知识库复盘与健康检查
概述
定期审视知识库消化产出的质量、趋势与缺口。整合两大引擎：
- 复盘引擎（review_cards.py）：回答四个核心问题
- 健康检查引擎（health_check.py）：四项质量检测
核心价值：不再凭感觉判断知识库状态，用量化指标驱动持续优化。
输入：knowledge_cards/ 目录 + processed_kb_items_latest.json
输出：复盘报告（_review_report.md）+ 健康报告（_health_report.md）
工作流程
Phase 1: 健康检查 → Phase 2: 复盘分析 → Phase 3: 输出行动建议
Phase 1：健康检查（C1-C4）
python3 scripts/health_check.py \
--cards-dir knowledge_cards/ \
--data processed_kb_items_latest.json \
--output knowledge_cards/_health_report.md
四项检测：
| 检查 | 检测内容 | 严重度 |
|---|---|---|
| C1 失效风险 | 含不可访问URL、引用已删除资料 | 🔴 |
| C2 过时信号 | 提及已停用模型/工具（如 ChatGPT 3.5、DALL-E 2）、超过180天未更新的卡片 | 🟡 |
| C3 矛盾信号 | 不同卡片对同一主题持对立观点 | 🟢 |
| C4 元信息 | 关键词格式不统一、缺失字段、孤岛卡片 | 🟢 |
输出：健康评分（0-100）+ 按严重度分组的发现清单 + 修复建议。
Phase 2：复盘分析（Q1-Q4）
python3 scripts/review_cards.py \
--cards-dir knowledge_cards/ \
--data processed_kb_items_latest.json \
--output knowledge_cards/_review_report.md \
--top 10
四个核心问题：
| 问题 | 分析内容 | 产出 |
|---|---|---|
| Q1 核心资产盘点 | 被引用最多的卡片排名、新增/移除卡片 | 知识网络枢纽 Top 10 |
| Q2 关键词趋势 | 出现≥2次的关键词分布、涉及卡片数 | 趋势热词表，提示可合成主题 |
| Q3 孤岛检测 | 消化后未被任何卡片引用的卡片、零引用+零被引卡片 | 孤岛清单，逐条诊断原因 |
| Q4 升级建议 | B类资料中符合 A 类信号的候选 | 升级候选清单（含升级理由） |
B→A 升级信号：标题含「模板/指南/工作流/SOP/方法论/全流程/手册」等系统性关键词，或主题与高频卡片关键词匹配，或来自知识管理核心KB。
Phase 3：汇总输出
向用户呈现：
- 健康评分 + 问题严重度分布（🔴/🟡/🟢）
- 知识网络枢纽 Top 5：被引用最多的卡片
- 趋势关键词 Top 5：密集出现的关键词
- 孤岛卡片清单：需优化的卡片及建议
- B→A 升级候选：建议优先升级的资料
- 行动建议：3-5 条具体可执行的操作
复盘节奏建议
| 节奏 | 触发场景 |
|---|---|
| 每批次消化后 | 新生成 ≥ 5 张卡片后跑一次 |
| 每周 | 定期查看知识网络变化和趋势 |
| 每月 | 全面健康检查 + 升级评估 |
异常处理
| 异常 | 处理 |
|---|---|
| 卡片目录为空 | 提示用户先执行 kb-auto-digester 生成卡片 |
| 无被引用卡片 | 正常（新卡片未被引用），提示运行 kb-linker 建立关联 |
| 健康评分为0 | 检查脚本输出日志，确认数据格式正确 |
技能链位置
位于知识管理技能链的末端——在资料采集（kb-inventory-update）、消化（kb-auto-digester）、关联（kb-linker）之后运行，提供质量闭环。
kb-inventory-update → kb-auto-digester → kb-linker → kb-reviewer
↓
行动建议 → 下一个循环
