笔记处理器（Note Processor）

分析并汇总研究笔记，快速提取关键洞见。

快速开始

note_processor.py summarize 
note_processor.py keywords 
note_processor.py extract  
note_processor.py list

示例：

# 获取某研究主题的摘要
note_processor.py summarize income-experiments

# 从笔记中提取高频关键词
note_processor.py keywords security-incident

# 搜索特定信息
note_processor.py extract income-experiments skill

# 列出所有研究主题及其统计信息
note_processor.py list

功能特性

• 摘要（Summaries） —— 包含统计信息、标签及关键要点的主题概览
• 关键词（Keywords） —— 提取最常出现的词汇（已过滤停用词）
• 搜索（Search） —— 查找包含指定关键词的笔记
• 列表（List） —— 展示全部研究主题及其基础统计信息
• 集成能力（Integration） —— 兼容 research-assistant 的数据库格式

适用场景

研究会话结束后

# 汇总所学内容
note_processor.py summarize new-research-topic

# 提取核心主题
note_processor.py keywords new-research-topic

撰写报告前

# 查找特定信息
note_processor.py extract income-experiments monetization

# 获取引言所需的概览信息
note_processor.py summarize income-experiments

回顾研究进展

# 查看所有主题及其规模
note_processor.py list

# 检查近期工作内容
note_processor.py keywords income-experiments

命令详情

summarize

输出内容包括：

• 笔记数量与总字数
• 创建时间与最后更新时间
• 出现频率最高的 5 个标签
• 关键要点（含重要词汇的句子）
• 最近的 3 条笔记

输出示例：

📊 Summary: income-experiments
------------------------------------------------------------
Notes: 4
Words: 63
Created: 2026-02-07
Last update: 2026-02-07

🏷️  Top Tags:
   content: 2
   automation: 2
   experiment: 2

💡 Key Points:
   1. First experiment: create and publish skills...
   2. Second experiment: content automation pipeline...

keywords

输出内容包括：

• 唯一关键词总数
• 频率最高的前 20 个关键词及其出现次数
• 已过滤常见停用词（如 that、this、with、from 等）

输出示例：

🔤 Keywords: income-experiments
------------------------------------------------------------
Total unique keywords: 38

Top 20 Keywords:
  1. experiment           ( 4x)
  2. skill                ( 3x)
  3. clawhub              ( 2x)
  4. content              ( 2x)

extract

输出内容包括：

• 所有包含该关键词的笔记
• 关键词以大写形式高亮显示
• 时间戳与标签
• 匹配内容的预览

输出示例：

🔍 Search Results: 'skill' in income-experiments
------------------------------------------------------------
Found 4 match(es)

1. [2026-02-07 19:09:51]
   Tags: ideas, autonomous
   First experiment: create and publish **SKILL**s to ClawHub...

list

输出内容包括：

• 全部研究主题
• 各主题的笔记数量与总字数
• 最后更新时间
• 最新一条笔记的预览

输出示例：

📚 Research Topics (5)
------------------------------------------------------------

income-experiments
   Notes: 4 | Words: 63 | Updated: 2026-02-07
   Latest: Experiment 2 STARTING: Content automation...

security-incident
   Notes: 1 | Words: 45 | Updated: 2026-02-07
   Latest: Day 1: Security vulnerability found...

与 research-assistant 集成

note-processor 使用与 research-assistant 相同的数据库（research_db.json）。

典型工作流

# 1. 添加研究笔记
research_organizer.py add "new-topic" "Research finding here" "tag1" "tag2"

# 2. 随时间持续添加更多笔记
research_organizer.py add "new-topic" "Another finding" "tag3"

# 3. 完成后生成摘要
note_processor.py summarize new-topic

# 4. 查找特定信息
note_processor.py extract new-topic keyword

# 5. 查看全部主题
note_processor.py list

协同使用方式

# 研究阶段
research_organizer.py add "experiment" "Test result 1" "testing"
research_organizer.py add "experiment" "Test result 2" "testing"
research_organizer.py add "experiment" "Conclusion: worked!" "results"

# 分析阶段
note_processor.py summarize experiment
note_processor.py keywords experiment

# 撰写阶段
note_processor.py extract experiment conclusion
# 基于提取出的笔记撰写报告

关键要点检测

summarize 命令通过识别含重要词汇的句子来检测关键要点，例如：

• important、key、critical、essential
• must、should、note、remember
• warning、priority、critical

此举有助于从研究材料中高效提炼可执行的洞见。

关键词提取

keywords 命令：

• 过滤长度小于 4 个字符的单词
• 移除常见停用词
• 跨全部笔记统计词频
• 展示频率最高的前 20 个关键词

已过滤的停用词：
that、this、with、from、have、been、will、what、when、where、which、their、there、would、could、should、about、these、those、other、into、through

典型用例

撰写报告前

# 获取概览
note_processor.py summarize research-topic

# 查找具体数据点
note_processor.py extract research-topic metrics

# 提取主题
note_processor.py keywords research-topic

回顾研究进展

# 查看近期工作内容
note_processor.py list

# 检查某一特定主题的进展
note_processor.py summarize current-project

# 发现潜在模式
note_processor.py keywords current-project

查找特定信息

# 在某一主题内搜索
note_processor.py extract income-experiments monetization

# 查找对特定工具的引用
note_processor.py extract security-incident path-validation

# 定位结论性陈述
note_processor.py extract experiment conclusion

最佳实践

1. 善用摘要 —— 在深入细节前先获取整体概览
2. 优先搜索 —— 在通读全部笔记前先使用 extract 命令
3. 检查关键词 —— 发现可能被忽略的主题线索
4. 定期列出主题 —— 回顾全部主题以识别知识缺口
5. 统一打标 —— 使关键词结果更具语义价值

数据位置

数据库路径：~/.openclaw/workspace/research_db.json
格式：兼容 research-assistant 技能

限制条件

• 基础关键词提取 —— 基于词频，非语义分析
• 无 NLP 能力 —— 仅使用基础文本处理（不含 ML/AI）
• 停用词表 —— 以英语为主，如需支持其他语言可自定义
• 关键要点检测 —— 基于模式匹配，非语义理解

使用技巧

提升关键词质量

• 在笔记中使用一致的术语
• 避免对同一概念使用缩写或同义词
• 为笔记打上重要术语相关的标签
• 定期查看关键词结果，确认关键术语是否已体现

提升摘要质量

• 在笔记中使用完整句子
• 主动包含重要词汇（如 key、critical、must 等）
• 为笔记打上主题相关标签
• 定期运行 summarize 命令以追踪研究进展

提升搜索效果

• 在 extract 命令中使用更具体的关键词
• 尝试搜索相关术语（如同义词）
• 关注搜索结果中的标签信息
• 借助 summaries 快速定位合适的研究主题

故障排查

“主题未找到”（"Topic not found"）

Topic 'x' not found.

解决方案： 核对主题名称拼写。运行 note_processor.py list 查看全部可用主题。

“未找到匹配项”（"No matches found"）

No matches for 'keyword' in topic 'x'

解决方案： 尝试其他关键词、核对拼写，或使用 note_processor.py keywords 查找相关术语。

关键词结果质量不佳

Top Keywords are mostly common words

解决方案：

• 在笔记中使用更具体的术语
• 为笔记打上重要术语相关的标签
• 可在代码中自定义停用词过滤逻辑

按用例划分的示例

项目回顾

# 我近期都在做什么？
note_processor.py list

# 请介绍该项目
note_processor.py summarize project-x

# 主要主题有哪些？
note_processor.py keywords project-x

编写文档

# 查找具体细节
note_processor.py extract security-incident vulnerability

# 获取引言所需的概览
note_processor.py summarize security-incident

# 哪些内容最重要？
note_processor.py keywords security-incident

准备报告

# 查找所有相关信息
note_processor.py extract income-experiments monetization

# 获取摘要
note_processor.py summarize income-experiments

# 提取关键要点
note_processor.py summarize income-experiments
# 关键要点将直接显示在输出中

与其他技能的集成

与 research-assistant 集成

• research-assistant：用于添加笔记
• note-processor：用于分析笔记
• 协同流程：添加 → 分析 → 撰写报告

与 task-runner 集成

# 添加一项任务：汇总实验结果
task_runner.py add "Summarize experiment results" "documentation"

# 任务完成后
note_processor.py summarize experiment

# 标记任务为已完成
task_runner.py complete 1

与文件类技能集成

# 提取研究笔记
note_processor.py extract research-topic important

# 导出供共享使用
research_organizer.py export research-topic ~/shared/summary.md

# 或将摘要输出保存至文件
note_processor.py summarize research-topic > ~/shared/summary.txt

零成本优势

本技能无需额外投入，具备以下特点：

• ✅ Python 3（已内置）
• ✅ 无需 API 密钥
• ✅ 无外部依赖
• ✅ 不依赖任何付费服务
• ✅ 与 research-assistant（免费）完全兼容

是构建自主化、零成本研究工作流的理想选择。