双子座历史分析器

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

快速判断:会议记录与即时响应

在全面分析之前,采样 3-5 个文件以确定对话类型: 信号 · 会议记录 · 快速响应 发言者标签 · “张三:”、“李四:”、“发言者 1:” · “用户:”、“助理:”、“你:” 内容模式 · 讨论流程、轮流、闲聊 · 问答、指示→输出 长度分布 · 可变,大量短轮流 · 较长的助理响应

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@daymade · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
macOS
运行环境要求
未检出明确要求
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第 1 步:解压缩 ZIP

Google Takeout 文件包含中文/Unicode 文件名。 macOS `unzip` 会损坏这些 — 始终使用 `unar`。标准结构:

02
第 2 步:清点并分类

在读取任何单个文件之前运行完整清单:构建一个表,其中包含:文件总数、总大小按文件类型细分(txt 计数/大小、媒体计数/大小等)日期范围(如果文件时间戳有意义)

03
第 3 步:采样和分类

读取分布在文件列表中的 3-5 个 txt 文件(不仅仅是前几个 — 时间戳/文件大小可能按类型聚集)。对于每个: 阅读前约 100 行以确定对话类型 识别语言(中文/英文/混合) 对主题领域进行高层次分类 注意发言者数量和模式

04
第四步:完整内容分析

对于每个 txt 文件,读取并提取:

05
第 5 步:特定领域的关键字搜索

查找特定领域(金融、法律等)中的内容时: 使用 AND/OR 逻辑设计关键字列表 — 例如,金融:`stock OR investment OR fund OR portfolio OR 股票 OR 投资 OR 基金`,还有特定领域的术语,如 `EPS`、`P/E`、`dividend`、`arbitrage` Grep 每个关键字批次的每个 txt 文件阅读周围的上下文(每次匹配之前/之后 10 行)- 单独关键字匹配产生大量误报。 “投资”可以指商业策略,“选项”可以指UI选择,“基金”可以指保险功能

06
第7步:生成内存文件(可选)

如果用户想要将结果保留为项目内存(如`.claude/projects/<path>/memory/`):

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。