Knowledge Base Management

Knowledge Base Management — 知识库全生命周期管理

核心架构

三层架构

素材库/  → Layer 1: 不可变原始素材（AI 只读）
wiki/    → Layer 2: AI 编译的结构化知识（AI 维护）
产出/    → Layer 3: 按需生成的视图（不持久化）

核心原则：素材库是事实源（不可变），Wiki 是 AI 编译的投影（必须溯源），产出是按需生成的视图（不持久化）。

Vault 配置

vault 路径通过环境变量配置，不写死在脚本里：

export VAULT_DIR="$HOME/Documents/your-vault"   # 你的 Obsidian vault 根目录

• 健康检查 cron：建议每周日 9:00 运行 scripts/vault_health_check.py（见第 2 节）

1. 素材入库 (Ingest)

新素材处理流水线

用户丢素材 →
  ① 判断类型 → 存入素材库/对应子目录
  ② 提取关键信息 → 决定是否建 wiki 页面
  ③ 如果值得：建选题（打 SHARP 分）或更新项目页
  ④ 更新 wiki/index.md 索引

素材分级 (ABC Grading)

公众号文章处理

来源一：wechat-article-exporter 自动同步（每天 07:00 cron） 公众号文章直接存入 素材库/公众号文章/<公众号名>/，每日自动增量同步。

来源二：手机保存的文章同步（每天 08:00 cron） 通过手机保存的文章先落到一个待处理目录（按日期），再由一个归类脚本搬入素材库并按领域筛选优质文章做 A+B 深度处理。

归类脚本（如 sync_notes_to_kb.py）与各人的目录结构强相关，本仓库不内置，按下面的「工作流」自建即可。

工作流：

新文章入库 →
  ① 脚本自动归类到 素材库/公众号文章/<公众号名>/
  ② URL 去重（跳过已存在的文章）
  ③ 领域关键词筛选（AI/半导体/消费/电商/品牌/投资/Agent/Skill）
     跳过纯营销、与用户领域无关的文章
  ④ 命中关键词的精选文章 → A+B 双轨处理（每日上限 5 篇）
     A层：观点提取+分类+3条Takeaway → wiki/📡 外部输入/公众号/<公众号名>/<主题>/
     B层：问题链+伴读引导 → 同上
  ⑤ 更新 wiki/index.md（外部输入 — 最新 A+B 处理 表格）

关键原则：

• 聚焦高价值主题（匹配用户兴趣），不追求全量覆盖
• 每个 wiki 页面必须用 source frontmatter 列出引用素材路径
• 深度处理上限 5 篇/天，分批消化
• 文章路径格式：[[../../../../素材库/公众号文章/<公众号>/<文件名>]]

2. 健康检查 (Audit)

自动检查项

每周日 9:00 cron 自动运行，检查：

• 断链（broken wikilinks）
• 缺 source 字段
• frontmatter 缺失
• 待沉淀概念
• 低链接密度

脚本：scripts/vault_health_check.py（本仓库提供，零依赖，纯标准库）

# 指定 vault 路径
python3 scripts/vault_health_check.py "$HOME/Documents/your-vault"

# 或读 VAULT_DIR 环境变量
export VAULT_DIR="$HOME/Documents/your-vault"
python3 scripts/vault_health_check.py --json

# 把缺 source 字段也视为问题（强溯源场景）
python3 scripts/vault_health_check.py --require-source

检查项：断链、缺 frontmatter/source/summary、孤立笔记、空目录、内容重复、文件名含空格。 存在断链时退出码为 1，方便接入 cron / CI 告警。

清理标准

文件命名规范

✅ 选题-AI-Agent-未来方向.md    # 连字符连接，无空格
❌ 选题-DemisHassabis Agent.md  # 含空格，wikilink 断裂

迁移提示页格式

当文档内容迁移到新位置时，旧文件不删除，改为迁移提示：

---
title: ⚠️ 已迁移 - 原文件名（旧版 vX.0）
type: note
tags: [已废弃, 旧版, 已迁移]
created: YYYY-MM-DD
summary: 已被 [[新位置/新文件名|新版本]] 取代。
---

关键规则：

• frontmatter: ⚠️ 已迁移 标题 + 已废弃 标签
• 说明为什么旧版不再适用（1-3条）
• 明确的新链接
• 不要保留旧的正文内容

3. 工具集成 (Tools)

🧠 本地索引（本仓库提供，零依赖）

tools/vault_index.py 会把 Markdown vault 建成 SQLite 索引，支持关键词搜索、semantic-lite 检索、平台/标签过滤、最近笔记、读取笔记和统计。SQLite FTS5 可用时自动启用；不可用时降级为 LIKE 搜索，中文内容也能命中。

# 在仓库根目录运行
python3 tools/vault_index.py index "$VAULT_DIR"
python3 tools/vault_index.py search "AI Agent"
python3 tools/vault_index.py semantic "内容策略"
python3 tools/vault_index.py search "品牌" --platform wechat
python3 tools/vault_index.py recent --limit 10
python3 tools/vault_index.py read "10_Sources/x/example.md" --vault "$VAULT_DIR"
python3 tools/vault_index.py stats

默认索引位置：.chubby/vault_index.sqlite。也可以用 --db /path/to/index.sqlite 指定。

🗂️ 自动归档与知识卡片（本仓库提供，零依赖）

tools/vault_curator.py 默认 dry-run，适合先看会移动/生成什么：

python3 tools/vault_curator.py archive "$VAULT_DIR"
python3 tools/vault_curator.py archive "$VAULT_DIR" --apply
python3 tools/vault_curator.py card "$VAULT_DIR" "10_Sources/x/example.md" --apply

• archive 只处理 00_Inbox/**/*.md，按 platform、summary、processed 标签归入 10_Sources/<platform>/ 或 20_Processed/。
• card 从单篇笔记生成 20_Processed/Cards/*.md，保留来源、摘要、要点和 tags。

🔌 MCP Server（本仓库提供，推荐）

scripts/mcp_server.py 把知识库的「搜索 / 语义检索 / 读取 / 最近笔记 / 重建索引 / 统计」暴露成 MCP 工具，让任何支持 MCP 的 Agent（Claude Code、Codex 等）直接查你的库——形成「采集类 skill 负责写入、MCP 负责被调用查询」的闭环。

pip install mcp
VAULT_DIR=/path/to/your-vault python3 scripts/mcp_server.py

在 Agent 的 MCP 配置里：

{
  "mcpServers": {
    "chubby-kb": {
      "command": "python3",
      "args": ["<knowledge-base-management/scripts/mcp_server.py 的绝对路径>"],
      "env": { "VAULT_DIR": "/path/to/your-vault" }
    }
  }
}

暴露的工具：search_vault(query, limit, platform, tag)、semantic_search_vault(query, limit, platform, tag)、read_kb_note(path)、list_recent_notes(limit, platform)、reindex_vault()、vault_index_stats()。 内置路径穿越防护，只能读 VAULT_DIR 范围内的笔记。

以下均为可选的第三方/外部工具，不随本仓库提供。路径（如 ~/graphrag-poc/、 ~/.hermes/...）是作者本机的示例位置，请替换为你自己的安装路径。没有它们也不影响 第 1、2 节的核心流程与 scripts/vault_health_check.py。

知识库三件套

GBrain 搜索集成

日常使用：

alias gs='GBRAIN_SKIP_RECIPES=1 gbrain search'
gs "定价 品牌"
gs "奥德赛时期"

# 混合搜索
gbrain query "消费者心理剩余"

# 读全文（注意 slug 含 emoji 目录名）
gbrain get "wiki/📡 外部输入/播客/XXX/观点提取"

# 查看统计
gbrain stats

配置：DeepSeek downstream LLM（deepseek_api_key + deepseek_model: deepseek-chat + search.mode: balanced） 完整手册：wiki/🧠 AI系统/GBrain-完整操作手册.md

GraphRAG 发现

⚠️ 已移至独立项目：按你的实际安装路径配置 Flask API：localhost:8999（默认） 内容：自定义知识库 + DeepSeek + BGE 嵌入

用于发现知识库中的隐性关联和跨领域连接。

LLM Wiki（Karpathy 模式）

Karpathy 的 LLM Wiki 模式：构建 interlinked markdown 知识库，让 LLM 在推理时直接查。 已集成到 Obsidian vault。

Understand-Anything — 知识图谱可视化

已安装为独立 skill。

使用：

# 必须指向 wiki 根目录，必须用 python3.11+
python3 parse-knowledge-base.py /path/to/your-vault/wiki

⚠️ 关键 pitfalls：

• Python 3.11+ 必需
• 必须指向 wiki 根目录（子目录没有 index.md 会报错）
• Dashboard 需先 build core 包
• 需要 GRAPH_DIR 和 ACCESS_TOKEN 环境变量

4. 目录整理 (Organization)

目录审查与增量清理

当用户说"看一下目录是否合理"时执行：

Step 1: 全量目录扫描
  → find . -maxdepth 3 -type d | sort
  → 对每个 wiki 子目录统计 .md 文件数

Step 2: 逐项检查
  | 检查项 | 特征 | 严重性 |
  |--------|------|--------|
  | 旧版残留目录 | diff -rq 确认新旧版本内容不同 | 🔴 |
  | Legacy redirect 只剩 README | 目录只有一个 redirect 文件 | 🟡 |
  | 概念卡片散落根目录 | wiki/🧬 知识图谱/XXX.md 应在概念/下 | 🟡 |
  | cron 脚本写入旧路径 | grep -rn "旧目录" ~/.hermes/scripts/ | 🔴 |

Step 3: 分类执行 → 归档/删除/移动/更新引用

Step 4: 验证 → 零残留

全库审计与批量归档

Step 1: 全量扫描目录结构和文件数
Step 2: 逐目录与最新管理办法对照
Step 3: 分级标记（🔴明确无用 → 🟡重复 → 🟠草稿 → 🔵过时）
Step 4: 批量 mv 到 wiki/🗄️ 归档/
Step 5: 修复残留引用（README/wiki/index/项目索引）

归档目录结构：

wiki/🗄️ 归档/
├── 归档清单-YYYY-MM-DD.md
├── 旧版管理办法/
├── 旧版流程/
├── 旧版草稿/
├── 旧选题/
└── ...

反模式：

• ❌ 不要删除归档目录下的文件
• ❌ 归档后必须同步更新所有 index/README 引用
• ❌ 素材库/ 下的文件不归档
• ❌ 归档时不要改文件名
• ✅ 每次大清理必须创建 归档清单-YYYY-MM-DD.md

5. Wiki 实体管理

Wiki 实体格式

每个团队/项目在 wiki/teams/ 下有对应 .md 实体：

---
title: 团队名
created: YYYY-MM-DD
updated: YYYY-MM-DD
type: entity
tags: [team, ...]
sources: [50.团队/实际目录名]   # 重要：路径必须是实际存在的目录名
---

# 团队名

## Overview
## 文件结构（表格，列出子目录和数量）
## Related

sources 路径必须与实际目录名完全匹配：

• ❌ sources: [50.团队/02.事业线] （旧/错）
• ✅ sources: [50.团队/事业线] （新/对）

异常文件处理

某些 .md 文件可能被误认为目录名（如 千金-日报索引.md、OKR看板.md）。检查方式：

# 检查是否是文件被当作目录
for d in team_dir.iterdir():
    if d.is_file() and not d.name.startswith("."):
        print(f"⚠️ {d.name} 是文件却像目录")

修复：用 mv 把它们移到对应目录下。

6. 批量修复模式

broken wikilink 修复（播客 EP 文件）

问题：播客 wiki 文件中的 wikilink 引用素材库 EP 文件，因文件名含特殊字符（引号、emoji、反斜杠）导致相对路径解析失败。

修复方式：

# 1. 建索引: EP编号 → 实际文件路径
ep_index = {}
for f in 素材库_dir.iterdir():
    ep_match = re.match(r'(EP\d+)', f.name)
    if ep_match:
        ep_index[ep_match.group(1)] = f

# 2. 扫描 wiki 文件，用 EP 编号匹配实际文件，重建相对路径
for link in wikilinks:
    ep_match = re.search(r'(EP\d+)', target)
    if ep_match and ep_match.group(1) in ep_index:
        rel = os.path.relpath(ep_index[ep_id], md.parent)
        # 替换 wikilink

批量补 frontmatter（summary + source）

问题：大量 A+B 产物（观点提取/问题链）缺少 summary 和 source 字段。

修复方式：

# summary: 从正文第一个 # 标题提取
title_match = re.search(r'^#\s+(.+)', body, re.MULTILINE)
summary = title_match.group(1).strip()[:100] if title_match else md.stem

# source: 从文件路径推断
if '观点提取' in md.name or '问题链' in md.name:
    source = '素材库/播客/给女孩的商业第一课'

⚠️ PITFALL：GraphRAG 自动生成的实体文件（🧬 知识图谱/GraphRAG*/实体/）约 260+ 个没有 summary，这是正常的，不需要修复。

文件名含空格修复

# 扫描
find wiki/ -name "* *" -type f

# 重命名
mv "MarkItDown 操作手册.md" "MarkItDown-操作手册.md"

目录迁移提示页格式

当目录整体迁移时，旧位置保留 README.md 提示页：

---
title: "⚠️ 已迁移 - 目录名"
type: note
tags: [已废弃, 已迁移]
created: YYYY-MM-DD
summary: 已迁移到 ../../新位置。
source: "原系统名"
---

7. 事业线文件命名规范

事业线（50.团队/事业线/）的文件命名与 Agent 的对应关系：

特别注意：内容情报-给女孩的商业第一课-*.md 这些文件名（87个）不是系列名，是猎手的产出，需归入 猎手/ 目录。

O3-CFO 文件：属于 家庭线/CFO/，不是事业线。

8. 千金日报文件命名规范

反模式

• ❌ 不要删除素材库/ 下的任何文件
• ❌ Wiki 页面必须有 source 字段指向原始素材
• ❌ 不要创建没有入链的孤立 wiki 页面（除索引页）
• ❌ 清理前先 dry-run
• ❌ 归档时不要改文件名
• ✅ 每次大清理必须创建 归档清单-YYYY-MM-DD.md

相关 Skill

• kb-ingest — 素材入库（详细流程）
• kb-audit — 健康检查与清理（详细流程）
• kb-tools — GBrain/GraphRAG/LLM Wiki 集成（详细配置）
• chubby-knowledge-base-organization — 团队文件组织规范
• content-ab-processing — A+B 双轨处理
• memory-obsidian-sync — Memory 同步到 Obsidian
• understand / understand-knowledge — 知识图谱可视化