Save to kb

Save to KB(知识库记录)

Overview

把对话中的知识沉淀为正式知识库笔记(策展,不是转录),或对指定主题做研究后写成深度笔记。所有输出遵循 references/standards.md 中的规范,使用 assets/template.md 模板。

安装配置

• 知识库根目录:由环境变量 KB_ROOT 指定(在你的 AGENTS.md 或 shell 配置里 export KB_ROOT=/path/to/your/kb)。本 skill 与 find_related.py 均读取它。
• 系列组织约定:知识库按主题系列分子文件夹,系列内文件名用 前缀-NN-标题.md 递增编号,每系列一个 前缀-00(或 NN-索引)作为 MOC(Map of Content,内容地图/索引)。首次使用时若无既有系列,与用户确认系列名与前缀。
• 配套 skill:深化用 expand-note;会话备份用 archive-sessions(压缩防护会调用它)。

两种模式

模式 A:记录会话

用户说"记录本次会话/把刚才的内容记到知识库"时执行:

1. 回顾本次会话,按"记什么/不记什么"(见下)筛选出值得沉淀的知识点
   • 1.5 压缩防护(对照原文协议):若会话很长、context 中出现压缩摘要痕迹或 PreCompact 提醒,不要凭记忆策展——先运行 archive-sessions 的备份脚本刷新备份(0 token),再按知识点关键词 grep 备份目录($AGENT_ARCHIVE_DIR 或默认 ~/sessionbackup/<harness>/)对应文件,核对细节数据与来源链接;记忆与备份原文冲突时,以备份原文为准;仍无法核实的内容标注"待核实"而不是硬写
2. 决定拆分:一个独立概念/结论 = 一篇笔记;少量相关内容可合并;禁止把整场对话塞进一篇
3. 写前查重:对每个知识点运行 python3 <本skill目录>/scripts/find_related.py <关键词...>(需已设置 KB_ROOT)获取候选清单,只对候选做判断——已覆盖 → 更新该笔记;部分覆盖 → 合并进去;NO_MATCH → 新建。禁止为查重通读全库(token 成本必须保持 O(候选))
4. 读取目标子文件夹现有文件,确定下一个可用编号,禁止覆盖已有文件
5. 每篇按 assets/template.md 模板写作,遵循 references/standards.md 全部规范
6. 更新 MOC:把新笔记加入 00 索引的目录,必要时在 TL;DR 补一行结论,并更新"更新日期"
7. 输出清单:列出新建/更新的文件路径及查重决策(几新几改几跳过),报告给用户

模式 B:拓展主题(已迁出)

深度拓展与教材级深化已迁至 expand-note skill——用户要求"拓展主题/深化笔记/写教材级内容"时,改用该 skill,不要在本 skill 内执行联网研究。

记什么 / 不记什么

记:结论与决策(含理由)、方案对比表、原理讲解、踩坑与修复、可迁移性强的知识(范式层优先)、重要来源链接。

不记:寒暄闲聊、中途被推翻的尝试(除非教训本身有价值)、API key 等敏感信息、纯时效性消息、与用户知识体系无关的旁枝。

执行检查清单(每次必须逐项过)

• 每篇笔记 frontmatter 声明了 Diátaxis 类型和知识层级
• 术语遵循"英文(中文)"约定,与术语表一致
• 关键事实标注来源:[训练集] / [联网:链接] / [知识库:文件]
• 中英文之间有空格,标点符合中文排版规范
• 笔记间有 [[wikilink]] 互链,文末有"相关笔记"
• MOC(00 索引)已更新
• 未覆盖任何已有文件;编号无冲突
• 向用户报告了文件清单

Resources

• references/standards.md:完整记录规范(Diátaxis、写作规范、排版规范、知识分层、来源标注)——写作前先读
• assets/template.md:笔记模板——每篇笔记以此为骨架
• scripts/find_related.py:写前查重助手——机械检索候选交脚本,LLM 只判断候选;库上千篇且近义漏判多时,再升级为向量相似度查重