md-to-xmind

MD → XMind 格式整理与创作 Skill

两种工作模式

本技能支持两种工作模式：

XMind Markdown 导入核心规则

这是本 skill 的核心知识。无论哪种模式，输出的 Markdown 必须严格遵循以下规则。

层级映射总表

两种结构模式

XMind 根据文件内容采用不同方式构建导图：

基于标题的结构（Headings-based）：

• •文件主要使用 # 标题组织内容时采用
• •XMind 严格按照标题层级构建自上而下的结构
• •示例：# → ## → ### → 列表

基于列表的结构（List-based）：

• •文件只使用 - 或 1. 等列表语法（无 # 标题）时采用
• •XMind 将第一条列表项提升为中心主题
• •后续列表项根据缩进成为子主题，构建从中心向外辐射的结构

必须遵守的规范

绝对禁止跳级。XMind 要求 heading 层级连续递进。

❌ 错误：
# 书的总标题
### 直接三级            ← 跳过了 ##，XMind 可能错乱
  - 某个条目

✅ 正确：
# 书的总标题
## 第一部分
### 第一章
#### 第一节
- 具体内容

整个文档只能有一个 `#`，它对应 XMind 的中心主题。如果原文有多个 #，只保留第一个（或根据用户要求选择），其余的 # 降级为 ##。

❌ 错误：
# 第一部分
# 第二部分          ← 两个中心主题，XMind 只认第一个

✅ 正确：
# 全书总标题
## 第一部分
## 第二部分

列表条目自动归属于最近的上级 heading。列表的缩进决定其层级深度。

## 第一章
- 主题A
  - 子主题A1      ← 缩进 = 更深层级
  - 子主题A2
- 主题B

## 第二章              ← 新的一级主题
- 主题C

• •连续性：要在一个列表项下添加子列表，必须使用 4 个空格或 1 个 Tab 键 进行缩进。
• •中断：两个列表之间存在空行，XMind 会将其解析为两个独立列表。

## 项目计划
- 第一阶段
  - 需求分析        ← 连续列表，缩进表示从属
  - 原型设计
- 第二阶段          ← 同级别延续

<!-- 空行中断 -->

- 独立列表项        ← 与上面的列表无关

# 标题（主干）下混合 - 列表时，列表项被解析为该标题节点的子主题。这种结构最适合呈现分支细节。

## 机器学习算法
- 监督学习
  - 线性回归
  - 决策树
- 无监督学习
  - K-Means
  - 主成分分析

非层级类内容（代码块、表格、引用、段落）应转为笔记形式附加到上级主题。

用 > ` 前缀包裹代码内容：

## 算法实现
> ```python
> def foo():
>   return bar
> ```

转为纯文本行，每行一个记录：

## 数据对比
> | 名称 | 数值 |
> |------|------|
> | A    | 100  |

> 这是一段引用       ← 保留引用格式

段落文本自动成为上一个主题的笔记内容，用 > 包裹。

同级之间的空行会被 XMind 忽略。建议用空行分隔不同逻辑块以保持可读性。

为了导入后不出现乱码，文件必须保存为 UTF-8 编码 格式。

模式 A：转换模式（已有文档整理）

工作流程

接收用户的输入：

• •源文档：一个 .md 或 .txt 文件路径（或粘贴的文本内容）
• •用户要求：例如"以第1章为中心主题"、"把每个章节标题设为主题、下面的要点设为子主题"、"忽略前言和附录"等

用户未明确时，主动确认以下信息：

1. 中心主题应该是什么？ 默认是文档的第一个 # 标题
2. 哪些内容要包含/排除？ 某些章节、前言、附录等
3. 层级深度限制？ 默认保留所有层级
4. 如何处理特殊内容？ 代码块、表格、引用是否转为笔记

解析源文档，识别：

• •所有 heading 及其层级（# 到 ######）
• •所有列表及其缩进层级
• •所有代码块、表格、引用块
• •普通段落

构建层级树，理解各元素的父子关系。

参照核心规则，将层级树输出为符合 XMind 规范的 Markdown：

1. 确保层级连续
2. 确保只有一个 #
3. 列表正确归属到 heading
4. 非层级内容正确转为笔记格式
5. 添加适当空行分隔

模式 B：创建模式（从需求创建）

这是本技能新增的核心能力：根据用户的描述性需求，从零创建一份符合 XMind 导入规范的 Markdown 文档。

工作流程

用户可能用自然语言描述想要的思维导图内容。例如：

• •"帮我做一个机器学习的思维导图，包含监督学习、无监督学习和强化学习三大类"
• •"我想把《人类简史》做成思维导图，按章节来，每章提取3-5个关键点"
• •"给我整理一下Python学习路线图，从基础到高级"

主动澄清以下信息（如果用户未明确提供）：

1. 中心主题（Central Topic）是什么？ 如"机器学习知识体系"、"Python 学习路线"
2. 主要分支有哪些？ 用户提到的核心分类维度
3. 层级深度？ 只需要 1-2 层概览，还是需要 3-4 层深入细节
4. 内容风格？

- 关键词型：节点短小精悍（适合快速浏览） - 描述型：节点较详细，包含简短说明（适合学习笔记）

1. 是否要包含笔记内容？ 代码示例、引用、表格等
2. 内容范围？ 哪些主题要包含，哪些可以忽略

根据用户需求设计层级树：

1. 确定中心主题（#）
2. 确定一级分支（##）— 用户需求中的大类/章节
3. 细化子分支（### ~ ###### 或列表）
4. 添加内容细节 — 在每个节点下添加具体内容，可能包括：

- 列表形式的条目 - 代码块作为笔记 - 关键引用 - 表格数据

结构设计原则：

• •逻辑清晰：同级分支应该在同一个分类维度上
• •深度适中：一般 3-4 层即可，过深会降低导图可读性
• •分支均衡：避免某个分支过深而其他分支很浅
• •内容准确：不得随意编造事实性内容，超出知识范围时应向用户说明

将设计好的结构写成 Markdown：

# 中心主题标题

## 一级分支 1
### 二级分支 1.1
#### 三级分支 1.1.1
- 要点 1
- 要点 2

> 笔记内容

### 二级分支 1.2
- 要点 1
- 要点 2

## 一级分支 2
### 二级分支 2.1
- 要点 1
  - 子要点

输出要求

输出格式

一个完整的 .md 文件，UTF-8 编码。示例结构：

# 中心主题标题

## 一级主题 1
### 二级主题 1.1
#### 三级主题 1.1.1
- 子条目 1
- 子条目 2

> 笔记：这段引用属于上面的主题

### 二级主题 1.2
- 子条目

## 一级主题 2
### 二级主题 2.1
...

输出报告

向用户报告以下信息：

转换模式：

• •输出的文件路径
• •层级统计（一级主题数、总主题数）
• •做了哪些特殊处理（如代码块转为笔记）
• •下一步：用户可直接在 XMind 中「文件 → 导入 → Markdown」打开此文件

创建模式：

• •输出的文件路径
• •导图结构概览（中心主题、一级分支数、总节点数）
• •设计决策说明（为什么这样组织、层级安排的理由）
• •如果有不确定的内容，说明让用户确认的部分
• •下一步：用户可直接在 XMind 中导入

边界情况处理

示例

示例 1：转换模式

输入（原文）

# 人工智能导论

## 第一章 基础概念
### 1.1 什么是AI
AI是模拟人类智能的理论。
> 图灵测试是判断AI的标准。

### 1.2 发展简史
- 1956: 达特茅斯会议
- 1997: 深蓝战胜卡斯帕罗夫
- 2022: ChatGPT发布

## 第二章 核心技术
### 2.1 机器学习
#### 2.1.1 监督学习
- 回归
- 分类

输出（XMind 导入格式）

# 人工智能导论

## 第一章 基础概念
### 1.1 什么是AI

> AI是模拟人类智能的理论。
> 图灵测试是判断AI的标准。

### 1.2 发展简史
- 1956: 达特茅斯会议
- 1997: 深蓝战胜卡斯帕罗夫
- 2022: ChatGPT发布

## 第二章 核心技术
### 2.1 机器学习
#### 2.1.1 监督学习
- 回归
- 分类

示例 2：创建模式

用户需求 "帮我做一个 Python 学习路径的思维导图，从基础到高级。包含 Python 基础、常用库、Web 开发和数据分析四个方向。每个方向下列出 3-5 个核心知识点。"

输出

# Python 学习路径

## Python 基础
### 语法基础
- 变量与数据类型
- 控制流（if/for/while）
- 函数定义与调用
- 面向对象编程
- 异常处理

### 进阶特性
- 列表推导式
- 生成器与迭代器
- 装饰器
- 上下文管理器

## 常用库
### 标准库
- os/sys：系统交互
- re：正则表达式
- datetime：日期处理
- json/json：数据序列化

### 第三方库
- requests：HTTP 请求
- pytest：单元测试
- click/typer：CLI 工具

## Web 开发
### 后端框架
- Django：全功能框架
- FastAPI：高性能异步框架

### 基础知识
- HTTP/HTTPS 协议
- RESTful API 设计
- 数据库操作（SQLAlchemy）

## 数据分析
### 数据处理
- NumPy：数值计算
- Pandas：数据分析

### 数据可视化
- Matplotlib：基础绘图
- Plotly：交互式图表

### 机器学习
- scikit-learn：经典 ML
- 特征工程
- 模型评估

常见问题与排查指南

提示：新版本 XMind 支持将 Markdown 文本直接粘贴到画布中，软件会自动检测并解析。