知识库A类自动消化 Skill

概述

将 kb-inventory-update 技能筛选出的 A 类资料，批量转化为可复用的知识卡片。支持速览/精读两种深度、四种角色视角（营销/技术/团队/个人）、六种输出模板（提示词/SOP/Skill/速查表/决策矩阵/合集）。核心价值在于：把"知道哪些重要"变成"已经吸收了、能直接用了"。

输入：processed_kb_items_latest.json（由 kb-inventory-update 生成）
输出：knowledge_cards/ 目录下的结构化知识卡片 + 更新后的 processed_kb_items_latest.json（output_status 升级）

触发方式

三种入口

两种深度

默认使用速览模式。用户明确说"精读"时才用 deep 模式。每批建议不超过 5-10 条。

工作流程

Phase 1: 筛选清单 → Phase 2: 逐条消化 → Phase 3: 保存卡片+更新状态

Phase 1：筛选 A 类清单

python3 scripts/prepare_digest_list.py \
    --input processed_kb_items_latest.json \
    --output digest_queue.json \
    [--mode new|theme|all] \
    [--theme "Codex"] \
    [--top 10]

参数说明：
- --mode new：仅处理 output_status=未处理 的A类
- --mode theme --theme "Codex"：按关键词过滤主题
- --mode all --top 10：全量A类，限制批次数量
- 默认 --mode new --top 5

输出 digest_queue.json，包含待消化清单及每条的 media_id、media_type、摘要等，方便 Phase 2 直接读取。

Phase 2：逐条消化（AI 驱动）

> ⚠️ 这是核心步骤，由 AI 按以下规则逐条处理，不得跳过。

对 digest_queue 中的每条资料，按深度模式执行：

速览模式（默认）

1. 调用 fetch 获取资料内容：
   - 知识库资料（media_id）：fetch(type="media_id", id=item.media_id, question="提取：一句话核心内容、3-5个关键观点、适合什么人看、有什么可操作的方法")
   - 笔记（note_id）：fetch(type="note_id", id=item.note_id, question="...")
   - URL：fetch(type="url", id=item.url, question="...")

2. 基于 fetch 结果，生成初级知识卡片（模板见 templates/knowledge_card_quick.md）

3. 调用 mark_digested 更新状态

精读模式（--deep）

1. 调用 fetch 获取完整原文：
   - fetch(type="media_id", id=..., question="请完整提取：全文核心论点、分章节/段落的方法论细节、每个方法的具体操作步骤、作者引用的关键数据/案例、与同类资料的区别点")

2. 视频专项规则（见下方 §视频内容处理）

3. 基于完整内容，生成深度知识卡片（模板见 templates/knowledge_card_deep.md）

4. 调用 mark_digested 更新状态

📹 视频内容专项处理规则

当资料类型为视频（media_type=video/YouTube/B站，或 URL 指向视频平台）时：

1. fetch 时必须指定视频分析专用 question：
   "请完整分析这段视频：① 视频主题和核心观点 ② 展示的具体操作步骤（如有分步骤） ③ 作者演示的技巧/工具/参数配置 ④ 视频中提到的任何设置参数/数值/公式 ⑤ 案例展示的结果和数据 ⑥ 视频的分段结构（开头→中间→结尾讲了什么）。如果是教程类视频，提取每个操作步骤的详细说明。"

2. 标记视频时间戳：如原文提供时间戳，卡片中保留关键步骤对应的时间点。

3. 操作类视频：生成的知识卡片必须包含「操作清单」小节，逐步骤列出，确保可复现。

4. 演示类视频：重点提取工具/参数配置，卡片中单列「工具与参数」小节。

5. 案例类视频：重点提取案例背景→做法→结果→可迁移点。

Phase 3：保存卡片 + 更新状态

python3 scripts/finalize_digest.py \
    --queue digest_queue.json \
    --cards-dir knowledge_cards/ \
    --data processed_kb_items_latest.json \
    --update-status

此脚本会：
1. 将 Phase 2 生成的知识卡片文件注册到 processed 数据中
2. 更新已消化资料的 output_status：未处理 → 已提炼
3. 已消化的资料下次不再出现在 new 模式中

知识卡片模板

速览卡片（quick）

# 📝 {标题}

**标签**：{一级/二级/三级}
**来源**：{知识库名} | {资料类型}
**深度**：速览

## 一句话总结
{1句话}

## 核心观点
1. ...
2. ...
3. ...

## 适合人群
{谁需要看这个}

## 可转化方向
- {可转化为的成果类型}

## 关键词
{3-5个关键词}

精读卡片（deep）

# 📖 {标题}

**标签**：{一级/二级/三级}
**来源**：{知识库名} | {资料类型} | [原文链接]
**深度**：精读

## 一句话总结
{1句话}

## 核心方法论
1. ...
2. ...
3. ...

## 操作指南 / 步骤
| 步骤 | 说明 | 关键参数/工具 |
|------|------|-------------|
| 1   | ...  | ...          |

## 关键数据 / 案例
- {引用的数据或案例}

## 我的理解与可应用场景
{结合用户场景的理解}

## 可转化成果
- {具体可产出的成果}

## 关联资料
- {知识库中相关条目}

## 关键词
{3-5个}

多视角消化（Phase 4）

当用户要求以特定视角消化资料时，生成角色化知识卡片。基于 NotebookLM 的「角色化分析」理念和 LLM Wiki 的「同源多视角」设计——不同角色看到的核心观点、可转化方向完全不同。

四种预设视角

执行方式

# 查看所有可用视角
python3 scripts/digest_perspectives.py --list

# 为指定资料生成视角卡片模板
python3 scripts/digest_perspectives.py \
    --perspective 营销落地 \
    --media-id MEDIA_ID \
    --title "资料标题"

视角卡片文件名格式：km_XXXp1_标题_营销落地视角.md（p1/p2/p3/p4 对应四种视角）。生成后同样调用 finalize_digest.py 更新产出状态。

多视角卡片模板

# {emoji} {标题}（{视角标签}）

**标签**：按内容自动填充
**来源**：{知识库名} | {资料类型}
**深度**：速览 | **视角**：{营销落地/技术实操/团队赋能/个人效能}

## 一句话总结（{视角}角度）
{从该角色角度的一句话核心价值}

## 核心观点
1. {观点1 — 聚焦该视角的核心关注点}
2. {观点2}
3. {观点3}

## 适合人群（{视角}场景）
{谁最需要从这个角度看这份资料}

## 可转化方向（{视角}产出）
- {转化为具体成果类型}

## 关键词
{3-5个关键词，优先选取与该视角最相关的}

输出模板转化（Phase 5）

精读卡片生成后，可根据「可转化方向」自动生成可直接使用的模板文件：

# 列出所有可用模板
python3 scripts/output_templates.py --list

# 按关键词匹配推荐模板
python3 scripts/output_templates.py --match "提示词"

六种输出模板

模板输出到 outputs/ 目录。生成后告知用户文件路径，用户可直接编辑使用。

在 kb-inventory-update 报告末尾，自动追加上一次消化后的待处理提示（由 generate_report.py 的转化漏斗处理）：

> 💡 当前 72条 A 类中，68条待消化。回复"消化新增的A类资料"开始批量处理。

此提示已集成在 kb-inventory-update 的「成果转化漏斗」章节中，无需额外改动。

输出摘要

每批次完成后输出：

1. 本批消化条数 + 深度模式
2. 卡片保存路径（含多视角卡片和模板产出）
3. 已更新为"已提炼"的条目
4. 剩余待消化 A 类数量
5. 下一批建议（自动提示可继续的主题方向或可用视角）

异常处理

资源目录

scripts/

• prepare_digest_list.py — 筛选 A 类清单，输出待消化队列 JSON
• finalize_digest.py — 保存知识卡片，更新 output_status

templates/

• knowledge_card_quick.md — 速览卡片模板
• knowledge_card_deep.md — 精读卡片模板

部署依赖

本技能脚本依赖 shared/logger.py（统一日志模块）。部署时需将 shared/ 目录与技能目录放在同级位置：

skills/
├── shared/          ← 必须存在（来自 shared.zip）
│   └── logger.py
└── kb-inventory-update/  （或 kb-graph-builder / kb-auto-digester）

脚本通过 sys.path.insert(0, .../../..) 自动定位，无需额外配置。若缺少该模块，脚本会报 ModuleNotFoundError: shared.logger。