extract-conversation-insights
Skill14 starsChanged 5 months agoMITView on GitHub
从聊天、会议、访谈、课程分享等录音或转写稿中,保留原始证据,提取可回查的观察与待验证假设,主动质疑过度推断,再转化为知识页、内容选题、行动实验和关系跟进。用户提到录音价值挖掘、聊天记录整理、会议内容沉淀、转写稿分析、从对话中找选题/洞见/行动、把录音变成内容资产,或提供音视频/Transcript 要求系统处理时使用。不用于仅做 STT 转写,也不直接替代完整文章创作。
In this repository39 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- logo-generatorSkill
- source-command-kj-helpSkill
- ai-coding-weekly-reportSkill
- ai-conversation-to-wikiSkill
- ai-daily-from-xSkill
- ai-daily-websearchSkill
- ai-learning-loopSkill
- ai-programming-topic-plannerSkill
- ai-reading-coachSkill
- coding-session-to-tutorialSkill
- content-creatorSkill
- content-growth-reviewSkill
- content-illustratorSkill
- course-campaignSkill
- course-generatorSkill
- course-scraperSkill
- english-reading-studioSkill
- git-pushSkill
- humanizer-zhSkill
- industry-best-practicesSkill
- kangjian-douyin-mediaSkill
- kangjian-skillSkill
- knowledge-mapSkill
- markdown-formatSkill
- paid-content-reviewSkill
- phenomenon-insightSkill
- research-backed-content-loopSkill
- skills-repo-health-checkSkill
- story-pptSkill
- transcript-critical-analysisSkill
- tutorial-guideSkill
- web-slideSkill
- wechat-companionSkill
- wechat-publish-kitSkill
- weekly-digestSkill
- wiki-doc-sinkSkill
- wiki-intelligenceSkill
The file
Files
录音对话价值挖掘
把录音或转写稿作为定性证据处理,执行“保真 → 观察 → 假设 → 质疑 → 洞见 → 内容/行动 → 沉淀”闭环。保留不确定性,不把单次聊天包装成普遍真理。
先划定边界
- 读取目标仓库的
AGENTS.md、CLAUDE.md或其他写入规则。 - 确认输入是音视频、原始转写、整理稿还是已有纪要。
- 输入只有音视频时,优先调用可用的 STT Skill;若无法转写,如实说明,不臆造内容。本 Skill 不重复实现 STT。
- 保留原文件不变。需要可读稿时新建整理稿,不覆盖原始转写。
- 默认把私人聊天标为
private;公开复用前匿名化,并排除身份、职业、收入、家庭及其他可识别细节。 - 只在用户授权的目标中写文件。遵守只读、只追加与人工确认门闩。
选择工作深度
| 模式 | 适用请求 | 产物 |
| 快速扫描 | “这段录音有什么价值” | 关键观察、风险、Top 3 洞见/行动 |
| 标准挖掘 | “整理、质疑并沉淀” | 完整提炼卡、内容候选、行动实验、落盘 |
| 跨录音综合 | “对比多次聊天找模式” | 跨源模式、矛盾、证据强度、综合结论 |
用户未指定时采用标准挖掘。材料过长时先建立主题/说话人覆盖清单,再分段处理,最后跨段综合。
核心流程
1. 建立保真层
记录日期、场景、参与者(可匿名)、来源路径、隐私级别与处理目标。区分:
- 原始录音:最高保真证据。
- 原始转写:允许口头语和识别错误,供回查。
- 整理稿:只修断句、明显识别错误和无意义重复;不改立场,不补造内容。
- 提炼卡:保存观察、假设、质疑与去向。
需要详细保真、证据等级和隐私规则时,读取 references/analysis-framework.md。
2. 提取原子观察
输出 5–10 条最有价值的观察。每条必须:
- 只描述明确听到的原话、行为、故事或分歧。
- 附时间戳、段落号或可搜索的短语锚点。
- 标注
direct_quote、paraphrase、reported_claim或uncertain。 - 将解释写在独立字段,不混入观察。
没有证据锚点的句子不能进入洞见主链。
3. 聚类并形成假设
按主题、痛点/张力、期望结果、证据性质和复用等级聚类。只有多个观察形成关系时才写“模式”;解释模式原因时先标记为“待验证假设”。
对每个假设写清:
- 主张是什么。
- 哪些原子观察支持它。
- 它是单人经验、多人重复还是已有外部证据。
- 什么情况会使它不成立。
- 还缺什么证据。
4. 执行质疑门禁
对准备进入知识、内容或行动的每个主张逐项追问:
- 这是原话、转述还是我的解释?
- 是否把单一个案当成普遍规律?
- 是否把相关性或结果倒推成因果?
- 有什么反例或替代解释?
- 是否为追求“反常识”而夸大?
- 什么证据能证伪它?
- 公开表达是否泄露隐私或制造不必要焦虑?
无法回答时降低证据等级,保留为线索,不写成确定结论。
5. 转化为四类资产
不要强迫每份录音产出所有资产。只晋升有证据、有价值的部分。
| 资产 | 判断标准 | 最小产物 |
| 知识 | 可跨场景复用,边界清晰 | 概念、方法、来源摘要或综合判断 |
| 内容 | 有读者痛点、张力、案例和独立判断 | 1 个主选题 + 2 个分发角度 |
| 行动 | 能验证关键假设,而非泛泛待办 | 假设、实验、指标、成功/失败阈值 |
| 关系 | 对当事人有明确后续价值 | 一个问题、资料或约定的跟进 |
内容候选必须写清:读者痛点、反常识点、原始证据、反例/边界、隐私风险、与已发布内容的连接、下一集钩子。
行动不得只写“继续研究”。优先设计一周内能支持或推翻假设的最小实验。朋友的赞同只能验证表达是否清楚,不能证明付费需求。
6. 评分并路由
每项 1 分:真实证据、明确痛点/张力、机制解释、案例/反例支撑、已有内容连接。
0–1:只保存原文或私密纪要。2–3:进入知识卡/选题种子,标记待验证。4–5:可进入内容队列或行动实验,仍需隐私与事实检查。
读取 references/sink-routing.md,选择目标仓库的实际路径。若用户只要分析,不做写入;若用户明确要求沉淀,则完成落盘、索引和日志,不把结果只留在聊天中。
7. 输出与复核
标准输出必须包含:
- 来源与隐私说明。
- 原子观察表(含证据锚点)。
- 假设与质疑卡。
- 可晋升知识、内容、行动、关系资产。
- 不可公开内容。
- 实际写入路径或建议去向。
- 不确定项与待补证据。
需要落盘时,优先复制并填写 assets/conversation-extraction-template.md。完成前逐项检查:
- 原始材料未被覆盖。
- 每个重要结论能回指证据。
- 事实、观点、转述、推断已分开。
- 单次聊天未被写成市场结论。
- 行动确实能验证对应假设。
- 私密信息未进入公开内容。
- 所有文件、索引与只追加日志符合仓库规则。
与相邻 Skill 的分工
- 音视频尚未转写:先使用
local-stt-transcription或其他 STT 能力。 - 已确定选题并要生成文章/口播:交给
content-creator。 - 需要进一步深挖某个现象的机制:交给
phenomenon-insight。 - 明确要求沉淀到个人 Wiki:配合
wiki-doc-sink,同时服从目标 Wiki 的本地规范。
本 Skill 负责上游证据化提炼与下游路由,不能用“生成成稿”掩盖证据不足。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

