Distill Kb

本地知识库（Knowledge Base）

把 ~/Documents/KnowledgeBase/ 当作"资料级"知识库，复刻商业知识库三步模型： 放入资料 → AI 逐篇蒸馏成检索笔记 → 提问时先检索笔记再作答/汇总。 零向量库、零外部服务：目录 + sha256 增量状态 + Markdown 笔记 + BM25 + 标签索引。

布局

~/Documents/KnowledgeBase/          源资料（用户随意建目录；只读，绝不修改）
  .kb/notes/<源相对路径>.md          逐篇蒸馏笔记（镜像源目录）
  .kb/state.json                     增量状态（只经 kb.py 读写）

CLI：python3 ~/.hermes/skills/note-taking/knowledge-base/scripts/kb.py <子命令> （KB_ROOT 环境变量可重定向库根目录。）

SOP-A：维护（入库/蒸馏，cron 与手动通用）

1. 用户放入新资料后（或收到"维护知识库"指令）：跑 scan。
2. todo --cap 5 取一批（每轮 ≤5 篇，控制 Token；失败的排最前重试）。
3. 对每篇：
   • 通读原文（KB_ROOT/<rel>）；非文本/损坏/超大读不动 → mark REL failed --reason "..."
   • 先检索既有笔记（search 关键词 / notes --tag）：发现与已有笔记说法冲突 → 新旧笔记互相写 conflicts_with；发现新资料明确推翻旧结论 → 按硬规则做失效传播（改旧笔记）
   • 跨层互引：若主题在其他 skill/agentmemory 有配套条目（SOP、服务细节），笔记「细节补充」写明互引；本库存放依据与检索笔记，不复制 SOP 全文
   • 按"蒸馏笔记规范 v2"写笔记到 notepath REL 给出的路径
   • mark REL done --title "<短标题>"
4. 全部处理完再跑 scan（同步状态）和 status，报告新增/蒸馏/失败数。

蒸馏笔记规范 v2（为"检索 + 汇总"双目标设计）

笔记必须既是"能被独立检索命中的浓缩体"，又是"能跨笔记聚合成时间线/专题的结构化单元"：

---
source: <源相对路径>
distilled_by: <你的agent名>
distilled_at: <YYYY-MM-DD>
type: 检索笔记
topic: <主题域，单值：投资/技术/会议/产品/研究/生活/其他>
source_type: <群聊|研报|会议|文档|网页|论文|随手记|报告>
date: <资料所述/发布日期 YYYY-MM-DD，未知用 scan 加入日期>
tags: [<3~8个检索词，必须含：主称、别称、英文名/代码/型号>]
entities: [<关键主体：公司/人物/产品，可空>]
superseded_by: <可选：被哪份资料（源路径）推翻后填写>
conflicts_with: [<可选：与本库哪些笔记说法冲突，写对方源路径，双向互写>]
---

# 蒸馏笔记：<短标题>

**一句话**：<全文最核心结论，一句话>

## 事实与观点
- [YYYY-MM-DD] 事实：<精确数字/命令/结论，数字绝不改写>
- [YYYY-MM-DD] 观点(<谁>)：<观点内容，标注是谁说的>
- [YYYY-MM-DD] 传闻/未验证：<...>（可信度低，须注明）
- [YYYY-MM-DD] 已失效(<失效日期>, 被<资料>推翻)：<原内容>（保留在案，现行结论勿引用）

## 问答锚点
- 问：<用户可能的原话提问>？→ <直接可用的答案>
- 问：…？→ …（3~6 条，覆盖原文主要问题域）

## 关键词
<逗号分隔，含同义词/别称/中英文/缩写——这是弥补关键词检索同义缺口的关键行>

## 细节补充
<数据、命令、步骤、引用来源；没有就写来源与日期>

硬规则：

• tags 必须写"别称桥"：正文说 CoWoS，tags 就要有「先进封装」；正文说 NVDA，tags 要有「英伟达」。同义改写检索全靠它。
• 事实与观点分条标注日期与发言人；数字、日期、型号逐字保留，禁止四舍五入或改写。
• 失效传播（吸收 Lemmalog 撤回级联思想，手工版）：新资料明确推翻旧笔记结论时——
  1. 旧笔记 frontmatter 加 superseded_by: <新资料源路径>；
  2. 旧笔记被推翻的事实条目改写为 已失效(<日期>, 被<新资料>推翻): 原内容，不删除（历史演变要可追溯）；
  3. 新笔记正常蒸馏，新旧各自成立。
• 冲突标注（吸收 Lemmalog 矛盾候选思想）：双方说法不同但都未被推翻（如群聊 vs 研报的口径差异）→ 两篇笔记 frontmatter 互相写 conflicts_with: [对方源路径]，并在各自细节补充保留文字说明。
• 原文更新后状态自动回 pending，须重蒸馏（笔记直接覆写，frontmatter 的 distilled_at 更新）。
• 大文件（>100KB）：优先蒸馏可检索的结论与问答锚点，细节注明"详见原文"。
• 来源自包含：微信文章、群聊、网页等链接易失效/被删。Agent 自己整理研究落库时，关键数据、命令、结论必须直接写进源文档，URL 仅作溯源，保证链接失效后资料仍有完整价值。

非文本资料

• PDF/Word：先用 Hermes read_file（自动提取文本层）拿到文本再蒸馏。
• 扫描件/图片/无文本层：mark REL failed --reason "无文本层，需 OCR"，并在报告里建议用 PaddleOCR 处理后重放。

SOP-B：检索（聊天时自动参考）

1. 用户提问涉及库里资料时，先 search "<提问关键词>" --top 8。
2. 读命中的笔记（必要时顺着 source 回读原文片段），把命中片段作为依据作答，并注明来源路径。
3. 检索无命中 ≠ 没有答案：换标签查 tags/notes；再无 → 提示用户可把相关资料放入库中。
4. status 可随时报家底（几篇、蒸馏进度、失败清单）。

SOP-C：汇总（"把我发的资料整理一下"）

1. 先跑 conflicts 拉全库冲突对与失效清单；用 notes --tag <X>（或 --entity/--topic）按主题拉出全部相关笔记（按资料日期升序）。
2. 逐篇读"事实与观点"条目，合成时间线或专题摘要：
   • 每条标注日期与来源类型（群聊/研报/会议…），观点注明是谁说的；
   • 被 superseded 的失效事实不再作为现行结论，但可进"历史演变"叙述并标注失效；现行结论只用未失效事实；
   • 数字逐字保留；conflicts_with 命中的说法并列展示并标注冲突，不擅自裁决；
   • 传闻与已验证事实分开，不混写。
3. 结尾列来源文件清单（.kb/notes/... ↔ 源路径）。
4. 用户要落盘时，把汇总写入源库（如 汇总/<主题>_截至<日期>.md）——它本身也是一份新资料，scan 后可再蒸馏成"二级笔记"。

自动维护

夜间 cron 任务 knowledge-base-nightly（每天 03:30，deliver local 静默）： scan → 按 SOP-A 蒸馏一批（≤5 篇，自动采用本文件的最新规范）→ status 简报。手动维护与它遵循同一 SOP。

与 Hermes 知识分层的关系

• 本库 = 资料级知识（文档、调研、报告原文+笔记）。
• 结论性约定 → memory；流程 SOP → skill；项目细节 → agentmemory；会话历史 → session_search。
• 同一知识不要重复存放：定了结论就只留约定，原始依据留本库。

验证

改动 kb.py 或 SOP 后必须端到端跑一遍：scan → todo → 按 v2 蒸馏 1 篇 → mark done → search 命中且排序第一 → notes --tag 能聚合 → tags 索引正确 → conflicts 能枚举 （含至少一条冲突或失效验证）。检索或聚合不命中即视为不合格。压力测试用例记录见 agentmemory（沙箱 KB_ROOT 重定向法）。