knowledge-gardener
📖 技能介绍
name: knowledge-gardener description: 个人知识库全生命周期管理（三层结构：articles 原始层 + wiki 编译层 + schema 规范层）。触发场景：收录/归档/保存文章视频网页本地文件到知识库；查询/搜索/检索知识库内容；生成培训 HTML/汇总页面；规整/去重/清理/索引修复知识库；删除/移除知识库文章。支持 ingest/query/output/maintenance/delete 五种操作，跨平台运行。 triggers: - 收录 - 归档 - 保存 - 知识库 - 收藏 - 存档 - 查询知识库 - 搜索知识库 - 检索知识库 - 生成 HTML - 培训材料 - 汇总页面 - 规整知识库 - 整理知识库 - 去重 - 清理 - 索引修复 - 删除重复 - 删除文章 - 移除文章 - ingest article - save to knowledge base - archive - search knowledge base - query knowledge base - lookup - generate HTML - training material - maintain knowledge base - deduplicate - delete article - remove article version: 1.4.0 license: MIT
Knowledge Base - 个人知识库管理
🚀 说一句"收录这篇微信公众号文章 https://mp.weixin.qq.com/s/xxx"就能体验完整流程——抓取→提炼→归档→编译→自审，一条龙。
把 LLM Wiki 的知识管理流程打包为可重复执行的 skill，任何具备文件读写 + 命令执行能力的桌面 Agent 即可完成收录→检索→产出→规整→删除的完整闭环。
严格三层结构，不设独立索引层。 Schema 版本号见 schema/VERSION.md。不绑定特定平台/工具名——模型自身能力是底线，环境有抓取/搜索工具时自动用满。
第 0 步：确定知识库根目录
Agent 负责解析 KB_ROOT，脚本仅接收显式参数（不读环境变量）：
- 已初始化知识库优先读
<KB>/schema/skill-config.json中的kb_root - 否则读环境变量
KB_ROOT - 否则取默认值：Windows
D:\knowledge-gardener/ macOS & Linux~/knowledge-gardener
解析后的路径作为 <KB_ROOT> 参数显式传入 kb_maintenance.py。
首次使用根目录不存在 → 按 references/schema.md 第 1-2 节创建三层骨架；已存在 → 读 schema/taxonomy.md + schema/VERSION.md。
核心心智模型
| 层 | 目录 | 规则 | 说明 |
|---|---|---|---|
| 原始二进制 | raw/ |
只增不改 | 本地文件（Word/PDF/图片）原始副本，与 articles/ 同名对应 |
| 原始层 | articles/ |
只增不改 | 提炼后的 Markdown，不修改不重命名 |
| 编译层 | wiki/ |
Agent 维护 | LLM 编译的结构化知识：sources / topics / entities / specials |
| 规范层 | schema/ |
Agent 维护 | 页面格式、工作流、命名约定、分类体系、版本号 |
操作路由
| 用户说… | 操作 | 参考文件 |
|---|---|---|
| "收录/保存/归档" + URL/文件 | ingest | references/ingest.md（含专题种子页自动触发） |
| "有没有/查一下/搜索 X" | query | references/query.md |
| "生成/制作 HTML/培训材料" | output | references/output.md |
| "规整/整理/去重/清理" | maintenance | references/maintenance.md |
| "删除/移除 X" | delete | references/maintenance.md#用户主动删除文章 |
意图不明时先澄清再操作——不确定用户是要查还是收录时，反问一句，避免误路由。如果用户无回应且请求明显不带 URL/文件，默认走 query（只读、零风险）。
核心铁律
- articles 与 raw/ 不可变（去重/用户删除除外），发现错误只在 wiki 层修正
- 收录必登记 — index.md、sources 页、log.md 三者缺一不可
7w4.net小葱技能站收录全网优质技能，值得收藏。
- 不确定性标"待验证" — 不把推测伪装成定论
全部 9 条铁律见
references/principles.md。
反思机制（三层闭环）
| 层 | 触发时机 | 位置 |
|---|---|---|
| 即时反思 | 每次收录后 | ingest.md 第 9 步 |
| 定期反思 | 每周完整规整 | maintenance.md 第 7-8 节 |
| 触发式反思 | 每次出错 | troubleshooting.md |
参考文件索引
💡 按需加载：按用户意图只读对应的一个 reference 文件即可，无需全量加载全部 references（合计约 2 万字会占用大量上下文）。路由见上方「操作路由」表。
| 文件 | 内容 |
|---|---|
references/ingest.md |
收录十步规程：含专题种子页自动触发（source_count≥3 建种子骨架） |
references/query.md |
检索规程 |
references/output.md |
培训 HTML 生成规程 |
references/maintenance.md |
规整规程 + 删除流程 |
references/schema.md |
三层目录结构 + 格式规范 |
references/specials.md |
专题深加工工作流 |
references/principles.md |
全部 9 条铁律与质量原则 |
references/troubleshooting.md |
故障记录与参考手册（含已触发 + 预设场景，按 status 区分） |
scripts/kb_maintenance.py |
规整辅助脚本（扫描/去重/Lint/修复/故障计数/index.json 生成），支持 --since N、--bump-error、--dry-run、--gen-index-json |
🤖 AI 评测
这个工具质量不错，能帮你把收藏的文章整理成可检索、可关联的知识网络，而不是让它们堆在文件夹里积灰。配套指南详细，说句话就能收录文章。缺点是文档内容较多需要花时间消化，功能较多流程较复杂，刚上手需要适应一下。
