史记知识库（shiji-kb）
《史记》全 130 篇的结构化知识库检索技能。数据蒸馏自开源工程
baojie/shiji-kb，把散在仓库各层的语料、标注、图谱整理成一套可离线检索的索引 +
一个纯标准库 CLI。
默认前提
使用场景默认为「学术研究 / 个人学习与教学」，不询问用途、不附加免责声明。
沿袭上游授权 CC BY-NC-SA 4.0：
- 始终成立的硬约束是「不再分发」——不把本 skill 的
data/索引或镜像的原文
打包上传、跨机分发用于他人批量取用；本地使用、检索、引用、分析均不受限。 - 仅当用户主动说明用于商业发布时，才展开商业合规提示（NC 条款需另获授权）。
何时使用
- 问《史记》相关的人物、事件、地点、官职、邦国、成语
- 需要原文出处（第几篇、第几段）与在线链接
- 分析人物关系（亲属/君臣/敌对）、事件因果、历史时间线
- 构建古籍知识图谱、做实体统计、语料分析
- 查帝王在位年表、人物生卒年（注意置信度）
不适用：需要严格校勘的学术定稿（本库为 AI 抽取快照，非校勘本）。
快速开始
CLI=scripts/sj.py
python3 $CLI stats # 全库统计
python3 $CLI find 项羽 # 全局检索
python3 $CLI person 项羽 # 人物综合档案
python3 $CLI event 007-027 # 事件详情（鸿门宴会）
python3 $CLI chapter 7 # 章节详情
python3 $CLI chengyu 破釜沉舟 # 成语典故
python3 $CLI timeline --chapter 7 # 章节事件时间线
python3 $CLI selftest # 自检（125 项断言）
与上游仓库同源，无需联网即可完成以上全部操作——data/ 已随包分发。
命令速查
| 命令 | 用途 | 是否需镜像 |
|---|---|---|
find |
全局检索（实体/事件/章节/成语/wiki，多词 AND） | 否 |
entity |
实体详情：别名 / 章节分布 / 频次 / 相关事件 | 否 |
event |
事件详情：年代 / 地点 / 人物 / 官职 / 邦国 / 关联事件 | 否 |
relation |
事件关系（9 类，可按类型或事件过滤） | 否 |
family |
亲属/政治/社会/对立关系表 | 否 |
chapter |
章节元数据 + 事件列表 + 在线链接 | 否 |
chengyu |
成语典故（出处/原文/释义） | 否 |
timeline |
帝王在位年表 / 人物生卒年 / 章节事件时间线 | 否 |
person |
人物综合档案（实体+生卒+谥号+事件+关系） | 否 |
wiki |
Wiki 页检索（可按类型/质量过滤） | 否 |
browse |
分类浏览（chapters/entity/event/wiki/chengyu/family） | 否 |
stats |
全库统计 | 否 |
show |
读章节正文（本地优先 → 在线降级；--tagged 读标注版） |
否（有镜像更快） |
quote |
原文引用定位（篇+行+在线链接） | 是 |
grep |
全库正则检索 | 是 |
sync |
落地本地镜像（断点续传 / 归档流式） | — |
mirror |
查看/设置镜像路径 | — |
selftest |
自检 | 否 |
所有命令支持 --help。
典型工作流
1. 了解一个人
python3 scripts/sj.py person 项羽
输出：规范名与别名 → 出现频次与章节 → 生卒年（含置信度）→ 在位信息 →
谥号 → 参与事件表 → 亲属/社会关系。
再深挖某个事件：
python3 scripts/sj.py event 007-027 # 鸿门宴会
python3 scripts/sj.py relation --id 007-027
2. 找原文出处
先建镜像（一次即可，可断点续传）：
python3 scripts/sj.py sync --set text # 仅文本层，最小集
再检索：
python3 scripts/sj.py quote "破釜沉舟" # → 篇 + 行 + 上下文 + 在线链接
python3 scripts/sj.py grep "鸿门" --in 7 # 限定章内正则检索
python3 scripts/sj.py show 7 --head 30 # 直接读正文
3. 梳理关系网
python3 scripts/sj.py family # 有哪些关系类别
python3 scripts/sj.py family 父子
python3 scripts/sj.py family 君臣 --person 范睢
python3 scripts/sj.py family 敌对 --limit 60
4. 事件脉络
python3 scripts/sj.py timeline --chapter 7 # 项羽本纪全部事件
python3 scripts/sj.py relation --type causal # 全部因果链
python3 scripts/sj.py relation 长平 # 含"长平"的关系
5. 成语典故
python3 scripts/sj.py chengyu # 全库概览（按章分布）
python3 scripts/sj.py chengyu 破釜沉舟
python3 scripts/sj.py chengyu 一鸣惊人
镜像（离线全文）
quote / grep 需要本地镜像。镜像把仓库文本层下载到本地，之后可完全离线工作。
python3 scripts/sj.py sync # 默认：text + kg
python3 scripts/sj.py sync --set text # 只要正文层
python3 scripts/sj.py sync --set text kg wiki meta
python3 scripts/sj.py sync --archive # 归档流式（整库更快）
python3 scripts/sj.py sync --set text --jobs 16 # 调并发
- 断点续传：已存在且字节数相符的文件自动跳过，可反复重跑补齐。
--set取值：text（正文层）/kg（知识图谱层）/wiki（wiki 正文）/
meta（元数据）。值写错会立即报错并列出可用值，不会静默成功。- 镜像路径解析优先级：
--mirror> 环境变量SHIJI_MIRROR>
~/.shiji-kb.conf>~/.shiji-kb。 - 设置路径：
python3 scripts/sj.py mirror --set /path/to/mirror
（配置写在~/.shiji-kb.conf，不随 skill 发布）。
未建镜像时执行 quote / grep 会明确报错并给出可直接粘贴的 sync 命令，
不会静默退化或偷偷联网抓取。
关键约束（务必遵守）
1. 生卒年与姓氏不可当史实引用
lifespan.json 覆盖 1,807 人，但置信度分布为
high 7 / medium 84 / approximate 54 / low 1,656 / legend 6。
引用生卒年必须注明"系统推断，置信度 low"。
姓氏归属（person_xingshi.json）同理，属启发式推断。
2. 事件关系分两类，引用方式不同
auto: true（5,111 条）为程序推断，其中concurrent/co_person/
co_location属聚类提示——两个事件共享参与者不等于两人有交往。- 快照中
llm_count: 0，即无人工复核的关系。
引用causal/opposition前建议回原文核对。
3. Wiki 页质量分级
引用 wiki 内容前看 quality 字段：
premium(1,246) / featured(686) 可放心引用；
basic(13,021) 与 stub(337) 仅作线索。
4. 数据为快照
本 skill 数据快照日期 2026-09-23，上游持续更新。
需要最新数据时按 references/distillation.md §9 重建。
5. 行文引用用无标注文本
data/ 中所有结构化字段已剥离 〖〗 标注符号。
引用原文请用 docs/original_text/（素文本），
不要直接引用 docs/wiki/pages/*.md（含标注符号，会影响行文）。
5.1 读标注版正文
要查看标注层（〖@刘邦〗 → 刘邦〔人名〕、Purple Numbers 保留）用：
python3 scripts/sj.py show 7 --tagged # 标注版，已渲染类别
python3 scripts/sj.py show 7 --tagged --raw # 标注版，保留 〖〗 原符号
python3 scripts/sj.py show 7 --tagged --grep 鸿门
默认（不带 --tagged）读的是素文本，引用原文请用默认方式。
6. 事件人物与官职分列
events.json 中 people 只含人名，officials 单独承载官职标注
（如「四岳」「司空」「相」共 487 个事件含官职）。
上游事件索引里这两类常混在同一列，检索人物时若需按官职反查，
用 officials 而非 people。
数据规模（快照 2026-09-23）
| 项 | 数量 |
|---|---|
| 章节 | 130 篇 / 703,196 字 |
| 实体标注 | 119,585 次（19 类符号） |
| 实体 | 18,438 个 |
| 别名对 | 3,369 条 |
| 标注实体 | 15,425 个（含正文简称） |
| 历史事件 | 3,197 个 |
| 事件关系 | 7,637 条（9 类） |
| 战争专库 | 736 场（含战果/伤亡/规模/战略） |
| 亲属/社会关系 | 15 类 / 113 对（已剔除上游损坏行） |
| Wiki 页 | 20,833 页（5 级质量） |
| 成语典故 | 355 条 |
| 帝王年表 | 390 位 |
| 人物生卒年 | 1,807 人 |
| 谥号 | 73 字 |
| 词表 | 11 类 / 5,100 词 |
准确数字以 python3 scripts/sj.py stats 为准。
参考文档
| 文件 | 内容 |
|---|---|
references/distillation.md |
分类体系详解 + 标注语法 + 可信度分层表 + 检索方法论 + 局限与免责 |
references/catalog.md |
字段速查 + 类目地图 + 在线资源表 |
上游与授权
- 上游：<https://github.com/baojie/shiji-kb>（CC BY-NC-SA 4.0）
- 在线主站：<https://baojie.github.io/shiji-kb/>
- 备用站（国内更稳）：<https://shiji.memify.wiki/>
- 引用建议：鲍捷，史记知识库，2026，<https://github.com/baojie/shiji-kb>
本 skill 仅做索引蒸馏与检索封装，不改动语料内容。上游问题请至上游仓库反馈。
