要点 ===
# 1. 作者对"数字化转型的核心不是技术而是组织变革"的论述是否成立?
# 示例
# 3. "敏捷组织"与传统矩阵式组织的具体差异有哪些?
# 依赖说明
# 顺序阅读文本文件
--input article.txt \
--segment-by paragraph \
--output notes/article_notes.md \
--reflect
# 查看阅读进度
py --progress notes/article_notes.md
# ...
# 从断点继续
--input article.txt \
--resume notes/article_notes.md
| 策略 | 参数 | 说明 |
|---|---|---|
| 按段落 | --segment-by paragraph | 按空行分段 |
| 按标题 | --segment-by heading | 按 Markdown 标题分段 |
| 按字数 | --segment-by chars --max-chars 500 | 固定字数分段 |
| 按句子 | --segment-by sentence | 按句号分段 |
# 阅读笔记: {文件名}
# ...
## 元信息
- 来源: {文件路径}
- 总段落数: {N}
- 阅读进度: {current}/{N}
- 开始时间: {timestamp}
# ...
## 第 1 段
### 原文摘要
{段落摘要}
# ...
### 反思
- **核心观点**: {主要观点}
- **关键概念**: {概念列表}
- **疑问点**: {疑问}
- **关联知识**: {与已有知识的联系}
# ...
## 第 2 段
...
| 参数 | 说明 | 默认值 |
|---|---|---|
--input | 输入文件路径 | 必需 |
--segment-by | 分段策略 | paragraph |
--max-chars | 最大字符数(chars模式) | 500 |
--output | 笔记输出路径 | notes.md |
--reflect | 启用反思 | false |
--extract-concepts | 提取概念 | false |
--discussion-points | 生成讨论要点 | false |
--resume | 恢复阅读 | - |
A: 免费版支持纯文本和 Markdown 文件。PDF 文件需要先用工具(如 pdftotext)转换为文本格式。PRO 版支持直接读取 PDF.
A: 使用 --resume 参数指定笔记文件路径,工具会从上次中断的段落继续。进度信息保存在笔记文件的元信息中.
A: 笔记默认保存为 Markdown 格式,可通过 pandoc 等工具转换为 HTML、PDF 等格式.
A: 调整 --max-chars 参数增大每段字数,或使用 --segment-by heading 按标题分段,减少段落数量.
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| Python 3 | 运行时 | 必需 | 官方网站下载 |
| pdftotext | PDF转换 | PDF输入推荐 | poppler-utils 包 |
| pandoc | 格式转换 | 导出推荐 | 官方网站下载 |
| LLM API | API | 必需 | 由Agent内置LLM提供 |
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 |
| 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 |
| 网络错误 | 连接超时或不可达 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令,参考国内替代方案 |
输出:返回执行结果,包含操作状态和输出数据
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