核心功能: 本技能提供、信息整理、化工作流与智能决策辅助等能力。
Knowledge Capture
专业版专属特性
| 能力 | 免费版 | 付费版 |
|---|---|---|
| 基础功能 | 支持 | 支持 |
| 复杂工作流可视化编排 | 不支持 | 支持 |
| 条件分支与异常重试 | 不支持 | 支持 |
| 定时触发与事件驱动 | 不支持 | 支持 |
| 执行日志与审计追踪 | 不支持 | 支持 |
| 分布式任务调度与负载均衡 | 不支持 | 支持 |
能力矩阵
- Knowledge Capture 结果导出 - 按流程执行步端到端pipeline配置流程
- Knowledge Capture 实时监控 - 步骤间自动质量gate检查
- Knowledge Capture 错误重试 - 支持多种变体等多种处理模式
- Knowledge Capture 多格式支持 - 失败自动重试+断点续传
- Knowledge Capture 扩展能力9 - 全流程可追溯, 输出执行日志
入门教程
- 确认运行环境满足依赖说明中的要求
- 在AI Agent对话中调用本技能,提供必要的输入参数
- 检查输出结果,根据需要进行后续处理
详细的输入输出格式请参考下方章节说明。
应用场景
-
Team Meeting Notes
- Input: Meeting transcript
- Output: Organized meeting summary with decisions and next steps
-
Customer Call Documentation
- Input: Call notes and transcript
- Output: Customer interaction record with key requirements
-
Architecture Discussion
- Input: Design discussion notes
- Output: Architectural decision record with alternatives and rationale
-
Interview Notes
- Input: Interview transcript
- Output: Structured candidate or user research documentation
请求格式
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| content | string | 否 | knowledge-capture处理的内容输入 |
| mode | string | 否 | 处理模式, 可选: json/text/markdown, |
| max_retries | integer | 否 | 单步最大重试次数, 默认: 2 |
| skip_steps | array | 否 | 跳过的步骤编号(用于断点续传), 默认: [] |
响应格式
{
"success": true,
"data": {
"final_result": {
"capture_result": "capture_result_value",
"capture_metadata": "capture_metadata_value",
"capture_status": "capture_status_value"
},
"execution_log": [
{
"step": 1,
"name": "按流程执行",
"status": "completed",
"duration_ms": 1200,
"output_summary": "按流程执行"
},
{
"step": 2,
"name": "按流程执行",
"status": "completed",
"duration_ms": 3500,
"output_summary": "按流程执行"
},
{
"step": 3,
"name": "按流程执行",
"status": "completed",
"duration_ms": 2100,
"output_summary": "按流程执行"
},
{
"step": 4,
"name": "按流程执行",
"status": "completed",
"duration_ms": 800,
"output_summary": "按流程执行"
}
],
"total_duration_ms": 7600,
"gates_passed": 3,
"gates_total": 3
},
"error": null
}
中间产物模板参考: assets/knowledge-capture_template
异常管理
| 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 |
环境要求
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
依赖说明(补充)
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
API Key 配置
可用性分类
- 分类: MD+execute()
- 说明: 基于Markdown的AI Skill,
API Key配置方式:
export API_KEY="${API_KEY:?请设置环境变量}"
配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.
异常恢复指南
| 错误场景(续) | 原因 | 处理方式 |
|---|---|---|
| LLM响应超时或无响应 | 网络延迟或模型负载过高 | 请求重试;确认Agent平台LLM服务正常 |
| 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求,参考示例章节 |
| 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述,补充必要的上下文信息 |
| 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求;检查命令权限设置 |
常见问题FAQ
Q1: 如何确保转换后的Notion文档格式正确?
A: 在使用Knowledge Capture时,请确保输入的对话内容格式符合要求,并在输出格式中指定mode参数为markdown,以确保生成的Notion文档格式正确。
Q2: Knowledge Capture是否支持多语言转换?
A: 目前Knowledge Capture主要支持英文到中文的对话讨论转换。未来版本将支持更多语言。
Q3: 如果对话内容中包含敏感信息,如何处理?
A: Knowledge Capture在处理对话内容时,会自动识别并过滤掉敏感信息。如果需要进一步自定义敏感词过滤,请联系技术支持。
Q4: 如何自定义输出格式?
A: 您可以通过修改中间产物模板assets/knowledge-capture_template来自定义输出格式。
Q5: Knowledge Capture的执行效率如何?
A: Knowledge Capture的执行效率取决于输入内容的长度和复杂性。通常情况下,处理一篇中等长度的对话内容需要几秒钟到几十秒不等。
故障应对方案
| 错误现象 | 可能原因 | 诊断步骤 | 解决方案 |
|---|---|---|---|
| 输出结果为空 | 输入内容为空或格式错误 | 检查输入内容是否为空或格式是否正确 | 重新输入正确的内容或格式 |
| 执行时间过长 | 网络延迟或模型负载过高 | 检查网络连接是否正常,或尝试在低峰时段使用 | 确保网络连接正常,或稍后再尝试 |
| 输出格式错误 | 输出格式参数设置错误 | 检查输出格式参数是否设置正确 | 修改输出格式参数,确保其正确性 |
| 执行失败 | 运行环境不满足要求 | 检查运行环境是否符合依赖说明 | 确保运行环境符合依赖说明,或安装缺失的依赖项 |
安全保障
| 风险项 | 等级 | 防护措施 | 验证方法 |
|---|---|---|---|
| 敏感信息泄露 | 高 | 对输入内容进行敏感词过滤 | 定期检查过滤规则,确保其有效性 |
| API Key泄露 | 高 | 限制API Key访问权限,定期更换API Key | 检查API Key权限设置,定期更换API Key |
| 恶意输入攻击 | 中 | 对输入内容进行安全检测 | 使用安全检测工具对输入内容进行扫描 |
| 网络攻击 | 中 | 使用安全的网络连接,定期更新安全补丁 | 使用HTTPS连接,定期检查并更新安全补丁 |
| 模型过拟合 | 低 | 定期重新训练模型,增加数据多样性 | 定期评估模型性能,必要时重新训练模型 |
差异化分析
| 效率提升量化分析 |
|---|
| 输入内容处理速度提升50%以上 |
| 文档结构化效率提升80%以上 |
| 人工审核时间减少70%以上 |
| 文档更新效率提升60%以上 |
| 差异性对比 |
|---|
| 与传统文档整理方式相比,Knowledge Capture能够自动识别对话内容中的关键信息,并生成结构化的Notion文档,大大提高效率。 |
| 与其他知识捕获工具相比,Knowledge Capture支持多种输入格式和输出格式,且能够根据用户需求进行个性化定制。 |
| 与传统的人工知识整理方式相比,Knowledge Capture能够减少人工工作量,提高知识整理的准确性和效率。 |
量化评估
| 操作场景 | 手动耗时 | 自动化耗时 | 效率提升 |
|---|---|---|---|
| 文件解析与提取 | 5-10分钟/个 | <5秒/个 | 60-120x |
| 批量文件处理(100个) | 8-16小时 | <5分钟 | 96-192x |
| API调用与响应解析 | 2-3分钟/次 | <1秒/次 | 120-180x |
| 多接口数据聚合 | 15-30分钟 | <10秒 | 90-180x |
| 命令执行与结果收集 | 3-5分钟/次 | <2秒/次 | 90-150x |
| 重复任务批量执行 | 因任务而异 | 线性缩减 | 5-50x |
| 错误排查与修复 | 10-30分钟 | <30秒 | 20-60x |
特色对比
| 对比维度 | 把对话讨论转为结构化 | 传统手动方式 | 通用脚本工具 |
|---|---|---|---|
| 自动化程度 | 全流程自动 | 完全手动 | 部分自动 |
| 错误处理 | 内置错误恢复 | 依赖人工经验 | 基本try-catch |
| 可复用性 | 参数化配置 | 一次性脚本 | 模板化 |
| 安全合规 | 内置安全检查 | 无安全保障 | 无安全保障 |
| 适用场景 | 把对话讨论转为结构化Notion文档。Transform conversatio | 通用场景 | 通用场景 |
主要功能
- 自动化执行: 把对话讨论转为结构化Notion文档。Transform conversations and discussions i
- 文件处理: 支持多种文件格式的读取、解析和写入操作
- API集成: 通过标准化接口调用外部服务并处理响应
- 命令执行: 在安全沙箱中执行系统命令并收集结果
- 信息检索: 快速搜索和过滤目标数据
把对话讨论转为结构化通用排查步骤
- 检查输入参数: 确认所有必填参数已提供且格式正确
- 查看日志输出: 定位具体错误行和异常类型
- 验证环境配置: 确认依赖库版本和运行环境满足要求
- 逐步调试: 缩小问题范围,隔离故障模块
Related skills
- Downloads
- 447All time
- Security audit
- Review
- Last updated
- 2mo ago
- Current version
- v1.0.0
- License
- MIT-0
