把视频、文章、社交媒体内容榨成低认知负荷学习笔记的个人 Skill。
默认不是生成一份完整教材，而是先帮你快速学懂：一句话结论、3 个关键点、一个直觉例子、少量核心概念和 3 个自测问题。
如果你明确要求深度分析，它也可以展开为完整学习笔记：概念图、详细分解、应用场景、自我评估和延伸阅读。
Obsidian 和 IMA 只是额外的保存功能：你可以把分析结果存到自己的 Obsidian Vault 或 IMA 知识库里。不配置它们也能正常使用，Knowledge Juicer 的核心功能就是分析内容并生成学习笔记。
输入一个 YouTube 视频链接 → 默认输出：
一句话结论
你只需要先抓住这 3 点
直觉钩子
最小解释（1-3 个核心概念）
立刻能做
自测 3 问
存疑或需要核实
| 平台 | 处理方式 |
|---|---|
| YouTube | 自动获取字幕/逐字稿，按章节结构整理 |
| X (Twitter) | 抓取推文串，整合回复脉络 |
| 主帖 + 前 10 条高赞评论整合 | |
| 博客/文章 | 提取正文，保留逻辑结构 |
| 直接文本 | 任意粘贴内容直接分析 |
这是一个兼容 Codex Skills 目录结构的 Skill。面向普通用户，推荐直接用安装器；熟悉 Git 的用户也可以手动安装。
npx github:fxyadela/knowledge-juicer安装器会自动完成：
- 安装 Skill 到
~/.codex/skills/knowledge-juicer - 可选引导你选择自己的 Obsidian Vault
- 可选配置自己的 IMA Client ID / API Key
- 生成本机配置文件
config.local.json
安装完成后，重启 Codex 或开启一个新会话，让 Skill 被重新加载。
如果你只想安装，不想现在配置 Obsidian / IMA：
npx github:fxyadela/knowledge-juicer -- --skip-config如果你已经安装过，想覆盖更新：
npx github:fxyadela/knowledge-juicer -- --force说明：
config.local.json只保存在你的电脑里，不会上传到 GitHub。每个用户都需要配置自己的 Obsidian 和 IMA 信息。
mkdir -p ~/.codex/skills
git clone https://github.com/fxyadela/knowledge-juicer.git ~/.codex/skills/knowledge-juicer后续更新：
cd ~/.codex/skills/knowledge-juicer
git pull- 在 GitHub 页面点击 Code → Download ZIP
- 解压后将文件夹重命名为
knowledge-juicer - 移动到
~/.codex/skills/knowledge-juicer
最终目录应类似：
~/.codex/skills/knowledge-juicer/
├── SKILL.md
├── README.md
├── assets/
├── references/
└── scripts/
如果你的 Codex 环境里有系统自带的 skill 校验脚本，可以运行：
python3 ~/.codex/skills/.system/skill-creator/scripts/quick_validate.py ~/.codex/skills/knowledge-juicer看到 Skill is valid! 即表示基础结构可被识别。
安装后，向 Codex 发送以下类型的指令即可触发：
- 「分析这个」+ 链接
- 「提取教学内容」+ 链接或文本
- 「生成学习笔记」+ 主题
- 直接粘贴 YouTube / X / Reddit 链接
适合 ADHD 友好的快速理解场景。结构详见 assets/output-template.md：
- 一句话结论
- 你只需要先抓住这 3 点
- 直觉钩子
- 最小解释
- 立刻能做
- 自测 3 问
- 存疑或需要核实
当你明确说「深度分析」「完整学习笔记」「生成教材」「要概念图」「做成知识库笔记」时启用。深挖模式可包含：
- 内容概述
- 学习目标
- 关键概念
- 概念图
- 详细分解
- 应用场景
- 自我评估
- 进一步学习
当你明确说「保存到 Obsidian」「同步到 IMA」「放进知识库」时启用。保存失败不会阻塞笔记生成。
knowledge-juicer/
├── SKILL.md # 技能主文件（触发词、工作流程）
├── references/
│ ├── pedagogy.md # 教学法框架（布鲁姆分类学、认知负荷理论等）
│ ├── quality-handling.md # 不同质量内容的处理策略
│ └── api_reference.md # 参考文档占位符
├── assets/
│ └── output-template.md # 默认速学笔记模板
└── scripts/
└── example.py # 扩展脚本占位符
本技能参考以下教育学理论，但默认不会把这些理论名词展示给用户：
- 布鲁姆分类学 — 制定可测量的学习目标
- 认知负荷理论 — 控制单份笔记概念数量（7±2）
- 建构主义 — 新概念锚定已有知识框架
- 间隔重复原则 — 嵌入复习机制
详见 references/pedagogy.md。
原版技能包含作者个人 Obsidian 路径和 IMA 知识库凭证，本开源版本已将所有敏感信息清除，改为自动探测路径和配置提示，可直接安全使用。
MIT License — 详见 LICENSE
欢迎提交 Issue 和 Pull Request！特别是：
- 新平台支持（Bilibili、微信公众号等）
- 教学法框架改进
- 输出模板优化
作者：Cora（捏捏番茄）| 技能类型：Codex 学习内容榨汁 Skill