BOSS REQUIRE DONT MODIFY不要修改下面的内容：
我希望可以做成一个skill，可以自动化搜集全面的资源、列举、分析、下载、分析、整理

---

SystematicNotes —— 自动化课程笔记生成系统

快速概览

模块化 Pipeline 系统：收集课程资料 → 自适应选择处理器 → 生成结构化笔记。支持 PDF 课件视觉分析 + transcript 文字处理。

架构

src/                          # 通用共享代码
├── engine.py                 # PipelineEngine（编排核心）
├── registry.py               # AdapterRegistry（适配器自动发现+注册）
├── model.py                  # 数据模型（CourseMaterial, PipelineConfig 等）
├── adapters.py               # 基类（BaseCollector, BaseProcessor, BasePublisher）
├── providers/                # LLM Provider 层
│   ├── base.py               # BaseProvider(ABC)
│   ├── boyue.py              # BoyueProvider（OpenAI 兼容）
│   └── router.py             # get_provider(name)
├── utils/checkpoint.py       # 断点续跑
└── cli.py                    # 命令行入口

pipeline/
├── 01-collect/adapters/      # 资料收集器（local 等）
│   └── scripts/              # 辅助脚本（如 ELRC catch_all.js）
├── 02-process/
│   ├── adapters/             # 加工处理器（pdf, transcript, exec）
│   ├── generators/           # 笔记生成器（LLM 调用）
│   └── prompts/              # Prompt 模板（.md 外置）
└── 03-publish/adapters/      # 发布器（local, github）

templates/course/             # 课程标准目录模板
├── 01-raw/{slides,transcripts,recordings,homework,documents}/
├── 02-processed/{images,summaries,drafts}/
└── 03-output/{notes,cheatsheet,homework}/

courses/                      # 实际课程数据（通过 symlink 或直接存放）
├── cs336/                    # Stanford CS336（已有资料+笔记）
├── gai-sde/                  # MIT 6.S184 Diffusion Models
└── quick-test/               # 快速测试

使用方法

# 列出可用适配器
python3 -m src.cli --list-adapters

# 运行 Pipeline
python3 -m src.cli courses/my-course
python3 -m src.cli courses/my-course --force --dpi 200

质量检查-优化循环（强制执行）

MUST：笔记生成后必须进行质量检查。如果发现问题或有明显优化空间，必须进入检查→优化→再检查的循环，直至质量达标。

检查维度

维度	检查内容	红线（必须修）
结构完整性	所有课时是否覆盖？章节层级是否清晰？	缺课、章节断裂
内容准确性	公式/代码/定义是否正确？是否与原始资料一致？	事实错误、公式错误
可读性	中文是否通顺？术语是否准确？排版是否清晰？	机翻痕迹严重、格式错乱
深度	是否只是表面摘录？有无解释"为什么"？	纯罗列无深度
实用性	能否直接用于复习/考试/面试？有无 TLDR？	缺少总结/要点

循环流程

生成笔记 → 质量检查 → 有问题? ──Yes──→ 针对性修复 → 回到检查
                        │
                       No
                        │
                        ▼
                      输出最终版

• 每轮修复必须有具体的修复目标（不能"再改改"）
• 最多 3 轮循环，超限则标注 [待人工审核] 并输出当前最佳版
• 检查结果写入 03-output/notes/quality_report.md

常见问题 & 修复策略

问题	修复方式
某节课内容明显比其他课少/浅	单独重新生成该课笔记（降低 temperature、加长 prompt）
公式渲染错误/缺失	正则修复 + 针对性重写含公式段落
中文术语不统一	术语表对照替换
章节结构混乱	重新合并+润色，强调大纲结构
缺少关键图表说明	补充视觉摘要引用

资料完整性规范

核心理念：我们要的不是"有一些资料然后生成笔记"，而是把对应课程（学期）的高质量、全面的资料都下载，结合生成笔记，并引导进行练习。一门课的价值 = 听懂(notes) + 会做(labs/homework) + 能读源码(code)。

每门课程应收集的资料清单

资料类型	存放目录	必需程度	说明
课件/幻灯片	01-raw/slides/	必需	PDF、.py 可执行讲义、PPT
视频转录稿	01-raw/transcripts/	强烈建议	YouTube/bilibili 字幕，优先 _clean.txt
课程笔记/讲义	01-raw/documents/	建议	官方 lecture notes、syllabus、reading list
实验/Lab	01-raw/homework/	如有则必需	Jupyter notebooks、Colab 链接、实验指导
作业/习题	01-raw/homework/	如有则必需	习题集、答案、评分标准
源码仓库	01-raw/homework/	如有则建议	课程配套 GitHub（labs/assignments 源码）
参考论文	01-raw/documents/	建议	课程推荐的必读论文
视频/录音	01-raw/recordings/	可选	课程录像（如无 transcript 则需要）

资料收集 SOP

每门新课程按以下步骤逐项完成：

1. 找到课程官网 → 下载所有 slides PDF、lecture notes、syllabus、reading list
2. 搜索 GitHub → github.com 搜索课程编号/名称，clone labs、assignments、源码仓库
3. 搜索 YouTube/bilibili → 搜索课程名+讲师，拉取所有视频 transcript
4. 检查 syllabus → 看推荐阅读/参考论文列表，下载关键论文 PDF
5. 检查 Colab → 课件中是否有 Colab 链接，下载 .ipynb 到 homework/
6. 缺失清单 → 01-raw/ 下空目录 = 待补充，提醒用户

自检

运行 pipeline 前，确认以下问题：

• slides/ 非空且覆盖所有课时？
• transcripts/ 覆盖所有课时（或至少大部分）？
• homework/ 有 lab/作业（如果课程有的话）？
• documents/ 有 syllabus/lecture notes（如果课程有的话）？

缺失项不阻塞 pipeline，但会在输出中标注「资料不完整」。

自进化机制

• 新增适配器：在 pipeline/XX/adapters/ 下放一个 .py 文件，继承对应基类并设置 name，自动注册
• 新增 Provider：在 src/providers/ 下实现 BaseProvider 子类
• Prompt 优化：直接编辑 pipeline/02-process/prompts/*.md

当前状态

课程	资料状态	笔记状态
CS336	PDF+PY+Transcripts 已就绪（symlink），18节课	已有旧版笔记，新 pipeline 待重跑
gai-sde (MIT 6.S184)	✅ slides(5) + transcripts(6) + lecture_notes + labs(3+3解答)	待生成

API 配置

Boyue（OpenAI 兼容代理）：http://35.220.164.252:3888

• 文本：glm-4.7
• 视觉：gpt-4o
• 配置方式：.env 文件（参考 .env_example）

已验证

• Engine 全流程 ✅（transcript-only、pdf+vision、exec lecture 三种模式）
• PDF→图片→视觉摘要 ✅
• 笔记质量 ✅（结构化、公式、表格）
• 适配器自发现 ✅
• GitHub 图床发布 ✅
• YouTube transcript 拉取 ✅
• 可执行讲义解析 ✅

Gotchas

260708-Genetic-Notes-Design-Requirement

目标读者：[画像]；读完后能：[终点能力]（backward design）
组织契约：

1. 用 genetic method 组织全文：单一主线 = 问题 → 方法 → 失效模式 → 下一代方法；禁止并列式知识点罗列
2. 失效驱动衔接：每一节第一句显式回答「上一节的什么缺陷逼出了本节」
3. 前置概念 just-in-time：在第一次被需要处引入，不集中堆在开头
4. 开头只放一段 advance organizer：全文主线地图 + 为什么这条线非走不可
5. 单一叙事主线：支线内容一律放折叠块/附录，不打断主干
6. signaling：段落间用显式逻辑词（因此/然而/为了修复 X）标注关系
   流程契约：
   先计划，再执行

260708-Notes-Must-Reference-Raw-Materials

Problem：LLM 凭自己知识生成笔记，零引用、无法溯源验证。表面看起来正确，实际上是"凭空编造"。
Need：每条关键论断必须可追溯到原始资料的精确位置（文件名+页码/章节），读者可以用 grep 验证。
Solution：
笔记生成 Pipeline 三步：

1. 提取：pdftotext/pymupdf 从 raw PDF 提取全文 → 02-processed/<source>_ChX.txt
2. 阅读+分析：Read 提取文本，理解真实结构和关键段落，确定哪些内容进入笔记
3. 生成+引用：基于提取文本写笔记，每条论断标注 [来源, p.X]；原文直接引用用 > block quote；提取件独立存放供 grep 验证
   反模式：

• 凭 LLM 内部知识直接写笔记（零引用 = 零可信度）
• 用古典曲线曲面论（do Carmo 风格）去解释一本直接从流形开始的讲义（Salamon）——结构对不上
• 先写笔记再去找资料佐证——应该先读资料再写笔记
  复现List：260708-diffgeom-notes（本 session，Ch.1-2 初版被删除重写）