Note Extractor Skill - 日记洞察提取与可视化#

前置检查#

第一步：确定配置文件路径

读取 ~/.openclaw/workspace/diary/config/diary-config.json。

注意：

• 展开 ~ 为完整的用户主目录路径
• 使用 echo $HOME 获取主目录

如果配置文件不存在，告诉用户：

text

看起来你还没有初始化日记系统。请先运行 onboarding skill 来完成设置：

在对话中说：setup my journal

第二步：确认日记数据存在

从配置中获取 storage.path，展开 ~，检查目录下是否有 .md 文件。

如果没有日记文件：

text

还没有日记记录。先用 diary skill 记录一些想法吧！

在对话中说：记一下

第三步：确认输出目录

输出目录： ~/write_me/02notes/insights/

如果目录不存在，创建它：

bash

mkdir -p ~/write_me/02notes/insights

---

核心流程#

1. 读取日记原文#

使用 Read 工具读取 storage.path 下的日记文件。

确定目标文件：

• 如果用户说「分析本月日记」或未指定范围：
  1. 获取当前日期和时间
  2. 根据配置中的 time_boundary（默认 06:00）判断：如果当前时间 < 边界，使用昨天的日期
  3. 根据 date_format（默认 YYYY-MM）生成文件名，如 2026-03.md
  4. 只读取该文件
• 如果用户说「分析所有日记」：
  1. 使用 Glob 工具查找所有日记文件： {展开后的storage.path}/*.md
  2. 逐个读取每个文件

读取用户身份（如果启用）：

如果配置中 user_identity.enabled 为 true，读取 {user_identity.path}/identity.md 获取用户名和角色。如果文件不存在，使用默认值：name = "用户"，role = ""。

2. 解析日记条目#

日记文件格式（由 diary skill 生成）：

markdown

# 日记 2026-03

## 14:30 [主动记录] - 项目进展

**事实**：
和同事讨论了项目方案。

**用户说**：
"他提出要改设计风格，我觉得有道理但工作量会增加。"

**AI观察**：
用户对设计变更持开放态度。

解析规则：

• ## HH:MM [tag] - 标题 → 一条日记条目的开始
• **用户说**： / **用户观点**： 后面的内容 → 用户原话（最重要，这是"人味儿"）
• **事实**： 后面的内容 → 客观事实
• **文章**： 后面的内容 → 文章标题/链接
• **讨论**： 后面的内容 → 对话记录（区分用户发言和 AI 发言）
• **决定**： 后面的内容 → 决策记录
• **AI观察**： 后面的内容 → AI 的补充（次要权重）
• 文件名中的日期 → 条目所属月份

重要：严格区分用户原话和 AI 观察。提取洞察时，只从「用户说」和「事实」中提取，不要把 AI 的观察当作用户的想法。

3. 提取四类结构化数据#

对读取到的所有日记内容，执行以下四个提取任务。

3.1 思维卡片提取

从日记中提取用户的核心洞察和金句。

提取标准：

• 只提取用户自己说的话或明确表达的观点
• 具有独立价值，脱离上下文也能理解
• 体现用户的独特思考，不是常识或 AI 的补充
• 每条洞察应该简洁有力，1-2 句话

分类体系（根据用户实际内容动态生成，以下为参考）：

• 职业/行业洞察
• 产品/技术思考
• 个人成长/人生智慧
• 投资/商业判断
• 创作/表达方法论
• 其他（根据用户实际关注领域）

输出格式（JSON 数组）：

json

[
  {
    "id": 1,
    "insight": "用户的原话或提炼的核心观点",
    "source_date": "2026-03-14",
    "category": "分类名称",
    "importance": 4
  }
]

• importance：1-5 分，5 分最高。判断标准：原创性、可复用性、对用户的长期价值
• 每月提取 5-15 条，不要贪多，只留真正有价值的

3.2 每日情绪标签

为每个有日记记录的日期标注情绪。

情绪判断依据：

• 优先看「用户说」的内容中的情绪词和语气
• 其次看「事实」中描述的事件性质
• 不要用 AI 观察来判断情绪

情绪分类：

• positive（积极）：开心、自豪、兴奋、感恩、自信、充沛、心流……
• neutral（中性）：专注、平静、好奇、分析、思考、坚定……
• low（低落）：疲惫、焦虑、低落、迷茫、自我怀疑……

输出格式（JSON 对象）：

json

{
  "2026-03-14": {
    "mood": "positive",
    "label": "自豪",
    "entries": [
      {
        "time": "14:30",
        "type": "主动记录",
        "content": "用户说的原话或事实摘要（简短）"
      }
    ]
  }
}

• label：用中文，2-3 个字的情绪词
• entries：当天的条目摘要，每条不超过 50 字
• content 中只放用户说的话和事实，不放 AI 观察

3.3 成长维度打分

按月对用户在以下六个维度的关注度和成长进行打分。

六个维度：

1. 职业技能 — 工作能力、专业知识、行业理解
2. 学习成长 — 阅读、课程、新知识获取
3. 投资理财 — 财务决策、投资思考、理财规划
4. 社交关系 — 人际互动、社交活动、关系维护
5. 健康平衡 — 身体健康、情绪管理、作息平衡
6. 创造输出 — 写作、创作、公开分享、项目产出

打分规则：

• 0-100 分，基于该维度在当月日记中的出现频率和深度
• 只出现 1-2 次且浅层提及 → 20-40 分
• 多次出现且有深入思考 → 60-80 分
• 频繁出现且有明确行动和成果 → 80-100 分
• 完全没提及 → 10-20 分（给个基础分，不要给 0）

输出格式（JSON 对象）：

json

{
  "一月": {
    "职业技能": 75,
    "学习成长": 80,
    "投资理财": 40,
    "社交关系": 50,
    "健康平衡": 30,
    "创造输出": 45
  }
}

3.4 知识图谱提取

从日记中提取实体和关联，生成 2D 知识关联图谱的数据。

节点提取规则：

从日记中识别三类实体：

1. 主题领域（group: "topic"）
   • 用户反复提及的领域和话题
   • 例如：AI Agent、投资理财、个人品牌
   • 提取标准：在日记中出现 2 次以上的主题词
2. 概念/框架（group: "concept"）
   • 用户提到的具体理论、方法论、框架
   • 例如：杠杆理论、PARA方法论、第一性原理
   • 提取标准：用户明确讨论过的概念
3. 人物（group: "person"）
   • 日记中提到的人（同事、朋友、作者、公众人物）
   • 例如：团队成员名字、书籍作者
   • 提取标准：在日记中被提及且与某个主题相关

连线生成规则：

当两个节点在同一天的日记中共同出现，或存在明确的因果/关联关系时，生成一条连线。

输出格式：

nodeData 数组：

json

[
  {"id": "AI Agent", "group": "topic", "desc": "从日记中提取的简短描述", "size": 22}
]

linkData 数组：

json

[
  {"s": "Vivi", "t": "AI Agent"}
]

• size：节点大小，基于在日记中的出现频率。范围 12-28。
• desc：从日记中提取的关于该节点的简短描述，不超过 20 字。
• 用户自己的名字应作为 person 节点加入，size 设为最大值 28。

4. 生成可视化页面#

HTML 模板通过 <script src="data.js"> 加载外部数据文件，Claude 只需要生成 data.js 并复制 HTML 模板，不需要读取或修改 HTML。

生成步骤：

1. 生成 data.js 数据文件（见下方格式）

2. 将 data.js 写入输出目录： ~/write_me/02notes/insights/data.js

3. 将 HTML 模板复制到输出目录（使用 Bash 的 cp 命令）： bash

   cp {skill目录}/demo/insights.html ~/write_me/02notes/insights/insights-{YYYY-MM}.html
   
   

data.js 文件格式：

javascript

// 此文件由 note-extractor skill 自动生成
const thoughtCards = [
  {id:1,insight:"用户原话",date:"2026-03-14",cat:"分类名",imp:4},
  // ...
];

const catStyles = {"分类名":"brand", ...};

const diaryEntries = {
  "2026-03-14":{mood:"positive",label:"自豪",entries:[
    {time:"14:30",type:"主动记录",content:"用户说的话或事实摘要"}
  ]},
  // ...
};

const moodPositive = ["inspired","energetic","eureka","confident","proud","validated","excited","hopeful","enlightened","accomplished","flow","refreshed","grateful","warm","creative","optimistic","reinforced"];
const moodNeutral = ["curious","focused","analytical","reflective","philosophical","strategic","calm","productive","wise","determined","persistent","satisfied","mind-blown"];

const dimensionScores = {
  "一月":{职业技能:75,学习成长:80,投资理财:40,社交关系:50,健康平衡:30,创造输出:45},
  // ...
};

const nodeData = [
  {id:"用户名",group:"person",desc:"简短描述",size:28},
  // ...
];

const linkData = [
  {s:"节点A",t:"节点B"},
  // ...
];

字段名映射：

提取时使用完整字段名（便于理解），写入 data.js 时需转换为缩写格式：

提取输出data.js 变量source_date``date``category``cat``importance``imp

分类与样式映射：

HTML 模板支持以下 CSS 样式类： brand（玫瑰粉）、 product（鼠尾草绿）、 ai（薰衣草紫）、 life（沙金）、 invest（暖金）。

生成 catStyles 时，将每个动态分类映射到最接近的样式类。例如：

json

{
  "职业洞察": "brand",
  "产品思考": "product",
  "AI 认知": "ai",
  "人生智慧": "life",
  "投资理财": "invest",
  "创作方法论": "product"
}

如果分类无法明确归类，默认使用 "life"。

输出文件：

• 数据文件： ~/write_me/02notes/insights/data.js（固定文件名，每次覆盖）
• HTML 页面： ~/write_me/02notes/insights/insights-{YYYY-MM}.html
• 如果用户要求分析所有日记（跨月），HTML 文件名为： insights-all.html

5. 生成结构化 JSON 备份#

同时将提取的原始数据保存为 JSON，方便其他 skill 或工具使用。

输出文件路径： ~/write_me/02notes/insights/data-{YYYY-MM}.json

JSON 结构：

json

{
  "generated_at": "2026-03-15T10:30:00",
  "source_files": ["2026-01.md", "2026-02.md", "2026-03.md"],
  "user_profile": {
    "name": "从 identity.md 读取",
    "role": "从 identity.md 读取"
  },
  "thought_cards": [],
  "diary_entries": {},
  "dimension_scores": {},
  "knowledge_graph": {
    "nodes": [],
    "links": []
  }
}

6. 通知用户#

生成完成后，告诉用户：

text

✓ 洞察已生成！

- 可视化页面：~/write_me/02notes/insights/insights-2026-03.html
- 数据文件：~/write_me/02notes/insights/data-2026-03.json

在浏览器中打开 HTML 文件即可查看你的思考花园。

本次提取了 {N} 张思维卡片，覆盖 {M} 天的日记记录。

然后询问用户是否要立即打开：

text

要我帮你打开看看吗？

如果用户同意，使用 Bash 工具执行：

bash

open {HTML文件的完整路径}

---

用户交互场景#

场景 1：分析本月日记#

用户说：「分析日记」「生成洞察」

1. 读取当月日记文件
2. 执行完整提取流程
3. 生成 HTML 和 JSON
4. 通知用户

场景 2：分析所有日记#

用户说：「分析所有日记」「全部洞察」

1. 读取所有日记文件
2. 执行完整提取流程
3. 生成 insights-all.html
4. 通知用户

场景 3：只看思维卡片#

用户说：「提取金句」「思维卡片」

1. 只执行思维卡片提取
2. 直接在对话中展示卡片列表
3. 询问是否要生成完整可视化

场景 4：月末主动提醒#

当检测到当前日期是月末（28-31日），且本月有日记记录时：

text

这个月你记录了 {N} 天的日记，要不要生成本月的思考花园？

我会从日记中提取你的核心洞察、情绪轨迹和成长维度，生成一个可视化页面。

---

---

错误处理#

日记文件为空或格式异常#

如果日记文件存在但内容为空或格式不符合预期：

• 跳过该文件
• 在最终报告中说明：「跳过了 {文件名}（内容为空或格式异常）」

日记数据太少#

如果总共只有 1-2 条日记记录：

• 仍然生成可视化，但在页面上提示：「数据较少，持续记录后洞察会更丰富」
• 成长雷达图可能不够有意义，可以隐藏或标注「数据不足」

输出目录写入失败#

• 检查目录权限
• 尝试创建父目录
• 如果仍然失败，将 HTML 内容直接输出到对话中，让用户手动保存

HTML 模板不存在#

如果 demo/insights.html 模板文件不存在：

• 仍然生成 data.js 和 JSON 备份
• 告知用户模板文件缺失，建议重新安装： bash install.sh

---

实现注意事项#

路径处理#

• 所有包含 ~ 的路径都要展开为完整路径
• 使用 echo $HOME 获取主目录
• 使用 mkdir -p 创建目录

数据质量#

• 思维卡片：宁缺毋滥，只提取真正有价值的洞察
• 情绪标签：基于用户原话判断，不要过度解读
• 维度打分：基于实际内容，不要凭空给高分

隐私保护#

• 所有数据都在本地处理和存储
• 不要在 HTML 中包含敏感信息（如 API key、密码等）
• 如果日记中包含明显的隐私信息（身份证号、银行卡号等），在提取时脱敏

与 Diary Skill 的协作#

• 本 skill 只读取日记文件，不修改
• 输出到 02notes/insights/，不影响 00inbox/journal/
• 读取 01studio/me/identity.md 获取用户基本信息（如果存在）

---

最后更新：2026-03-15