content-enrich

1# 内容加工（Content Enrich）
2 
3采集进来的转录稿、文章往往是大段原始文本，没人愿意回头看。这个 skill 给**任意采集产物**
4自动补上可快速消化的元信息——它是「加工层」的通用能力，配合仓库里所有采集 skill 使用。
5 
6## 环境要求
7 
8```bash
9# 零 pip 依赖（仅 Python 标准库）
10export DEEPSEEK_API_KEY="your-api-key"   # 必需，用于提炼
11```
12 
13## 使用方法
14 
15```bash
16python scripts/enrich.py 某篇笔记.md              # 就地增强单篇
17python scripts/enrich.py ./vault/外部输入/         # 批量增强整个目录下的 .md
18python scripts/enrich.py 某篇.md --output ./out    # 不改原文件，输出到 out/
19python scripts/enrich.py 某篇.md --force           # 已加工过的重新加工
20```
21 
22## 产出
23 
24在原 Markdown 上（原内容完整保留）：
25 
26- **frontmatter 注入**：`summary`（一句话总结）、`domain`（领域）、`auto_tags`（标签列表）、`enriched: true`
27- **正文顶部插入 `## 📝 摘要` 区块**：一句话 TL;DR、3-5 条要点、「值得深读？」判断、标签
28 
29幂等：默认跳过已加工（`enriched: true`）的文件，可 `--force` 重做。
30 
31## 为什么有用
32 
33- **盘活采集产物**：转录稿 / 文章一眼能看懂讲了啥、值不值得深读
34- **便于知识库聚合**：`auto_tags` / `domain` 进 frontmatter，Obsidian Dataview 可直接按标签 / 领域聚合
35- **一处投入，惠及全部**：抖音 / B站 / 小红书 / X / 公众号 …… 任何采集产物都能加工
36 
37## 衔接工作流
38 
39```
40采集（任意 *-ingest / *-transcribe skill）
41  → content-enrich（补摘要 + 要点 + 标签）
42  → knowledge-base-management 入库（按 auto_tags / domain 聚合检索）
43```
44 
45## 参考
46 
47- [DeepSeek](https://platform.deepseek.com/) — 提炼用 LLM