dqtx760 ingest 技能 v2.0
核心定位
Ingest 是知识工厂的编译流水线：将原始资料（文章、论文、转录稿）自动编译成结构化的知识网络。Claude Code 不再是"帮你整理笔记"，而是"直接把活干了"。
架构升级 v2.0：
- ✅ 支持 Explore 子智能体并行扫描
- ✅ 集成 Memory 系统跨会话去重
- ✅ 冲突检测粒度细化到段落级
- ✅ MCP 协议支持飞书/微信来源
目录结构约定
nolebase-template/
├── 笔记/ ← 原始资料（只读不改）
│ ├── Claude code/ Claude Code 相关笔记
│ ├── Codex/ Codex 相关笔记
│ ├── Obsidian/ Obsidian 相关笔记
│ ├── github/ GitHub 相关笔记
│ └── other/ 其他笔记
└── 笔记/Wiki/ ← 编译输出层
├── sources/ 来源摘要（1 源文件 → 1 source）
├── entities/ 实体：人/公司/产品/工具
├── concepts/ 概念：框架/理论/方法论
└── syntheses/ 综合：跨源分析总结
触发逻辑
| 触发方式 | 行为 |
|---|---|
/ingest |
用 Explore 子智能体扫描 笔记/ 所有子目录（排除 Wiki/） |
/ingest <path> |
仅处理指定文件或目录 |
| 隐式触发 | 用户说"把这个资料加进去"、"摄入这篇文章"时自动执行 |
编译流水线（v2.0 增强版）
前置检查：Memory 去重
第一步永远检查 Memory：
- 调用 Memory 系统查询该文件是否已处理过
- 已处理 → 询问用户是否需要重新编译
- 未处理 → 继续流程，处理后记录到 Memory
步骤 1：Explore 子智能体并行扫描
当文件 > 3 个时，自动启用 Explore 子智能体：
子智能体任务分配：
├── Agent 1：扫描 Claude code/，提取每篇的核心实体/概念
├── Agent 2：扫描 Codex/，提取代码工具相关实体/概念
└── Agent 3：扫描 Obsidian/，提取插件与工作流相关实体/概念
主智能体只做最终决策，不做体力活。
步骤 2：源文件读取与预处理
| 文件类型 | 处理方式 |
|---|---|
.md |
完整读取，自动识别 Markdown 结构 |
.pdf |
尝试提取文本，失败则记录元信息（文件名、页数、URL） |
| 音频/视频 | 提取转录稿，处理成结构化文本 |
硬约束： 绝对不修改 笔记/ 下的任何源文件内容。
步骤 3：知识提取与翻译
从源文件中提取三类知识节点：
| 类型 | 判定标准 | 输出目录 |
|---|---|---|
| Entity 实体 | 具体名词：人、公司、产品、工具、项目 | 笔记/Wiki/entities/ |
| Concept 概念 | 抽象名词：框架、理论、方法论、模式 | 笔记/Wiki/concepts/ |
| Claim 主张 | 可验证的观点、结论、数据 | 写入对应页面的知识冲突区 |
非中文内容自动翻译成中文，保留关键术语的英文原文。
步骤 4：创建来源摘要（Source）
在 笔记/Wiki/sources/ 创建页面，文件名：摘要-{slug}.md
---
title: "摘要-{源文件名称}"
type: source
tags: [来源, 文章/论文/转录]
sources: [笔记/Claude code/xxx.md]
last_updated: YYYY-MM-DD
confidence: high/medium/low
---
## 核心摘要
[3-5 句话的中立总结，不加入 AI 自己的观点]
## 关键数据
- [数据点 1]
- [数据点 2]
## 关联连接
- [[EntityName]] — 提到的实体
- [[ConceptName]] — 涉及的概念
步骤 5：增量更新实体/概念页面
对每个提取出的实体/概念：
Case A：页面不存在
按照 Frontmatter 规范创建新页面
Case B：页面已存在
- 读取现有内容
- 段落级比对，只追加真正的新信息
- 发现冲突 → 触发冲突处理流程
增量更新原则： 宁可不加，不要覆盖。宁可重复，不要丢失。
Case C：发现知识冲突
立即暂停，向用户报告：
⚠️ 发现知识冲突
页面：[[页面名称]]
已有主张：[旧内容]
新主张：[新内容]
来源差异：[源文件 A vs 源文件 B]
请选择处理方式：
A) 两者都保留，标注为"知识冲突"
B) 用新知识覆盖（确认来源更权威）
C) 跳过本条，保留旧知识
D) 终止本次 ingest，人工处理
步骤 6：更新全局注册表
更新 笔记/Wiki/index.md：
- Sources：
[[摘要-source-slug]] — 该资料的核心主旨 - Entities：
[[EntityName]] — 该实体的身份定义 - Concepts：
[[ConceptName]] — 该概念的核心定义
更新 笔记/Wiki/log.md：
追加操作日志（Append-only，不改历史）：
## [YYYY-MM-DD] ingest | 处理了 N 个文件
- 新增 Sources：[[A]], [[B]], [[C]]
- 新增 Entities：[[X]], [[Y]]
- 更新 Concepts：[[Z]]
- 冲突：无 / 发现 N 个冲突（已暂停等待决策）
步骤 7：Memory 记录
确认以下全部完成后：
- sources 页面已创建
- 实体/概念页面已创建或更新
- index.md 已更新
- log.md 已更新
- 所有冲突已解决
执行：
- 在 Memory 系统记录：
{filename} 已 ingest，日期 YYYY-MM-DD - 源文件保留在原位（笔记可继续编辑，下次 ingest 增量更新）
v2.0 增强特性
1. Explore 子智能体
- 文件 > 3 个时自动启用并行处理
- 每个子智能体专注一类资料类型
- 主智能体负责质量检查与冲突处理
2. Memory 跨会话去重
- 自动记录已处理的文件 hash
- 重复 ingest 时主动提醒："这个文件 4 月 12 日已经处理过，是否需要重新编译？"
3. 段落级冲突检测
- v1.0：页面级冲突 → 太粗
- v2.0：段落级冲突 → 只对有差异的部分提问
- 标注置信度：
confidence: high/medium/low
4. MCP 来源支持
- 支持从飞书文档直接 ingest：
/ingest https://feishu.cn/doc/xxx - 支持从微信聊天记录 ingest
- 自动保留原始来源链接
硬约束（绝对不能违反）
- ✅ 笔记 只读不改：源文件永远只读，不移动、不修改
- ✅ 冲突必须暂停：新旧知识矛盾时，绝不自行决定，必须问人
- ✅ 绝对不编造：没有的内容，宁可空着，不能瞎写
- ✅ 所有页面必须有双链：不能产生孤岛页面
- ✅ 所有操作必须记 log：审计可追溯，Append-only 不改历史
关联连接
- [[Skill_Lint]] — ingest 完成后必须运行 lint 检查
- [[Skill_Query]] — 基于编译完成的知识问答
- [[Memory_System]] — 跨会话去重的记忆系统
- [[Five_Layer_Architecture]] — 知识库五层架构设计