阿拉丁多源智能摘要

问题：摘要之后，材料还是留不下

纯摘要工具解决的是“太长不看”，但产出物通常只有一段文字：读完之后没有问答、没有复习入口、没有可迁移的结构，几天后和没读过差不多。omni-note-forge 把“摘要”往前推一步，做成知识卡片流水线。

工作方式：从多源输入到可复习卡片

技能把流程拆成四步：

1. note_ingest.py 统一归一——网页 URL、剪贴长文、.txt/.md/.json/.csv/.html 文件、整目录批量、对话记录片段，都转成统一的文档 JSON。
2. note_analyze.py 结构化分析——产出摘要、关键词、核心问答、行动项四件套；模型在此步骤语义补全问答与行动项。
3. note_export.py 多格式导出——Anki 复习卡（Q::A）、Markdown 笔记、HTML 看板、CSV 卡片库、Markdown 思维导图，任意组合。
4. note_retro.py 复盘反哺——记录你实际用到的卡片类型和导出格式，沉淀到本地 note_playbook.json，下次分析加权你的关注点、导出默认贴合习惯。

关键设计是离线优先：本地抽取式摘要按句子频度打分取 Top，关键词抽取用 CJK 二元组加 ASCII 词、自动去停用词，断网也能产出基础版，不强制任何 API Key。多文档批量输入时按主题聚合关键词，生成跨文档总览。

适用边界与注意点

• 只处理已提供的内容，不主动联网抓取实时信息，尊重隐私与离线优先。
• 不能解析二进制 PDF 原文件，需先导出为纯文本（见 references/sources.md）。
• 抽取式兜底版明确标注“本地摘要”，不假装是语义级；重要结论仍需人工核对。
• 文本不足 50 字且无明显结构时，摘要价值低，建议直接回答。
• 不适用于单句翻译润色、代写原创或工程图绘制——那是其他技能的边界。