核心功能 / 碎片整理
知识收集箱与中转站
记录模块是 LingMo 统一承接万物碎片的知识收集 inbox。无论是转瞬即逝的灵感、待读网页、系统截图、课堂录音还是待办事项，你都可以先将其不加分类地塞入中转站，后续再借助 AI 进行聚类整合。
高效收集守则：收集时绝不犹豫分类
知识整理最大的敌人是收集时的心理负担。如果你在记下一句话时还要纠结分类到哪个文件夹、打什么标签，你就会放弃记录。在中转站里，先留住信息，定期再整理。
支持的碎片记录类型
| 记录类型 | 最适合捕获的内容 | 推荐的 AI 整理动作 |
|---|---|---|
| ✍️ 纯文本 (Text) | 灵感突发、阅读摘录、会议备忘、一句话日记。 | 一键合并至已有笔记，或让 Agent 梳理大纲。 |
| 🔗 智能链接 (Smart Link) | GitHub 仓库、公众号、B站或 YouTube 视频。 | 后台触发无感网页抓取，生成带元数据的高级结构卡片。 |
| 📸 系统截图 (Screenshot) | 幻灯片画面、代码片段、书籍内页、软件报错截图。 | 调用视觉多模态模型执行 OCR 及图表核心信息提取。 |
| 🎙️ 语音录音 (Voice Memo) | 个人思路口述、课堂讨论、访谈纪要、外语对话。 | 调用 STT 语音转文字模型生成时间戳对齐的字幕文本。 |
| 📂 本地附件 (File Ingest) | PDF 报告、图片素材、TXT 或 JSON 数据。 | 作为素材存储，支持快速唤起多模态问答。 |
| ✅ 快捷待办 (Quick Todo) | 必须执行、跟进或稍后处理的紧急行动项。 | 在标题指示器上直接追踪，完成后一键自动归档。 |
智能链接的高级后台解析
当你粘贴链接到 LingMo 并关闭窗口后，系统会在后台启动多路异步爬虫，针对特定的源提供针对性的结构化生成：
- GitHub 仓库链接：自动获取仓库简介、主要开发技术栈（Languages）、README 结构、核心功能特性、本地一键克隆与运行指令，并自动添加
#开源项目标签。 - 微信公众号文章：智能剔除排版样式、动态插画、广告噪音等杂物，提取干净的图文正文并完美转化为带图 Markdown 文档。
- B站 / YouTube 视频：自动抓取或生成其匹配的音频通道，触发 STT 音频转译，产出带精确时间轴的音视频对照卡，并在首页 Bento 卡片上显示核心总结。
- 普通通用网页：解析 Meta 信息，抓取标题、站点简介并提取语义密度最高的核心正文段落。
推荐的知识整理流
- 快速扔入：用快捷键或底部栏，把阅读中的网页、闪现的灵感、会议的声音在第一时间丢进 Inbox。
- 定期清空：设定一个周期（如每天睡前或每周五），打开记录管理面板，只看“待处理”部分。
- AI 过滤与合并：将不重要的琐事直接删去；选择 3-5 条高度相关的文本碎片，命令 AI 将其合并为一篇高水平的技术选型或读书笔记。
- 打标与沉淀：将整理妥当的 Markdown 移动到
Reading/或Projects/工作区，顺手开启知识库 RAG 索引，完成一次完美的输入到知识内化的闭环。