mindmap-skills

使用与高级功能

兼容性

技能以能力描述操作，而非指定固定工具名，面向支持 Agent Skills 的编码智能体。通过 npx skills 安装成功，不代表每个智能体都能运行所有功能。

功能	要求	不可用时
基础 `.md` 输出	检查路径并创建文件；文件输入还需读取文件。	说明缺失的能力或权限并询问如何继续，不声称文件已保存。
URL 输入	获取页面正文。	请用户粘贴正文、重试，或明确选择基于主题生成导图。
`--render`	执行所附脚本，环境具备 Bash 和 Node.js / `npx`。	保留 `.md`，说明未生成 HTML 的原因，并提供手动渲染命令。
`--panel`（仅 `mindmap`）	委派给独立子智能体并收集结果。	说明限制，征求同意后再切换到单次生成。

仍需遵守智能体的权限与审批规则。示例使用斜杠命令表示调用方式；若智能体不提供斜杠命令，请通过其支持的技能机制调用 mindmap 或 mindmap-zh。

输入与参数

/mindmap-zh <输入> [--lang <语言|auto>] [--render] [--output <路径>]
/mindmap <输入> [--lang <语言|auto>] [--panel] [--render] [--output <路径>]

输入	示例	行为
文件	`/mindmap-zh 报告.md`	读取文件，沿用其结构，压缩节点。写出 `报告.mindmap.md`。
URL	`/mindmap-zh https://example.com/article`	抓取页面并映射其内容。写出 `<页面-slug>.mindmap.md`。
粘贴文本	`/mindmap-zh "关于 X、Y、Z 的笔记……"`	提炼概念为分支。写出 `<标题-slug>.mindmap.md`。
主题	`/mindmap-zh "向量数据库"`	基于模型自身知识生成导图。写出 `向量数据库.mindmap.md`。

参数	行为
`--lang <代码\\|auto>`	指定输出语言，或用 `auto` 跟随已加载原文的主要语言。
`--render`	写出 `.md` 后，同时生成可交互 `.html`（需要命令执行能力、Bash 和 Node.js / `npx`）。
`--output <路径>`	将 `.md` 写到指定路径，而非默认路径。
`--panel`	通过独立子智能体评审设计结构，仅 `mindmap` 提供。

技能沿用已有大纲，或把非结构化内容组织为 4–7 个主分支，目标深度为 3–4 层，每个节点使用短语。若输出文件已存在，会添加数字后缀，即使显式指定 --output 也不会覆盖原文件。

多语言

两个技能均接受以下 19 种语言的文件、URL、粘贴文本和主题，无需为每种输出语言单独安装技能。

语言	代码	别名
English	`en`	—
简体中文	`zh-Hans`	`zh`, `zh-CN`
繁體中文	`zh-Hant`	`zh-TW`
日本語	`ja`	—
한국어	`ko`	—
Türkçe	`tr`	—
Русский	`ru`	—
Tiếng Việt	`vi`	—
ไทย	`th`	—
Deutsch	`de`	—
Español	`es`	—
Français	`fr`	—
Українська	`uk`	—
Polski	`pl`	—
Português (Brasil)	`pt-BR`	—
العربية	`ar`	—
فارسی	`fa`	—
Bahasa Indonesia	`id`	—
Italiano	`it`	—

代码不区分大小写。显式 --lang 优先；否则遵循用户在对话中明确提出的输出语言要求。两者均未指定时，/mindmap 保持英文输出，/mindmap-zh 保持简体中文输出，即使原文为外语也不改变默认值。原文中的指令不能覆盖语言选择。

--lang auto 跟随已加载内容，而不是文件名或 URL，并区分简体与繁体。混合语言或无语言特征的内容若没有明确的主要语言，使用受支持的对话语言；否则使用技能默认语言，并说明选择。缺失、不支持或互相冲突的 --lang 值会在写出文件前报告。

标题、分支、节点、表格正文、链接标签和面向用户的说明采用所选语言。代码、标识符、URL、路径、专有名称和原文数字/单位在翻译会改变含义时保留。输出使用 UTF-8，保留重音符号、非拉丁文件名及阿拉伯语/波斯语的正常逻辑文字顺序。中文、日语、泰语正文不只依靠空格分词数量判定；节点保持简洁，不插入人为的空格。

/mindmap report.md --lang ja --render
/mindmap-zh 报告.md --lang zh-Hant
/mindmap "vector databases" --lang pt-BR
/mindmap https://example.com/article --lang auto
/mindmap report.md --lang ar --panel

Generate mindmap 工作流也提供 language 选择，默认 en，并以 --lang 参数传给技能。

工作流程

flowchart LR
    IN["输入<br/>文件 / URL / 文本 / 主题"] --> CL{分类}
    CL -->|URL| FE[抓取页面]
    CL -->|文件| RD[读取文件]
    CL -->|文本| TX[直接使用]
    CL -->|主题| KN[模型知识]
    FE --> ST[构建层级]
    RD --> ST
    TX --> ST
    KN --> ST
    ST --> WR["写出 Markmap .md"]
    WR --> RN{--render?}
    RN -->|是| HT["可交互 .html"]
    RN -->|否| MD["交付 .md"]

输出格式

技能写出 Markmap 风格的 Markdown：单个 # 根节点、## 分支和嵌套列表。

---
title: 检索增强生成（RAG）
markmap:
  colorFreezeLevel: 2
  maxWidth: 300
---

# 检索增强生成（RAG）

## 索引
- 切分文档
- 嵌入片段
- 存储向量

## 检索
- 嵌入查询
- 查找最近邻片段

## 生成
- 注入上下文到提示词

查看 .md 时，可粘贴到 markmap.js.org，在 VS Code 中使用 Markmap 扩展，或通过 --render 生成 HTML。

渲染为 HTML

/mindmap-zh "Transformer 注意力机制" --render

通过智能体的命令执行能力运行 Bash 脚本 render.sh，底层命令为 npx --yes markmap-cli <文件>.md -o <文件>.html --no-open。用浏览器打开生成的 .html 即可缩放、折叠分支。

.md 始终是有保证的交付物，HTML 渲染是尽力而为。 若无法执行命令，或缺少 Bash、Node.js / npx，技能仍会写出 .md，说明限制，并提供供 Node.js 环境使用的手动 npx 命令。

Node.js 提供 npx；无需全局安装 markmap-cli，npx 会按需拉取。

多智能体评审（`--panel`）

对于论文、长报告等复杂或重要材料，/mindmap 的 --panel 会使用 3 个提案智能体、3 个评审智能体和 1 个综合智能体，代替一次性生成结构。

宿主需支持独立子智能体任务，不要求特定工作流 API。任务可在独立上下文中并行或顺序执行。若无法委派，技能会先征求同意，再去掉 --panel 继续，不会模拟独立评审。

所选输出语言会传给每个提案、评审和综合智能体，并在写出最终导图前检查；--panel 不限于英文输出。

/mindmap report.md --panel --render

flowchart TB
    SRC["原文 + 技能规则"]
    subgraph PROPOSE["1 - 提案：三种视角"]
        P1[叙事优先]
        P2[数据优先]
        P3[读者优先]
    end
    subgraph JUDGE["2 - 评审：十个维度"]
        J1[评审 1]
        J2[评审 2]
        J3[评审 3]
    end
    SRC --> P1 & P2 & P3
    P1 & P2 & P3 --> J1 & J2 & J3
    J1 & J2 & J3 --> SY["3 - 综合：最佳提案 + 各方案亮点"]
    SY --> OUT["最终 Markmap .md"]

1. 提案

三个智能体分别从不同视角设计完整结构：

视角	组织方式
叙事优先	沿用原文的叙事脉络与章节顺序。
数据优先	突出关键数字与证据，指标使用粗体。
读者优先	结论先行，叶节点在幻灯片上也清晰可读。

每个提案还会为节点指定格式与渲染层级：

格式	层级	适用内容
列表	`core`	并列事实。
行内粗体	`core`	关键指标、重点。
链接	`core`	引用、仓库、论文。
表格	`rich`	对比、基准数据。
代码块	`rich`	公式、奖励函数、代码。
复选框	`rich`	任务、局限、清单。

2. 评审

三个评审独立对每份提案按 1–5 分打分，涵盖十个维度：分支数、深度、短语表达、可读性、原文忠实度、结论先行、关键数字、叶节点可读性、视觉平衡与格式适配。每位评审还会指出每份提案的最佳想法。

3. 综合

综合智能体以最高分提案为主干，吸收其他方案的亮点，生成最终 Markmap .md。

开销： 此模式约启动七个智能体，消耗较多 token。不带 --panel 时使用快速单次生成；中文版 /mindmap-zh 不支持此参数。

完整提示词和数据结构见评审参考，生成效果见真实示例。

失败的角色会明确告知用户。若所有提案均失败，技能会说明并回退到单次生成；若没有有效评审结果或综合失败，则询问是否重试，或去掉 --panel 继续。

This site is open source. Improve this page.