Learning Notes Automation

# YouTube（自动翻译）
python3 ../youtube-transcribe/scripts/transcribe.py "https://youtube.com/watch?v=xxx" -o ./

# B站
python3 ../bilibili-transcribe/scripts/transcribe.py "https://bilibili.com/video/xxx" ./

# 播客
python3 ../podcast-transcribe/scripts/transcribe.py "https://xiaoyuzhoufm.com/episode/xxx" ./

export DEEPSEEK_API_KEY=***
python3 scripts/make_notes.py 转录稿.md --output ./notes --max-cards 20
# 产出：<标题>-学习笔记.md（核心要点+闪卡+关联知识） 和 <标题>-闪卡.csv（直接导入 Anki）

## 闪卡类型

### 1. 概念卡（Cloze Deletion）
Q: {{c1::Transformer}} 架构的核心机制是 {{c2::自注意力（Self-Attention）}}
A: Transformer, 自注意力（Self-Attention）

### 2. 问答卡（Basic）
Q: 什么是 RAG？
A: Retrieval-Augmented Generation，检索增强生成。通过检索外部知识库来增强 LLM 的回答能力，解决幻觉问题。

### 3. 对比卡（Comparison）
Q: Fine-tuning vs RAG 的区别？
A: 
| 维度 | Fine-tuning | RAG |
|------|-------------|-----|
| 成本 | 高（需要训练） | 低（只检索） |
| 更新 | 需要重新训练 | 实时更新 |
| 适用 | 特定任务 | 知识问答 |

### 4. 步骤卡（Process）
Q: 如何构建一个 RAG 系统？
A: 
1. 文档分块（Chunking）
2. 向量化（Embedding）
3. 存入向量数据库
4. 检索相关片段
5. 拼接 Prompt
6. LLM 生成回答

---
title: [概念名]
type: knowledge-card
platform: learning
tags: [学习, AI, ...]
source: [[视频/播客链接]]
created: YYYY-MM-DD
---

# [概念名]

## 定义
一句话定义

## 核心要点
1. ...
2. ...
3. ...

## 关联概念
- [[概念A]]：关系说明
- [[概念B]]：关系说明

## 应用场景
- 场景1：...
- 场景2：...

## 闪卡
（Anki 格式的闪卡内容）

# 符号分隔格式，可直接导入 Anki
"问题","答案","标签"
"什么是 Transformer?","一种基于自注意力机制的深度学习架构，广泛用于 NLP 任务","AI,深度学习"

# [视频标题] - 学习笔记

**来源**：[链接]
**日期**：YYYY-MM-DD
**时长**：XX 分钟
**领域**：AI / 半导体 / ...

---

## 📝 核心要点

### 要点 1：[标题]
- 摘要：...
- 重要性：⭐⭐⭐⭐⭐

### 要点 2：[标题]
- 摘要：...
- 重要性：⭐⭐⭐⭐

---

## 🃏 闪卡（XX 张）

### 概念卡
1. Q: ... A: ...
2. Q: ... A: ...

### 问答卡
1. Q: ... A: ...

---

## 🔗 关联知识

- [[概念A]]：...
- [[概念B]]：...

---

## 💡 个人思考

（基于内容的个人见解和应用想法）

# 每周日整理本周学习内容
schedule: "0 20 * * 0"
prompt: "整理本周的所有学习笔记，生成周学习报告"

用户：帮我把这个视频做成学习笔记
https://youtube.com/watch?v=xxx

Agent：
1. 转录视频
2. 提取 15 个知识点
3. 生成 20 张闪卡
4. 更新知识图谱
5. 输出 Anki 文件 + Markdown 笔记