Make Node List

Overview

将复杂的主题、概念、脑图或知识树拆解为细粒度、相对独立的节点列表，每个节点作为后续并行处理的基本单元。输出node-list.txt文件，每行一个节点内容。

Workflow

1. 理解输入

分析用户提供的内容类型：

• 主题关键词：如”机器学习基础”、”区块链技术”
• 知识树/脑图：层次化的概念结构
• 大纲框架：已有的章节结构

2. 粒度控制

目标粒度：每个节点应满足：

• 可独立完成（50-500字内容）
• 含义明确、边界清晰
• 避免过于宽泛（如”第一章“）
• 避免过于琐碎（如”每个字”）

粒度示例：

# 过粗
"机器学习"

# 过细
"机器学习的定义"
"机器学习的历史"
"机器学习的分类"

# 合适
"机器学习的定义与发展历程"
"监督学习的基本原理"
"非监督学习的常见算法"

3. 与用户沟通

当粒度不确定时，使用AskUserQuestion工具：

• 提供粒度选项供用户选择
• 展示部分拆解结果征求意见
• 询问是否需要调整详细程度

4. 输出格式

创建node-list.txt文件：

节点1内容
节点2内容
节点3内容
...

命名规范：

• 使用简洁明确的中文描述
• 避免特殊字符（除标点外）
• 保持同一层级的一致性
• 预留编号空间（便于后续扩展）

Examples

示例1：主题拆解

用户输入：”写一篇关于Docker的技术教程”

拆解结果 (node-list.txt)：

Docker简介与传统虚拟化对比
Docker核心概念：容器与镜像
Docker安装与环境配置
Docker常用命令详解
Dockerfile编写指南
Docker网络配置
Docker数据卷管理
Docker Compose使用
Docker实战：部署Web应用
Docker最佳实践与常见问题

示例2：知识树转换

用户输入：

React学习路径
├── 基础
│   ├── JSX语法
│   ├── 组件与Props
│   └── State与生命周期
├── 进阶
│   ├── Hooks
│   ├── Context API
│   └── 性能优化
└── 实战
        └── 项目构建

拆解结果 (node-list.txt)：

React简介与环境搭建
JSX语法基础与最佳实践
组件定义与Props传递
State状态管理详解
组件生命周期方法
React Hooks入门：useState与useEffect
自定义Hooks开发
Context API状态共享方案
React性能优化技巧
React项目实战：构建完整应用

示例3：研究论文结构

用户输入：”撰写关于大语言模型幻觉问题的调研论文”

拆解结果 (node-list.txt)：

摘要与引言
大语言模型幻觉问题定义
幻觉问题的分类与表现
幻觉产生的内在机制分析
现有缓解方法综述
基于检索增强的解决方案
基于提示工程的方法
基于后处理的技术手段
实验对比与评估指标
未来研究方向与挑战
参考文献

Scripts

scripts/generate_node_list.py

辅助脚本，用于从结构化输入（如JSON格式的脑图、Markdown大纲）自动生成节点列表。

使用场景：

• 用户提供了结构化的知识树
• 需要批量处理多个主题
• 需要验证节点列表格式

Troubleshooting