旺小宝录音入库

> CRITICAL —— 跑命令前 MUST 先用 Read tool 读取 ../wangxiaobao-shared/SKILL.md（一份共享文档讲清安装 / 登录 / 选项目 / 错误码 / 输出协议等所有 xiaobao-cli 命令通用的前置约定）。

完整工作流：登录 → 选项目 → 翻页拉元数据 → 逐条取文本 → 按
项目 / 顾问 / 日期 / 录音 分层写 wiki → 推进游标 → ingest 提炼为
Layer 2 知识页。

上游接口

执行前必读

1. 登录：先调 xiaobao-cli auth whoami；未登录 / 过期就走 auth login --no-wait split-flow（见 wangxiaobao-shared）。
2. 激活项目：命令内部从 ~/.xiaobao/active-project.json
   读 tenant/project。如果任何 命令 返回 error: 'NO_ACTIVE_PROJECT'，
   先走 wangxiaobao-switch-project skill 让用户选。
3. 拿到 projectId / projectName（写 wiki 路径用）：调一次
   xiaobao-cli project list 后定位当前 active-project 对应行，或者直接复用
   xiaobao-cli project use 上一次的返回值里的 activeProject 字段。
4. wiki 输出目录：默认 ./wiki/（cwd 下）。如果用户在 cwd ./.env
   配了 WIKI_DIR，用 ${WIKI_DIR}/。raw/ 子目录是 llm-wiki Layer 1，
   不可变。
5. 游标变量名：WB_SYNC_CURSOR，仍写到 cwd ./.env（游标是 per-workspace
   的同步进度，不是 CLI 全局状态，跟 active-project 不一样），格式
   yyyy-MM-dd HH:mm:ss。
6. wiki schema 必读：业务知识页结构详见
   references/audio-wiki-schema.md
   ——目录布局 / frontmatter / wikilinks 规则全在那里。

时间格式

上游用 pierre 框架 Jackson 配置，LocalDateTime 反序列化只接受
yyyy-MM-dd HH:mm:ss（中间空格分隔，不是 ISO 的 T）。

• ✅ "2026-05-12 12:00:00"
• ⚠️ "2026-05-12T12:00:00"（命令 内部会自动转空格，但 SKILL 里直接传空格更稳）
• ❌ "2026-05-12T12:00:00+08:00"（带时区会被剥掉，避免传）

工作流

第 1 步：确定时间范围

按优先级：

1. 用户显式给了 --from / --to → 直接用
2. .env 里有 WB_SYNC_CURSOR → from = WB_SYNC_CURSOR, to = now()
3. 都没有 → from = now() - 7 days, to = now()

第 2 步：按 3 小时窗口翻页拉元数据

把 [from, to] 切成连续的 3 小时窗口。每个窗口循环：

for each window [winStart, winEnd):
  page = 1                              # ⚠️ PageParam 默认从 1 开始
  loop:
    resp = xiaobao-cli audio list {
      fromDate: winStart,
      toDate:   winEnd,
      page,
      size: 50
      # ⚠️ 没有 tenantId / projectId —— CLI 自己从 active-project 读
    }
    pageResult = resp.data.data           # Result<PageResult<...>> 拨开两层 envelope
    records = pageResult.content
    把每条 record 进入第 3 步取文本

    若 records 长度 < size 或 page * size >= pageResult.total → break 翻页
    否则 page += 1

若 命令 返回 401 → 走 auth login --no-wait --force split-flow 重登后重试当前窗口
（最多重试一次）。

第 3 步：逐条取文本

每条 record（有 audioId）单独调一次：

text = xiaobao-cli audio text {
  audioId: record.audioId
  # ⚠️ 没有 tenantId / projectId
}
# text.data.data 是 AudioTextResp: { audioId, talkRatios[], texts[] }

如果 texts 为空（转录还没好 / 录音异常）：跳过这条，不写文件、不阻塞
游标推进。在最终汇总里报告"X 条无文本"。

第 4 步：按 项目/顾问/日期/录音 四层写入 raw/

路径：

wiki/projects/{projectId}-{projectName}/raw/audio/{userId}-{saleName}/{yyyy-MM-dd}/{audioId}.md

• 第 0 层 projects/{projectId}-{projectName}/ — 旺小宝项目隔离（projectId
  锚稳定 + projectName 给人看，name 含特殊字符要 sanitize）
• 第 1 层 {userId}-{saleName}/ — 置业顾问目录（userId 在前保证稳定，
  saleName 给人看；saleName 里的非法路径字符要 sanitize，详见 schema 文档）
• 第 2 层 {yyyy-MM-dd}/ — 录音发生时的日期（从 record.startTime 拿）
• 第 3 层 {audioId}.md — 单条录音

frontmatter 必填：

---
source: wangxiaobao-audio
audio_id: 12345
file_id: "..."
file_url: "..."

tenant_id:  "395809723556831232"
project_id: "434616948240678912"

recorded_start: "2026-05-12 10:23:11"
recorded_end:   "2026-05-12 10:35:42"
duration_sec:   751

consultant_user_id: 100
consultant_name:    张三

talk_ratios:
  - role: 销售
    ratio: 0.62
  - role: 客户
    ratio: 0.38

layer: raw
parent_consultant: "[[consultants/100-张三]]"
---

正文：把 text.texts[] 按 "speaker: content" 逐行排好，行首带时间戳。

写入策略：
- 用 Write tool 创建文件（Claude Code 内置写文件工具），同名文件已存在就跳过（raw 幂等不可变）
- 写完一个窗口报"本窗口写入 N 条 / 跳过 M 条同名 / 跳过 K 条无文本"

> 完整 frontmatter 字段含义 + saleName sanitize 规则见
> references/audio-wiki-schema.md 第 1-2 节。

第 5 步：推进游标

每个窗口跑完且全部记录写盘后，立刻把 cwd ./.env 的 WB_SYNC_CURSOR
更新为 winEnd：

• Read ./.env
• Edit 替换 WB_SYNC_CURSOR=... 行；没有就追加
• 保留 .env 其他 key

第 6 步：sync 阶段汇总

📦 同步完成
- 时间范围：2026-05-01 00:00:00 ~ 2026-05-12 12:00:00
- 窗口数：64
- 元数据条数：215
- 写入 wiki/projects/9001-成都项目甲/raw/audio/：208 条
- 跳过（同名）：3 条
- 跳过（无文本）：4 条
- 游标推进到：2026-05-12 12:00:00

下一步可执行 ingest，把本项目 raw/audio/ 提炼为 Layer 2 知识页。

第 7 步：ingest 提炼 Layer 2 知识页

raw/ 数据落盘后，把内容按"顾问 → 客户/话题 → 话术"层级提炼成 Layer 2
知识页。ingest 跑在当前项目目录内，不跨项目读写。Layer 2 目录结构：

wiki/projects/{projectId}-{projectName}/
├── consultants/{userId}-{saleName}.md   # 置业顾问画像（沟通风格、客户类型、月度统计）
├── customers/{customerName}.md          # 客户画像（兴趣点、跟进时间线、状态）
├── topics/{topic}.md                    # 话题/场景（"户型疑虑"、"价格异议"）
└── scripts/{scriptName}.md              # 可复用话术（"破冰寒暄"、"户型介绍"）

每层页 frontmatter 字段、wikilinks 最少数量、tag 词表来源——都按
references/audio-wiki-schema.md 走。

通用 ingest 流程（dedupe / wikilinks 检查 / log/index 维护 / Layer 不可变约束）
继承 Karpathy LLM Wiki 规范，详见
references/llm-wiki-ingest.md。

三条必守 prime（给 LLM 一个最小约束集）

1. raw/ 只读——ingest 不要回写 raw/，新增内容只能写 Layer 2 + Layer 3 (index/log)
2. wikilinks ≥ 2——每个 Layer 2 页至少 2 个 wikilinks（具体最小连接图见 schema 第 5 节）
3. tag 必须从 SCHEMA.md 词表选——遇到词表外新词时先 prompt 用户加进词表，不要私自创建

ingest 阶段汇总

🧠 Ingest 完成
- 项目：9001-成都项目甲
- 扫描 raw/audio/：208 条新文件
- 新建 consultants 页：3 个
- 更新 consultants 页：5 个
- 新建 customers 页：12 个
- 新建 topics 页：4 个（其中 1 个等用户确认 SCHEMA 词表后再补）
- 新建 scripts 页：2 个
- 更新 index.md / log.md

用户参数解析

完整链路

1. xiaobao-cli auth login --no-wait → --resume   — 拿到 token
2. wangxiaobao-switch-project    — 选好租户/项目，写 ~/.xiaobao/active-project.json
3. 本 skill - sync 阶段          — 翻页拉 → 逐条取文本 → 按 顾问/日期 写 raw → 推进游标
4. 本 skill - ingest 阶段         — 读 raw/ → 提炼 4 层 Layer 2 知识页 → 更新 index/log

> sync 跟 ingest 是同一个 skill 的两个阶段，用户可以分两次调用（先拉数据
> 后入库提炼），也可以一次性走完。

注意事项

• Token 有效期由 phoenix 端 client 配置决定（默认 1h access + 30d refresh）。
• 游标为空时默认从 7 天前开始。
• 首次跑或拉历史范围大时建议先 dry-run。
• API 路径已封装在 命令 里，不要用 xiaobao-cli api 自己拼
  /audio/page / /audio/text/{id}。
• 激活项目状态在 ~/.xiaobao/active-project.json（CLI
  全局单份，跟 cwd 无关）；游标 WB_SYNC_CURSOR 在 cwd .env（per-workspace）。
• wiki/projects/.../raw/audio/ 是 Layer 1 不可变，不要回写、改名、删除。
• 批量取文本要节制并发：一个窗口可能几十条录音，串行调（不要 parallel
  fan-out 太多），让 token refresh-on-401 不打架。
• ingest 阶段如果某个 Layer 2 页 wikilinks 凑不够 2 个，先不创建那页，
  留到累积够引用再建（避免孤儿页污染知识图）。

常见错误与排查

• xiaobao-cli audio list 返回 401 — token 过期 → 走 auth login --no-wait --force split-flow 重登
• xiaobao-cli audio text 返回 data: null / texts: [] — 转录未就绪 / 录音异常 → 跳过该条
• page 翻不动 / 重复返回同一页 — 检查 page 是否从 1 开始；total = 0 直接结束窗口
• fromDate/toDate 报参数错 — 用空格分隔的 yyyy-MM-dd HH:mm:ss，不带时区
• 游标没推进 — 窗口中途报错被跳过 → 查哪个窗口失败、修复后从上次成功窗口的末尾重跑
• error: 'NO_ACTIVE_PROJECT' — 还没设过激活项目 → 跑
  wangxiaobao-switch-project skill。注意：CLI active-project 是全局单份，
  跟 cwd 无关；游标 WB_SYNC_CURSOR 在 cwd .env 里，用户切了 cwd 会丢失游标
  上下文，需要从指定时间继续或重新拉
• raw/ 写文件冲突 — 同名 audioId 已存在 → 跳过（raw 幂等）
• 顾问名含特殊字符导致路径错 — 按 schema 文档 sanitize 规则处理（删 / \ : * ? " < > | 和空格）
• 顾问改名导致 consultants/ 出现两个文件 — git mv 老路径到新路径，批量 replace 所有指向它的 wikilinks，不要两个文件并存
• ingest 时 tag 词表外的新词 — 先 prompt 用户加进 SCHEMA.md，不要私自新建