知识库收藏汇总整理更新
概述
对用户所有知识库中的收藏资料进行增量汇总整理：扫描全部知识库 → 与上次数据对比 → 对新资料分级归类 → 生成更新报告 → 上传到指定知识库。
核心原则：收藏不是学习。资料只有经过筛选、提炼、关联、输出和复盘，才算真正变成知识。
工作流程
扫描知识库 → 对比变更 → 分级归类 → 生成报告 → 上传知识库
Phase 1：扫描知识库
执行扫描脚本，获取所有知识库的最新资料清单：
python3 scripts/scan_knowledge_bases.py \
--output scan_result.json
扫描完成后，确认输出条数与知识库实际内容是否大致一致。
Phase 2：对比变更与分级归类
与上次处理结果对比，对新资料自动分级归类：
python3 scripts/grade_and_classify.py \
--new scan_result.json \
--old processed_kb_items_latest.json \
--output processed_kb_items_latest.json
关键逻辑：
- 已有资料保留原分级，不重复处理
- 仅对新增资料执行分级归类（规则见 references/grading_rules.md）
- 删除的资料从索引中移除，但在报告中记录
智能升级检查：对比完成后，人工判断是否需要将部分B类资料提升为A类。关注以下信号：
- 新模型发布后，涉及该模型+提示词方法论的资料应升级为A类
- 标题同时包含"前沿模型关键词+提示词/方法论"的组合
如有升级，修改 processed_kb_items_latest.json 中对应条目的 grade、value、output、action 字段。
Phase 3：生成报告
python3 scripts/generate_report.py \
--data processed_kb_items_latest.json \
--output 知识库收藏汇总整理报告.md
# 如有上次数据（processed_kb_items_prev.json），自动对比变更；首次执行则跳过
首次执行时无 prev-grade 文件，省略 --prev-grade 参数。
执行后自动产出两个文件：
- 知识库收藏汇总整理报告.md — Markdown 版（适合在ima中阅读）
- 知识库收藏汇总整理报告_交互版.html — 交互版（浏览器打开，支持点击筛选/搜索定位）
Markdown 报告结构：
1. 变更记录（新增/删除/等级变更）
2. 整体数据（知识库概览、分级统计、主题分布、时效性分布）
3. 📈 成果转化漏斗：全量 & A类 的未处理/已提炼/已转化分布
4. A类资料索引表（含三级标签 + 产出状态 + 时效性标记）
5. 🔗 A类智能关联推荐
6. B类资料索引表
7. C类资料索引表
8. ⚠️ 时效性预警：自动检测标题中的旧年份、停用模型名，分 outdated（过时）和 review（待复核）两级，逐条列出原因和建议
9. 优先处理建议
10. C类清理进展
11. 附录：全量索引 + 标签分布统计
三级标签体系（报告自动生成）：
一级（主题域） / 二级（模型/工具） / 三级（资料性质）
- 一级标签（10个主题域）：AI提示词、AI视频、AI图像、AI工具、设计办公、自媒体、商业变现、个人提升、营销品牌、编程开发
- 二级标签（模型/工具）：根据标题自动匹配 Seedance、Codex、GPT-Image、Gemini、DeepSeek、PPT、YouTube 等
- 三级标签（资料性质）：模板、教程、指南、工作流、SOP、提示词、案例、评测、推荐等
标签规则维护见 references/grading_rules.md。
Phase 4：上传到知识库
使用 ima-knowledge 技能的上传工具，将报告上传到指定知识库（由环境变量 IMA_INVENTORY_KB_ID 配置）：
# 上传 Markdown 版
python3 ../ima-knowledge/scripts/upload_file.py \
--file-path 知识库收藏汇总整理报告.md \
--knowledge-base-id "${IMA_INVENTORY_KB_ID}" \
--rename "知识库收藏汇总整理报告_YYYYMMDD.md"
# 上传交互版 HTML
python3 ../ima-knowledge/scripts/upload_file.py \
--file-path 知识库收藏汇总整理报告_交互版.html \
--knowledge-base-id "${IMA_INVENTORY_KB_ID}" \
--rename "知识库收藏汇总整理报告_交互版_YYYYMMDD.html"
其中 YYYYMMDD 替换为当天日期。
上传前确认：目标知识库 ID 通过环境变量 IMA_INVENTORY_KB_ID 配置，上传前可通过 search_knowledge_base 验证该 ID 仍然有效。
Phase 5：备份数据
为下次增量对比准备数据：
cp processed_kb_items_latest.json processed_kb_items_prev.json
这确保下次执行时能正确检测变更。
输出摘要
流程执行完毕后，向用户输出以下摘要：
- 变更概览：新增X条、删除X条、等级变更X条
- 分级分布：A类/B类/C类数量及占比
- 新增A类资料：逐条列出新增的高价值资料
- C类清理进展：当前C类数量、历次清理记录
- 下一步建议：优先转化的方向
异常处理
| 异常 | 处理方式 |
|---|---|
| 扫描脚本返回0条 | 检查API凭证是否有效，重试一次 |
| 上次数据文件不存在 | 作为首次扫描处理，全部资料重新分级 |
| 上传失败 | 检查知识库ID是否正确，确认用户仍为创建者 |
| A类比例异常（>30%或<10%） | 在Phase 2手动调整分级，收紧或放宽A类标准 |
资源目录
scripts/
scan_knowledge_bases.py— 扫描全部知识库，输出资料清单 JSON（支持递归遍历子文件夹）grade_and_classify.py— 对比新旧数据，对新资料分级归类generate_report.py— 根据分级数据生成 Markdown 报告（含三级标签系统），同步自动调用 generate_interactive_html.pygenerate_interactive_html.py— 生成交互式 HTML 报告（标签点击筛选、标题点击复制搜索词、A/B/C Tab切换、多维度组合过滤）
references/
grading_rules.md— 分级与归类规则详解（含标签体系维护指引）
技能链衔接
kb-inventory-update 是知识管理技能链的第一环，为下游技能提供结构化数据：
kb-inventory-update（采集+分级）
↓ processed_kb_items_latest.json
├── kb-auto-digester（消化→卡片+模板）
│ ↓ knowledge_cards/
│ ├── kb-linker（自动关联）
│ └── kb-synthesizer（跨卡合成）
├── kb-graph-builder（可视化图谱）
└── kb-reviewer（复盘+健康检查）
执行完本技能后，建议提示用户：
> "资料已整理完毕。回复「消化新增A类」开始制作知识卡片，回复「生成知识图谱」可视化查看，回复「做一次复盘」检查知识库健康度。"
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。
