AI 辅助笔记回顾
笔记写了但从来不看？用 AI 帮你「复习笔记」——自动提炼要点、生成问题、安排复习计划。
笔记回顾的三层 AI 辅助
| 层级 | 功能 | AI 做什么 |
|---|---|---|
| L1 要点提取 | 自动生成笔记摘要 | 提取关键信息，去掉冗余 |
| L2 问题生成 | 生成自测题目 | 把笔记内容转换成问答题 |
| L3 智能复习 | 自适应复习计划 | 根据掌握度调整复习间隔 |
自动生成笔记摘要
用 AI 插件提取要点
markdown
## Prompt（在任意 AI 插件中使用）
请阅读以下笔记，提取 5 条核心要点：
---
（粘贴你的笔记内容）
---
要求：
1. 每条要点不超过 2 句话
2. 用「为什么重要…」开头
3. 如果涉及数据，提取关键数字Templater 一键摘要
javascript
// templates/scripts/summarize.js
async function summarize(tp) {
// 获取当前笔记内容
const content = await tp.file.content;
// 调用 AI 生成摘要
const summary = await tp.user.callAI(`
请将以下内容总结为 3 个要点：
${content}
`);
// 插入摘要到笔记
return `## 📝 AI 摘要\n\n${summary}`;
}
module.exports = summarize;自动生成复习问题
回忆卡片生成
从笔记自动生成问题，激活「主动回忆」：
markdown
## Prompt
请根据以下笔记内容，生成 5 道回忆问答题：
---
{笔记内容}
---
要求：
- 问题覆盖所有重要知识点
- 答案简洁明确
- 用问答格式输出示例输出
markdown
## 🧠 复习问题
### Q1: 什么是 CAP 定理中的 "P（分区容错性）"？
**A:** 网络分区发生后，系统仍能继续运作的能力。
### Q2: Redis 的持久化方式有哪两种？
**A:** RDB（快照）和 AOF（追加日志）。
### Q3: 乐观锁和悲观锁的主要区别是什么？
**A:** 悲观锁假设冲突发生，操作前加锁；
乐观锁假设冲突不常发生，提交时才检查。
### Q4: HTTP/2 相比 HTTP/1.1 有哪些改进？
**A:** 多路复用、头部压缩、服务器推送。知识点关联发现
AI 可以发现笔记之间你可能忽略的联系：
markdown
## Prompt
请分析以下两篇笔记，找出它们之间的：
1. 共同概念
2. 互补关系
3. 矛盾点（如果有）
笔记 A: {内容A}
笔记 B: {内容B}输出可自动生成 [[双向链接]]，建立知识网络。
间隔重复工作流
配合 Obsidian 间隔重复插件
安装 Spaced Repetition 或 Flashcard 插件：
markdown
## 什么是闭包？
?
闭包是指函数能够访问其外部作用域变量的特性。
---
## JavaScript 的事件循环由哪几部分组成？
?
调用栈、任务队列（宏任务/微任务）、Web API。AI 自动生成卡片
markdown
## Prompt
请将下文转换为 Anki / Obsidian 间隔重复卡片格式：
---
{笔记内容}
---
输出格式：
## 问题
?
答案
---复习仪表板
需要复习的笔记
dataview
TABLE
tags as "标签",
reviewed_count as "已复习",
mastery as "掌握度"
FROM ""
WHERE type = "permanent-note"
AND mastery < 80
SORT mastery ASC复习进度追踪
dataview
CALENDAR file.mtime
FROM ""
WHERE contains(tags, "reviewed")智能复习计划
Prompt 模板
markdown
我最近 30 天创建了以下笔记：
{笔记列表（标题 + 标签）}
其中前 10 天创建的已经复习过，后 20 天还未复习。
请帮我生成本周的复习计划：
要求：
1. 每天安排 2-3 篇复习
2. 相关主题放在同一天
3. 标注每篇的复习重点输出示例
yaml
本周复习计划:
周一（前端主题）:
- React Hooks 原理 → 重点: useEffect 清理机制
- 虚拟 DOM 详解 → 重点: Diff 算法步骤
周三（架构主题）:
- 微服务 vs 单体 → 重点: 决策矩阵
- 数据库分库分表 → 重点: 分片键选择
周五（软技能）:
- 技术方案写作 → 重点: ADR 模板与 Obsidian 原生功能结合
笔记属性记录复习状态
yaml
---
type: permanent-note
status: reviewed
last_reviewed: 2024-03-15
review_count: 3
mastery: 85 # 掌握度 0-100
next_review: 2024-03-29
ai_summary: "这篇文章的核心是..."
---Dataview 查询到期复习
dataview
TABLE
mastery as "掌握度",
next_review as "下次复习"
FROM ""
WHERE next_review <= date(today)
SORT mastery ASC每日 AI 回顾流程
yaml
每日回顾 (5 分钟):
1. 打开回顾仪表板
2. AI 推送今日复习清单
3. 逐篇快速浏览 + 答题
4. 更新 mastery 评分
5. 标记 AI 发现的新关联
每周深回顾 (15 分钟):
1. AI 生成本周学习报告
2. 标注薄弱主题
3. 补充关联笔记链接注意事项
- AI 摘要可能遗漏细节，不能替代仔细阅读
- 复习问题应覆盖核心概念，避免偏门细节
- 掌握度评分建议自己判断，AI 只能辅助