【AI 知识库神器】叶归知识笔记 AI 合并工具

前言：你的知识，AI 的力量

在 AI 时代，我们每个人都拥有一个潜力无限的“数字大脑”——我们散落在各个角落的笔记、文档和资料。Obsidian、Notion、思源笔记... 我们记录了无数宝贵的知识，但如何让 AI 真正理解并利用这些知识，为我们所用呢？

大型语言模型（LLM）已经非常强大，但它们天生存在一个“缺陷”：它们不知道你的个人知识，回答问题时容易“一本正经地胡说八道”。为了解决这个问题，RAG（检索增强生成） 技术应运而生。

但是，要构建一个 RAG 知识库，我们又遇到了那个熟悉的老问题——大多数 AI 平台只支持上传单个或少数几个文件，面对我们成百上千篇的笔记，手动整理简直是一场噩梦。

为了打破这个壁垒，我开发了这款开源 RAG 笔记一站式处理工具。它能将你所有的笔记（甚至是笔记导出的 ZIP 压缩包）智能地解压、筛选并合并成一个为 RAG 量身定制的、结构完美的知识库文件。这正是你开启个人知识库 AI 时代的第一把钥匙！

什么是 RAG？为什么它能改变一切？

在讨论工具之前，让我们用一个简单的比喻来理解 RAG：

想象一下，一个大语言模型（LLM）是一位记忆力超群、才华横溢但有点健忘的“开放性问题专家”。他能回答任何通用问题，但对你的专业领域或个人事务一无所知。

RAG 技术，就是为这位专家配备了一套完美的“开卷考试”系统。

这个系统分为两步：

1. 检索 (Retrieval)：当你向 AI 提问时，系统（检索器）会以惊人的速度，在你为它准备好的“参考资料”（也就是你的个人知识库）中，精准地找出与问题最相关的几页笔记。
2. 生成 (Generation)：然后，系统将你的问题连同找到的这几页笔记，一起交给那位“专家”（LLM），并告诉他：“请根据这些资料，回答这个问题。”

结果呢？AI 的回答将完全基于你提供的知识，变得无比精准、可靠，再也不会凭空捏造。它从一个“万事通”变成了一位真正懂你的“私人专家”。

而我们的工具，就是那个最高效、最专业的“图书管理员”，负责将你杂乱无章的笔记，整理成 AI 最喜欢阅读的、章节分明的“开卷考试资料”。

用途：将你的笔记变为一个“活的”知识库

有了这个工具和 RAG，你的笔记将不再是沉睡的文字，而是一个可以与你对话、为你创造价值的“第二大脑”：

• 🧠 智能知识问答：直接向 AI 提问：“根据我上周的会议纪要，总结一下项目 A 的关键风险点。”或者“我关于市场营销的笔记里，有哪些是关于社交媒体策略的？”
• ✍️ 定制化内容创作：让 AI 成为你的写作助理：“使用我关于‘故事结构’的笔记，为我构思一个科幻小说的开篇。”或者“结合我所有的项目管理笔记，帮我起草一份项目启动计划。”
• 🔍 快速学习与回顾：当你学习一门新课程，积攒了大量笔记后，可以直接让 AI“总结一下第二章的核心概念”或“列出所有关于‘Python 异步编程’的知识点”。
• 💡 激发创意与联想：向 AI 提出开放性问题：“将我关于‘用户体验设计’和‘游戏化’的笔记联系起来，能提出什么创新的产品想法？”

把繁琐的笔记查找、整理和思考工作交给 AI，释放你的精力，去做更有创造力的事情！

核心功能一览

本工具专注于 RAG 数据准备的核心流程，力求简洁、高效、强大。

• 🚀 一站式工作流： 独创的解压 -> 打包流程。你可以直接将从思源笔记等平台导出的 .zip 压缩包文件夹交给工具，它能自动解压并为后续打包做好准备。
• 🧠 智能解压模式： 内置**“仅解压文件 (平铺模式)”**。特别针对思源笔记等导出文件层级过深的问题，勾选后，它会忽略所有文件夹，将压缩包内最深处的所有文件直接提取到同一个文件夹下，极大简化了文件整理。
• 🎯 灵活的打包选择： 支持选择根目录，并自由勾选需要打包的任意子文件夹及根目录下的文件。
• ⚡️ 速度与安全的平衡： 提供**“内容识别 (安全模式)”** 开关。
  • 默认关闭 (速度优先)：通过文件后缀 (.md, .txt) 快速打包，最适合处理自己整理的、来源可靠的笔记。
  • 开启 (安全优先)：对每个文件进行深度内容检测，确保即便是后缀名错误的“伪装”文件也不会导致程序出错，适合处理来源复杂的笔记。
• ⭐ RAG 专属优化： 这可能是本工具最重要的功能——在合并每一篇独立的笔记之间，它会自动插入一个---分隔符。这个看似简单的分隔符，正是告诉后续 RAG 系统**“这里是一篇新笔记的开始”**的最强信号，是实现精准“分块(Chunking)”和“检索(Retrieval)”的基石。

使用演示

第一步 (可选)：解压笔记压缩包如果你有从思源笔记等平台导出的 .zip 文件，先在这里选择压缩包所在的文件夹和解压的目标文件夹。如果笔记层级太深，记得勾选“平铺模式”。

第二步：选择要打包的笔记文件夹点击“选择根目录”，指向你整理好的、包含 .md 或 .txt 笔记的文件夹。软件会自动列出所有子文件夹供你勾选。

第三步：设置输出并开始打包设置好最终生成的知识库文件名（如 知识库.md），选择保存位置，点击“开始打包”即可。

最后：将知识库文件交给你的 RAG 系统现在，你得到了一个结构完美的、单一的知识库文件。无论你使用 LlamaIndex、LangChain，还是其他集成了 RAG 功能的 AI 应用，都可以直接将这个文件作为知识源，开始你的 AI 知识库之旅！

希望这个强大的工具能帮助大家轻松迈入个人知识管理的 AI 时代！如果你有任何建议或问题，欢迎在下方留言交流！

链接：

链接：https://pan.quark.cn/s/553d91169911

RAG 知识库格式化助手提示词

# AI提示词：RAG知识库格式化助手

## 🤖 提示词模板 (Prompt Template)

**角色:** 你是一位顶级的知识管理专家，尤其擅长为检索增强生成（RAG）系统构建和优化知识库。

**核心任务:** 你的任务是将用户提供的一段原始笔记文本，转换成一份结构清晰、为RAG系统高度优化的Markdown文档。

**关键指令:**

1. **完整性优先**: 你必须处理并包含原始笔记中的**全部**信息，不允许进行任何形式的精简、总结或删减。你的工作是“重组”和“格式化”，而不是“概括”。
2. **输出格式**: 最终输出必须是单一的、格式规范的Markdown文档。
3. **元数据生成 (YAML Front Matter)** :

    - 在文档的最开始，必须创建一个由`---`包裹的YAML元数据区域。
    - 这个区域必须包含以下四个字段：

      - `title`: 根据笔记内容，生成一个精准、概括性的主标题。
      - `category`: 为笔记内容确定一个合适的分类（例如：“写作技巧”、“编程学习”、“项目管理”等）。
      - `keywords`: 提取3到5个最核心的关键词，以利于后续的标签检索。
      - `summary`: 撰写一句到两句话的摘要，简明扼要地说明这篇笔记的核心内容。
4. **结构化处理**:

    - **主标题**: 在元数据区域之后，使用单个`#`创建文档的主标题。
    - **主题切分 (Chunking)** : 这是最重要的步骤。你的核心任务是**重新理解并组织**整个笔记内容。**请忽略原始笔记中可能存在的不合理或不一致的标题**，并根据你对内容的语义理解，将其切分为最符合逻辑、最清晰的“知识块”。

      - **AI主导分块**: 将原始内容视为一个整体进行分析。识别出其中包含的各个独立、平行的核心主题。
      - **创建新标题**: 为你识别出的**每一个**核心主题，都**创建一个**全新的、精准描述该主题内容的`##`二级标题。你的目标是生成一个比原文结构更清晰、更适合RAG系统的全新大纲。
    - **内部细节**: 在你创建的每个`##`知识块内部，灵活使用三级标题`###`、无序列表 (`*` 或 `-`) 以及加粗 `**...**` 来进一步组织细节、罗列要点和强调关键概念，使内容层次分明，易于机器和人类阅读。
5. **代码框封装 (重要)** : 为了确保所有格式（尤其是元数据区域的 `---`）都以纯文本形式正确显示，你**必须**将最终生成的**完整**Markdown内容，包裹在一个**Plaintext**代码块中（使用 \`\`\`plaintext ... \`\`\`）。像这样：

    ‍```
    ---
    title: "示例标题"
    ...
    ---
    # 示例标题
    ...

    ‍```

**开始处理:** 请根据以上所有规则，处理下面的原始笔记文本：

‍```
[在此处粘贴你的笔记文本]

‍```