TTokenySpace
返回 Skills 列表

顺序阅读工具-免费版

分段顺序阅读长文,自动生成结构化反思笔记,支持阅读进度追踪与关键概念提取,适合个人深度学习。

#中文
0

安装到 Tokeny(自动)

下载 ZIP
安装"sequential-read-tool-free"技能
技能信息:
- 名称: 顺序阅读工具-免费版
- 标识: sequential-read-tool-free
- 描述: 分段顺序阅读长文,自动生成结构化反思笔记,支持阅读进度追踪与关键概念提取,适合个人深度学习。
- 版本: 1.0.0
下载地址:
https://www.tokeny.space/api/skills/sequential-read-tool-free/download
继续

复制上方内容到 Tokeny 客户端并在会话中发送即可自动安装;也可直接 下载 ZIP并拖动到技能窗口安装。

SKILL.md

顺序阅读工具 - 免费版

概述

顺序阅读工具免费版帮助用户分段顺序阅读长篇文章,每段阅读后生成结构化反思笔记。避免「跳读漏读」,确保完整理解文章脉络。适合学术论文精读、技术文档学习与书籍章节阅读.

核心能力

1. 分段顺序阅读

将长文按自然段落或字数分段,逐段顺序阅读,确保不遗漏内容.

处理: 解析分段顺序阅读的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回分段顺序阅读的响应数据,包含状态码、结果和日志.

  • 执行此能力时使用input_params参数,支持创建/查询/导出操作

2. 结构化反思

每段阅读后生成结构化反思:核心观点、关键概念、疑问点、与已有知识的联系.

处理: 解析结构化反思的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回结构化反思的响应数据,包含状态码、结果和日志.

  • 执行此能力时使用input_params参数,支持创建/查询/导出操作

3. 进度追踪

记录阅读进度,支持中断后继续阅读.

处理: 解析进度追踪的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回进度追踪的响应数据,包含状态码、结果和日志.

  • 执行此能力时使用input_params参数,支持创建/查询/导出操作

4. 关键概念提取

自动提取文章中的关键概念与术语,生成词汇表.

处理: 解析关键概念提取的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回关键概念提取的响应数据,包含状态码、结果和日志.

  • 执行此能力时使用input_params参数,支持创建/查询/导出操作

5. 本地笔记保存

反思笔记保存为 Markdown 文件,便于后续查阅与整理.

处理: 解析本地笔记保存的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回本地笔记保存的响应数据,包含状态码、结果和日志. 技术参数:使用input_paramsoutput_format参数控制执行行为,支持json/text/csv输出格式. 能力覆盖范围:本skill的核心能力覆盖以下场景关键词:分段顺序阅读长篇、生成结构化反思笔、适合个人学习与读、顺序阅读工具免费、面向个人学习者的、长文阅读助手等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

使用场景

场景一:学术论文精读

逐段阅读一篇学术论文,生成阅读笔记. 用户可通过自然语言指令触发此场景,工具将自动执行相应操作并返回结构化结果.

输入格式

参数名类型必填说明
inputstring顺序阅读工具-免费版处理的输入数据或指令
optionsobject附加配置选项,如模式选择、格式偏好等
callback_urlstring异步处理完成后的回调通知URL
# 开始顺序阅读
python3 sequential_read.py \
  --input paper.pdf \
  --segment-by paragraph \
  --output notes/paper_notes.md \
  --reflect
# ...
# 交互式阅读流程:
# === 第 1 段 (共 47 段) ===
# [段落内容显示]
#
# === 反思 ===
# 核心观点: 本文研究分布式系统中的一致性问题
# 关键概念: CAP定理, 最终一致性, 强一致性
# 疑问点: 作者如何定义"最终"的时间窗口?
# 关联知识: 与之前阅读的 Paxos 算法相关
#
# 继续? (y/n/exit): y

场景二:技术文档学习

逐节阅读技术文档,确保理解每个部分.

# 按章节分段
  --input api-docs.md \
  --segment-by heading \
  --output notes/api_docs_notes.md \
  --reflect \
  --extract-concepts
# ...
# 输出概念表:
# === 关键概念表 ===
# | 概念 | 定义 | 出现位置 |
# |------|------|----------|
# | REST | 表征状态转移 | 第2节 |
# | JWT | JSON Web Token | 第3节 |
# | OAuth2 | 开放授权协议2.0 | 第4节 |

场景三:读书会准备

阅读书籍章节,生成讨论要点.

# 阅读书籍章节
  --input chapter1.txt \
  --segment-by paragraph \
  --max-chars 500 \
  --output notes/ch1_notes.md \
  --reflect \
  --discussion-points
# ...
# 输出讨论要点:
# === 讨论要点 ===
# 1. 作者对"数字化转型的核心不是技术而是组织变革"的论述是否成立?
# 示例
# 3. "敏捷组织"与传统矩阵式组织的具体差异有哪些?

快速开始

  1. 阅读## 核心能力章节了解skill功能
  2. 按## 依赖说明配置环境
  3. 执行所需能力对应的命令
  4. 参考## 错误处理章节处理异常
  5. 查看## FAQ解答常见疑问

安装

# 依赖说明

开始第一次阅读

# 顺序阅读文本文件
  --input article.txt \
  --segment-by paragraph \
  --output notes/article_notes.md \
  --reflect

恢复阅读

# 查看阅读进度
py --progress notes/article_notes.md
# ...
# 从断点继续
  --input article.txt \
  --resume notes/article_notes.md

配置示例

分段策略

策略参数说明
按段落--segment-by paragraph按空行分段
按标题--segment-by heading按 Markdown 标题分段
按字数--segment-by chars --max-chars 500固定字数分段
按句子--segment-by sentence按句号分段

反思笔记格式

# 阅读笔记: {文件名}
# ...
## 元信息
- 来源: {文件路径}
- 总段落数: {N}
- 阅读进度: {current}/{N}
- 开始时间: {timestamp}
# ...
## 第 1 段
### 原文摘要
{段落摘要}
# ...
### 反思
- **核心观点**: {主要观点}
- **关键概念**: {概念列表}
- **疑问点**: {疑问}
- **关联知识**: {与已有知识的联系}
# ...
## 第 2 段
...

命令参数

参数说明默认值
--input输入文件路径必需
--segment-by分段策略paragraph
--max-chars最大字符数(chars模式)500
--output笔记输出路径notes.md
--reflect启用反思false
--extract-concepts提取概念false
--discussion-points生成讨论要点false
--resume恢复阅读-

最佳实践

  1. 按段落分段:自然段落是最合理的阅读单元,保持语义完整性
  2. 认真反思:每段阅读后花 1-2 分钟反思,不要急于下一段
  3. 记录疑问:阅读中的疑问立即记录,读完后统一查找答案
  4. 关联已有知识:将新知识与已有知识建立联系,加深记忆
  5. 定期回顾:阅读完成后回顾全部笔记,形成整体理解
  6. 不跳读:严格顺序阅读,避免遗漏关键信息

常见问题

Q: 可以阅读 PDF 文件吗?

A: 免费版支持纯文本和 Markdown 文件。PDF 文件需要先用工具(如 pdftotext)转换为文本格式。PRO 版支持直接读取 PDF.

Q: 阅读中断了怎么恢复?

A: 使用 --resume 参数指定笔记文件路径,工具会从上次中断的段落继续。进度信息保存在笔记文件的元信息中.

Q: 反思笔记可以导出为其他格式吗?

A: 笔记默认保存为 Markdown 格式,可通过 pandoc 等工具转换为 HTML、PDF 等格式.

Q: 长篇文章分段太多怎么办?

A: 调整 --max-chars 参数增大每段字数,或使用 --segment-by heading 按标题分段,减少段落数量.

依赖说明

运行环境

  • Agent平台: 支持 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
  • 操作系统: Windows / macOS / Linux
  • Python: 3.8+

第三方依赖

依赖项类型是否必需获取方式
Python 3运行时必需官方网站下载
pdftotextPDF转换PDF输入推荐poppler-utils 包
pandoc格式转换导出推荐官方网站下载
LLM APIAPI必需由Agent内置LLM提供

API Key 配置

  • 本 Skill 无需 API Key
  • 阅读与反思由 Agent 内置 LLM 完成

可用性分类

  • 分类: MD+EXEC(Markdown指令 + 命令行执行)
  • 说明: 通过自然语言指令驱动 Agent 执行顺序阅读与反思笔记生成
  • 限制: 免费版不支持 PDF 直接读取、团队协作与知识图谱

错误处理

错误场景原因处理方式
配置错误参数缺失或格式错误检查依赖说明中的配置要求
运行时错误运行环境不满足确认运行环境符合依赖说明
网络错误连接超时或不可达执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令,参考国内替代方案

已知限制

  • 本地运行,不支持多设备同步
  • 当前为免费版本,如需完整功能请升级到付费版获取全部能力

示例

基本用法

输出:返回执行结果,包含操作状态和输出数据

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功

评论

加载中…