Token导航 LogoToken导航TokenDH.com
研究检索external-servicegithub未标认证来源可访问许可证需确认审计未展示

openakita%2fskills%40notebooklmopenakita 2fskills 40notebooklm 搜索

Agent Skill

openakita%2fskills%40notebooklm 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

376

周安装

16

GitHub Stars

1,733

下载量

132
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:openakita%2fskills%40notebooklm(openakita 2fskills 40notebooklm 搜索)
来源仓库:https://github.com/openakita/openakita
仓库路径:skills/openakita%2Fskills%40notebooklm
安装命令:
npx skills add https://github.com/openakita/openakita --skill openakita/skills@notebooklm
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/openakita/openakita --skill openakita/skills@notebooklm

简介

openakita%2fskills%40notebooklm 用于查找、检索和筛选相关信息,适合快速定位候选结果。

  • 适用于根据关键词、任务场景或来源线索进行信息检索的场景。
  • 通过 npx skills add 命令从 GitHub 仓库安装,需结合原始 README 核验具体用法。
  • 安装前应确认权限范围、维护状态,以及是否触发联网、命令执行或文件读写操作。
  • 建议在使用前检查技能的实际功能边界和宿主环境兼容性。

SKILL.md

NotebookLM 研究技能

利用 NotebookLM 的深度研究能力,从上传文档中提取知识、生成引用驱动的答案,并将研究成果转化为高质量的信息图风格演示文稿和结构化输出。


核心能力

  1. 深度研究 — 基于上传文档进行多轮深度问答,生成引用溯源的答案
  2. 信息图生成 — 将研究发现转化为视觉层次清晰的信息图演示
  3. 引用追溯 — 每个结论和数据点都链接到原始文档来源
  4. 多格式输出 — 支持 Markdown、HTML/reveal.js、Mermaid 图表等格式
  5. 综合分析 — 跨文档交叉分析,识别共性、差异和趋势

研究工作流

完整流程

上传文档 → 初始查询 → 深度追问 → 综合分析 → 结构化输出 → 演示呈现
   │          │          │          │          │          │
   ▼          ▼          ▼          ▼          ▼          ▼
 来源准备   问题设计   迭代探索   交叉对比   格式选择   视觉设计

阶段一:文档上传与准备

支持的文档类型

类型格式最佳实践
PDF学术论文、报告确保文字可选(非扫描图片)
网页URL 链接选择内容完整的页面
文本TXT、Markdown结构清晰的纯文本
Google Docs在线文档确保共享权限
Google Slides演示文稿含备注的幻灯片更佳
YouTube视频链接需有字幕/转录
音频MP3、WAV需有转录文本

文档准备清单

  1. 筛选相关文档 — 只上传与研究问题直接相关的文档
  2. 检查文档质量 — 确保文字清晰、结构完整
  3. 控制数量 — 单个 Notebook 建议 5-50 个来源
  4. 标注来源 — 记录每个文档的元数据(作者、日期、来源)
  5. 预分类 — 按主题对文档分组

来源管理模板

## 研究来源清单

| # | 文档标题 | 类型 | 作者/来源 | 日期 | 关键主题 |
|---|---------|------|----------|------|---------|
| 1 |  | PDF/URL/... |  |  |  |
| 2 |  |  |  |  |  |
| 3 |  |  |  |  |  |

### 来源分组
- **组 A: [主题]** — 来源 #1, #3, #5
- **组 B: [主题]** — 来源 #2, #4

阶段二:查询与深度研究

查询设计原则

有效的查询应该:

  • 具体且有明确的范围边界
  • 能通过上传文档回答
  • 能产生可引用的结论

查询类型与示例:

查询类型描述示例
事实查询提取特定数据点"文档中提到的年均增长率是多少?"
比较查询跨文档对比"论文 A 和论文 B 在方法论上有何区别?"
综合查询多来源综合分析"综合所有来源,影响用户留存的前三大因素是什么?"
因果查询探索因果关系"根据报告,什么因素导致了市场份额下降?"
趋势查询识别时间变化"从 2020 到 2025 年,该领域的研究重点如何变化?"
矛盾查询发现分歧"不同来源对该技术的效果评估有何矛盾?"

迭代深度追问策略

第一轮:广泛探索
  "关于 [主题],这些文档中的核心发现是什么?"
       │
       ▼
第二轮:聚焦细节
  "详细解释 [具体发现],引用具体数据和来源。"
       │
       ▼
第三轮:交叉验证
  "其他文档是否支持或反驳 [这个结论]?"
       │
       ▼
第四轮:综合提炼
  "综合所有发现,提出 3 个关键结论和依据。"

阶段三:综合分析

分析框架

MECE 分析法(Mutually Exclusive, Collectively Exhaustive):

## 研究主题: [主题名称]

### 维度 1: [分类名称]
- 发现 1.1 [来源: Doc A, p.12]
- 发现 1.2 [来源: Doc B, §3]

### 维度 2: [分类名称]
- 发现 2.1 [来源: Doc C, Fig.3]
- 发现 2.2 [来源: Doc A, p.45]

### 交叉发现
- 来源 A 和 C 在 [方面] 一致
- 来源 B 与 A 在 [方面] 存在矛盾

### 信息空白
- 关于 [方面] 缺乏数据
- [方面] 需要更多来源验证

引用与溯源规范

所有研究输出必须包含引用,格式遵循以下标准:

行内引用:

用户留存率在第 30 天平均为 23.5%[^1],显著低于行业基准 35%[^2]。

[^1]: 《2025 移动应用留存报告》, App Annie, p.18
[^2]: 《SaaS Metrics Benchmark》, OpenView Partners, Table 3.2

引用块:

> "深度学习在小样本场景下的泛化能力仍然有限,需要结合领域知识进行模型设计。"
> — Zhang et al., 2024, "Few-Shot Learning: A Survey", §4.3

引用汇总表:

| 引用 # | 来源 | 位置 | 相关发现 |
|--------|------|------|---------|
| [^1] | App Annie 报告 | p.18 | 留存率数据 |
| [^2] | OpenView 基准 | Table 3.2 | 行业基准对比 |

阶段四:结构化输出

输出格式选择指南

格式适用场景优势
Markdown文档、Wiki、笔记通用性强、版本控制友好
HTML/reveal.js演示、分享视觉丰富、交互式
Mermaid 图表流程、关系、架构纯文本生成、易维护
信息图 Markdown一页式总结信息密度高、易扫读

信息图设计规范

视觉层次体系

信息图的核心是建立清晰的视觉层次(Visual Hierarchy),引导读者的视线流动。

层次结构

Level 0: 主标题 — 一句话概括全文核心
   ↓
Level 1: 核心数据/结论 — 最大字号、最醒目颜色、居中布局
   ↓
Level 2: 分类/维度标题 — 中等字号、分区色块
   ↓
Level 3: 具体发现/数据点 — 标准字号、图标辅助
   ↓
Level 4: 来源引用/注释 — 小字号、浅色调

色彩系统

### 推荐配色方案

**方案 A: 专业蓝(商业/技术报告)**
- 主色: #2563EB (蓝色)
- 强调: #F59E0B (琥珀)
- 成功: #10B981 (绿色)
- 警告: #EF4444 (红色)
- 背景: #F8FAFC
- 文字: #1E293B

**方案 B: 学术绿(研究/学术报告)**
- 主色: #059669 (绿色)
- 强调: #7C3AED (紫色)
- 辅助: #0891B2 (青色)
- 背景: #F0FDF4
- 文字: #1A2E05

**方案 C: 暗色主题(技术/数据报告)**
- 主色: #60A5FA (亮蓝)
- 强调: #FBBF24 (金色)
- 成功: #34D399 (亮绿)
- 背景: #0F172A
- 文字: #E2E8F0

排版规格

### 字号规格(rem 基准)

| 元素 | 字号 | 行高 | 字重 |
|------|------|------|------|
| 主标题 | 2.5rem (40px) | 1.2 | 800 |
| 核心数据 | 3.5rem (56px) | 1.0 | 900 |
| 分区标题 | 1.5rem (24px) | 1.3 | 700 |
| 正文 | 1rem (16px) | 1.6 | 400 |
| 引用/注释 | 0.75rem (12px) | 1.4 | 300 |

### 间距系统

| 层级 | 间距 |
|------|------|
| 主区块间距 | 48px |
| 子区块间距 | 24px |
| 元素内间距 | 16px |
| 紧凑间距 | 8px |

信息图布局模式

模式一:数据驱动摘要

┌──────────────────────────────────────────┐
│         📊 [研究主题]                     │
│     一句话核心发现                         │
├──────────────────────────────────────────┤
│  ┌──────┐  ┌──────┐  ┌──────┐           │
│  │ 3.5x │  │ 78%  │  │ #1   │           │
│  │增长率 │  │采纳率 │  │市场份额│          │
│  └──────┘  └──────┘  └──────┘           │
├──────────────────────────────────────────┤
│  发现 1          │  发现 2                │
│  详细说明...     │  详细说明...           │
│  [来源 A, B]     │  [来源 C]             │
├──────────────────────────────────────────┤
│  📈 趋势图 / 时间线                       │
├──────────────────────────────────────────┤
│  结论 & 建议                              │
│  来源列表                                 │
└──────────────────────────────────────────┘

模式二:对比分析

┌──────────────────────────────────────────┐
│         ⚖️ [对比主题]                     │
├───────────────────┬──────────────────────┤
│    选项 A          │    选项 B            │
├───────────────────┼──────────────────────┤
│  维度 1: ✅ 优     │  维度 1: ⚠️ 中       │
│  维度 2: ⚠️ 中     │  维度 2: ✅ 优       │
│  维度 3: ❌ 弱     │  维度 3: ✅ 优       │
├───────────────────┴──────────────────────┤
│  综合评估与推荐                            │
│  引用来源                                 │
└──────────────────────────────────────────┘

模式三:流程/时间线

┌──────────────────────────────────────────┐
│         🔄 [流程/历程主题]                 │
├──────────────────────────────────────────┤
│  ①──────→②──────→③──────→④              │
│  阶段一    阶段二    阶段三    阶段四       │
│  说明      说明      说明      说明        │
│  [来源]    [来源]    [来源]    [来源]      │
├──────────────────────────────────────────┤
│  关键转折点与洞察                          │
│  引用来源                                 │
└──────────────────────────────────────────┘

输出格式详细规范

Markdown 输出

适用于知识库、文档系统、Git 仓库。

# 研究报告: [主题]

> **核心发现**: 一句话总结

## 执行摘要
简要概述研究背景、方法和核心结论。

## 关键发现

### 发现 1: [标题]
详细描述,包含数据支撑。
> 引用: [来源, 位置]

### 发现 2: [标题]
详细描述。
> 引用: [来源, 位置]

## 数据分析

| 指标 | 数值 | 来源 | 趋势 |
|------|------|------|------|
|  |  |  | ↑/↓/→ |

## 结论与建议
1. 建议一
2. 建议二

## 参考来源
1. [来源 1 完整信息]
2. [来源 2 完整信息]

HTML/reveal.js 幻灯片输出

适用于演示、分享、汇报。

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <title>研究报告: [主题]</title>
  <link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/reveal.js@5/dist/reveal.css">
  <link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/reveal.js@5/dist/theme/white.css">
  <style>
    :root {
      --primary: #2563EB;
      --accent: #F59E0B;
      --text: #1E293B;
      --bg: #F8FAFC;
    }
    .reveal h1 { color: var(--primary); font-size: 2.5em; }
    .reveal h2 { color: var(--primary); font-size: 1.8em; }
    .stat-number {
      font-size: 3.5em;
      font-weight: 900;
      color: var(--primary);
    }
    .stat-label {
      font-size: 1em;
      color: #64748B;
    }
    .citation {
      font-size: 0.7em;
      color: #94A3B8;
      text-align: right;
    }
    .highlight-box {
      background: var(--bg);
      border-left: 4px solid var(--primary);
      padding: 1em;
      margin: 1em 0;
    }
  </style>
</head>
<body>
  <div class="reveal">
    <div class="slides">

      <!-- 标题页 -->
      <section>
        <h1>研究主题</h1>
        <p>核心发现的一句话总结</p>
        <p class="citation">基于 N 个来源的综合分析 | YYYY-MM-DD</p>
      </section>

      <!-- 核心数据页 -->
      <section>
        <h2>核心发现</h2>
        <div style="display:flex;justify-content:space-around;">
          <div>
            <div class="stat-number">3.5x</div>
            <div class="stat-label">增长率</div>
          </div>
          <div>
            <div class="stat-number">78%</div>
            <div class="stat-label">采纳率</div>
          </div>
        </div>
        <p class="citation">来源: 文档 A, p.12; 文档 B, §3</p>
      </section>

      <!-- 详细发现页 -->
      <section>
        <h2>发现一</h2>
        <div class="highlight-box">
          <p>关键发现的详细描述,包含数据支撑和引用。</p>
        </div>
        <p class="citation">来源: 文档 C, Table 2</p>
      </section>

      <!-- 结论页 -->
      <section>
        <h2>结论与建议</h2>
        <ol>
          <li>建议一</li>
          <li>建议二</li>
          <li>建议三</li>
        </ol>
      </section>

    </div>
  </div>
  <script src="https://cdn.jsdelivr.net/npm/reveal.js@5/dist/reveal.js"></script>
  <script>Reveal.initialize();</script>
</body>
</html>

Mermaid 图表输出

适用于流程、关系、架构的可视化。

流程图:

graph TB A[文档上传] --> B[初始查询] B --> C{发现足够?} C -->|否| D[深度追问] D --> B C -->|是| E[综合分析] E --> F[结构化输出] F --> G[Markdown] F --> H[HTML/reveal.js] F --> I[Mermaid 图表]

思维导图:

mindmap root((研究主题)) 发现一 数据点 A 数据点 B 发现二 论据 C 论据 D 发现三 趋势 E 对比 F

时间线:

timeline title 技术发展时间线 2020 : 基础模型出现 : GPT-3 发布 2022 : ChatGPT 引爆市场 : 指令微调成为标准 2024 : 多模态模型成熟 : Agent 架构兴起 2025 : 端侧推理普及 : MCP 协议标准化

实体关系图:

erDiagram RESEARCH ||--o{ DOCUMENT : "基于" DOCUMENT ||--o{ FINDING : "包含" FINDING ||--o{ CITATION : "引用自" RESEARCH ||--o{ CONCLUSION : "得出" CONCLUSION }o--|| FINDING : "基于"


研究质量检查清单

输出前自检

检查项标准
引用覆盖每个核心发现都有引用
来源多样不依赖单一来源
数据准确数字和引文与原文一致
逻辑连贯发现之间逻辑自洽
信息空白已标注缺失或不确定的部分
视觉层次信息图有清晰的阅读路径
可操作性结论包含具体建议
格式规范输出格式正确、可渲染

研究可信度评估

## 可信度评估

### 来源质量
- 学术同行评审: X 篇
- 行业权威报告: X 篇
- 一手数据: X 篇
- 二手分析: X 篇

### 发现一致性
- 多来源支持的发现: X 条
- 单来源发现: X 条
- 来源间矛盾: X 处

### 局限性
- 时间范围: YYYY 至 YYYY
- 地理范围:
- 样本局限:
- 方法论局限:

### 综合可信度: 高 / 中 / 低

注意事项

  • 尊重版权 — 引用应遵循合理使用原则,不大段复制原文
  • 标注不确定性 — 推测性结论应明确标注为"推测"或"需进一步验证"
  • 区分事实与观点 — 文档中的事实和作者观点应有区分标识
  • 保持中立 — 呈现多方观点,避免选择性引用
  • 检查时效性 — 标注数据的整理时间,提醒读者时效风险
  • 注意文档质量 — 上传前确认文档可读,OCR 文档可能有识别错误
  • 迭代优化 — 第一轮输出后审查引用准确性,必要时回查原文
  • 格式兼容 — reveal.js 幻灯片需确保 CDN 资源可访问

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

36.12%
按下载量换算48

Claude

29.08%
按下载量换算38

Cursor

18.76%
按下载量换算25

Gemini CLI

8.43%
按下载量换算11

安全审计

暂无安全审计结果可展示。

权限和风险

external-service

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills