真知提取 / True Knowledge Extraction
发布信息
- 中文名：真知提取
- 英文名：True Knowledge Extraction
- SkillHub slug：
true-knowledge-extraction - 当前功能版本：
1.0.1 - 默认输出：中文
.docx图文报告；必要时附证据文件夹。 - 更新方式：用
scripts/skillhub_update.py查询 SkillHub 版本；密钥只从环境变量SKILLHUB_API_KEY读取，不写入技能包、报告、日志或记忆。
目标
把网页、视频、音频、文档或截图里的信息，提炼成有用、可信、可复用的“真知”。真知不是摘要，也不是观点堆砌，而是围绕真实对象、真实问题和真实行动形成的判断：它能帮助发现问题、解决问题，并且经过 AI 深挖、外部资料佐证、工程常识或业务常识复核后，足够让人信服。
正式报告不要写成“我调用了什么工具、识别到了什么、搜索到了什么”的过程流水。正文要直接呈现读者能学习、判断、执行或入库的内容：结论、证据、因果、边界、风险、方案、验证方法和复用价值。
触发场景
用户要求分析、研究、提炼、升华、写真知报告、从链接/视频/资料中提取知识、判断哪些说法对错、形成方法论、输出 Word 文件、把知识入库或做跨模型综合时，使用本技能。输入可以是：
- 普通网页、文章、论坛、产品页、说明书页、政策页、论文页或公司页面。
- 视频/音频链接、本地视频、短视频分享链接、语音资料或带字幕内容。
- PDF、Word、Excel、PPT、HTML、Markdown、截图、照片或资料文件夹。
- 其他模型或 Agent 的分析结果，用于 PK、校验、补充和综合。
核心原则
四真是筛选核心结论的第一准则：
- 真的是与真机/真实对象有关：硬件类必须绑定真实整机、部件、图片、编码、场景或测试现象；非硬件类必须绑定真实网页、案例、产品、组织、流程、数据、原文或可核查事件。
- 真的是与发现问题有关：能帮助看出缺陷、矛盾、误区、风险、机会、成本浪费、体验短板、验证缺口或认知盲区。
- 真的是与解决问题有关：能导向检查方法、验证实验、方案选择、改进动作、边界条件、复用路径或下一步资料需求。
- 真的是经过 AI 深挖和人工校验后让人信服：不是简单搬运原文、口播、网页摘要或其他模型结论；必须有证据链、因果链、适用边界和不确定性标注。
快速流程
- 先定成功标准：本次要发现什么问题、解决什么问题、沉淀什么知识、输出给谁看、必须用什么格式交付。
- 装入真实上下文：读取链接/文件/视频/音频，记录来源、时间、真实对象、关键图片、原文证据、作者/机构、版本和用户给定目标。
- 先备粮草：在选择方案或下结论前，先补齐相关资源、技术、标准、竞品、资料、约束和验证条件；把最容易核实的事实先核实。
- 多源提取：网页抽正文，文档抽章节和表格，视频/音频先转写再抽关键帧，图片/OCR 只作证据辅助；必要时用截图、局部裁剪和标注图保留证据。
- AI 深挖：围绕现象、原因、风险、验证、改进、成本、商用价值、可复用性进行多轮追问；新领域先让 AI 给方案谱系，不先用自己的旧经验套答案。
- 反向推敲：找反例、失败条件、最可能错的假设、替代解释、证据缺口和不适用场景。
- 四真过滤：把每条候选知识拉回真实对象、问题发现、问题解决和可信加工；通不过的降级为背景、假设、待确认或删除。
- 输出 Word：形成逻辑清晰、图文并茂、无乱码的中文
.docx报告；正文不出现工具过程、时间戳流水、技能说明和无学习意义的内容。
输入处理
- 网页文字：优先提取标题、作者/机构、发布时间、正文、图表、引用来源和关键链接；保留原始 URL 与访问日期。
- 视频/音频：先落成本地文件或可复核转写；融合口播、字幕/OCR、关键帧、局部截图和外部资料，不把识别过程写进主报告。
- 办公文档：用结构化方式读取标题、目录、正文、表格、图片、备注和元数据；不要用乱码文本做结论。
- 图片/截图：只截取能支撑判断的画面；多余区域裁掉或抹去；必要时加箭头、框选、编号、短标签和图注。
- 外部资料：优先查原始来源、官方文档、标准、论文、datasheet、行业资料、权威媒体、公开报价和竞品资料；引用后必须说明它与当前真实对象的关系。
深度思考规则
- AI 是工具，不是答案。模型输出必须再确认，不能无脑跟从。
- 新领域不要先塞入自己的方案。先让 AI 给出方案谱系、关键变量、常见失败点和验证路径，再用真实对象筛选。
- 提供正确引子：告诉 AI 目标、场景、条件、约束、已有材料、排除项和希望输出的判断类型。
- 追原理，不只描述现象。道理讲透后，再让 AI 帮忙做算法、方案或报告；原理不透，漂亮表达没有用。
- 避免“电路思维”：不要用熟悉领域的范式硬套新领域；先承认知识缺口，再建立本领域的变量和判断标准。
- 追求简明素养：简明不是少做，而是有效简化。报告完成后做一次“简明排查”，删掉空话、重复、无证据判断和无行动价值内容。
- 主流程遵循“民不告官不究”：正文优先保证正常逻辑高效清楚；低概率异常放到风险、待验证或补救章节，不让 0.1% 异常淹没主线。
- 区分正业与谈资：工程和产品任务优先解决客户技术、产品、质量、成本和验证问题；市场信息可作为背景，不替代正业判断。
- 工匠精神与四真结合：认真不等于堆材料，而是把每条结论打磨到可证、可用、可复核。
报告结构
生成正式 Word 报告时，至少覆盖以下内容，可按材料类型调整顺序：
- 一句话结论：先讲最重要判断。
- 真实对象与材料来源：对象、链接/文件、时间、版本、图片或关键证据。
- 问题切入：本次要发现或解决什么问题，为什么值得研究。
- 初步观察：原文、画面、数据、结构、流程、参数、矛盾或异常点。
- 深挖后的真知：逐条讲透知识点，说明证据、原因、边界、价值和注意事项。
- 对错判断与理由：指出哪些说法成立、哪些不成立、为什么、证据缺口在哪里。
- 问题与方案：风险、根因、优化建议、验证方法和可落地动作。
- 复用价值：这些真知还能用于哪些产品、项目、流程、客户沟通或后续改进。
- 升华：沉淀成方法、检查表、判断标准或可迁移框架。
- 四真自我复核：逐项检查是否绑定真实对象、能发现问题、能解决问题、可信加工后让人信服。
详细方法见：
- 真知方法
- 来源处理
- 报告模板
交付规则
- 默认生成 Word 文件，不只在对话里给正文；文件名使用可读中文，避免乱码。
- 图片、表格、标题、图注、页眉页脚均使用简体中文和 UTF-8 内容来源。
- 对无法验证的内容，写成“待确认/推断/证据不足”，不要伪装成事实。
- 不把用户的 API key、cookie、账号、内部路径或敏感材料写入发布包、报告、日志或长期记忆。
- 如用户要求沉淀长期方法，可把可复用原则、检查表和失败教训写入记忆库；不要沉淀临时文件和敏感信息。
版本查询与自动更新
常用命令：
python scripts/skillhub_update.py
python scripts/skillhub_update.py --download-to "E:\codexouput\tansuo\skillhub_packages\true-knowledge-extraction_latest.zip"
python scripts/skillhub_update.py --install --target "C:\Users\JackZhou\.codex\skills\true-knowledge-extraction"
python scripts/skillhub_update.py --install --target "C:\Users\JackZhou\.workbuddy\skills\true-knowledge-extraction"
