学习笔记 Learning Notes

把公开的视频、讲座和书，提炼成一页中文学习页：读完能掌握精华，记得住，知道怎么用、用在哪、边界在哪。

在线浏览： https://steve-tian.github.io/learning-notes/

每份学习页包含什么

模块	内容
一句话论点	材料最想让人相信或做到的事
阅读建议	哪部分最值得花时间，哪部分可以跳过
精华 6–8 条	每条讲清「是什么、为什么成立、怎么用」，附材料依据
分部逐章精讲	按主题归类，每章都有一句话结论、论点展开、方法论和案例
术语卡	核心概念的定义和例子，正文里悬停可看
外部评价	检索学界、业界评价后写的一段客观总结，附来源
带走 + 自测	5 条能脱稿复述的要点，4–6 道选择题

每页都标了来源等级：A 表示读过全文或完整文字稿，B 表示只有部分内容，C 表示只凭已有认识。机器转写的错字、嘉宾自述未核实的数据，都在页面上标明。

目前收录

材料	类型	学习页
打造 Muse：ChatGPT 之后增长最快的 AI 产品（David Senra 对话 Alexandr Wang）	视频	打开
ChatGPT Work 数据分析团队实战（OpenAI Academy）	视频	打开
ChatGPT Work 财务团队实战（OpenAI Academy）	视频	打开
AI 如何拓展小企业能做的事（OpenAI Forum）	视频	打开
对话孙宇晨：年轻人如何抓住 AI 时代的机会？	视频	打开
聪明的投资者（本杰明·格雷厄姆）	书籍	打开

怎么做出来的

学习页由 skill/book-learning 这套 Claude Code 技能生成，流程是：

1. 取材：视频按「平台人工字幕 → 自动字幕 → 本地 whisper 转写」的顺序取得文字稿（scripts/fetch_transcript.sh）；扫描版 PDF 用 macOS 自带的 Vision 引擎本地识别（scripts/ocr_pdf.swift）。
2. 提炼：按 references/content-spec.md 的规范读完全文，写成结构化的 data.json（格式见 data-schema.md）。
3. 生成页面：scripts/build_page.py 把 data.json 注入单文件模板 assets/template.html，不依赖任何外部资源，支持深色模式和手机阅读。
4. 沉淀知识库（可选）：scripts/archive_to_vault.py 把独有知识写进个人 Obsidian 知识库。它依赖作者本机的知识库流水线，别人使用时可以跳过这一步。

仓库结构

index.html              首页目录（由 build_site.py 生成）
notes/<短名>/data.json   每份材料的提炼数据
notes/<短名>/index.html  学习页（由 build_site.py 生成）
skill/book-learning/    生成学习页的技能：流程说明、规范、模板、脚本
build_site.py           重新生成全部学习页和首页

新增一份笔记

mkdir notes/<英文短名>
cp <材料目录>/data.json notes/<英文短名>/
python3 build_site.py
git add . && git commit -m "新增：<材料名>" && git push

说明

• 只收录公开可得的材料。页面以转述为主，不含原书全文或完整转写稿；观点归原作者所有。
• 外部评价、嘉宾自述的数据都可能有偏差，引用前请回到原始材料核实。