OrangeViolin /beaver — Anything to Wiki
将任意文本源转化为结构化 wiki 百科页面。支持单次运行和永续迭代两种模式。
工作目录：见 local/config/beaver.config.md
核心概念：三种知识类型
| 类型 | 回答的问题 | 典型内容 | Wiki 呈现 |
|---|---|---|---|
| narrative | 这是什么？它是谁？发生了什么？ | 人物传记、事件经过、概念解释、机构介绍 | 实体百科页（person/concept/event/organization/system/theory/…） |
| fact | 有哪些？数据是什么？清单如何？ | 数据表格、属性列表、关系清单、统计数字 | 列表页（list）或任意页内的结构化数据节 |
| skill | 怎么做？流程是什么？如何判断？ | 操作步骤、分析框架、决策流程、最佳实践 | 程序型页（concept 类型，结构化步骤正文） |
判断优先级：
- 若内容描述"某个实体的完整面貌" → narrative
- 若内容是"若干项目的并列清单/数据" → fact
- 若内容是"完成某件事的步骤" → skill
MECE 原则：勘察表应完全覆盖来源文本中的所有实体——不仅选"有趣的"，而是穷举。
两种运行模式
| 模式 | 触发方式 | 特点 |
|---|---|---|
| 单次模式 | /beaver <文件路径或粘贴文本> |
处理完整输入，适合短文本（< 10 万字符） |
| 永续迭代模式 | /beaver --loop <文件路径> |
分批处理长文本，维护进度文件，每批后暂停或继续 |
执行流程
步骤 0 · 初始化进度文件（永续模式专用）
永续模式首次启动时，创建进度追踪文件：
wiki/logs/beaver/<source-slug>/
├── progress.md # 进度：已处理批次、剩余批次
├── coverage.md # 勘察表（累积，每批追加）
└── insights.md # 跨域洞察（累积）
步骤 1 · 读取源文本
接受以下任何形式的输入：
- 文件路径（
.txt、.md、.pdf） - URL（网页正文）
- 直接粘贴的文本
读完后，在回复中用一段话概括内容，确认理解正确再继续。
超过 10 万字符时按段落边界切分为若干批次，每批不少于 2 万字符，依次处理。
步骤 2 · 勘察：列出知识单元
每批必做三遍扫描：
① Narrative 扫描 — 批次中出现了哪些实体？（人物/事件/概念/理论/系统/机构/时代）
② Fact 扫描 — 批次中是否有多项并列的清单、表格、属性对比？
③ Skill 扫描（常被遗漏，必须独立完成）— 批次中是否描述了：
- 推理/演绎过程（从前提出发得出结论）
- 决策框架（在什么条件下选择A vs B）
- 操作/技术方法（执行某件事的步骤）
产出一张知识单元勘察表：
| 序号 | 候选标题（wiki slug） | 类型 | 理由摘要（≤30字） |
|------|---------------------|------|-----------------|
步骤 3 · 检查已有页面（三层查重）
import json
d = json.load(open('docs/wiki/pages.json', encoding='utf-8'))
pages, ai = d['pages'], d.get('alias_index', {})
def check_page(candidate):
def _q(slug):
return pages.get(slug, {}).get('quality', '?')
if candidate in pages:
return 'exact', candidate, _q(candidate)
if candidate in ai:
return 'alias', ai[candidate], _q(ai[candidate])
hits = [(k,v) for k,v in ai.items()
if (candidate in k or k in candidate) and len(k)>=3]
if hits:
slug = max(hits, key=lambda x: len(x[0]))[1]
return 'fuzzy', slug, _q(slug)
return 'missing', None, None
candidates = ['候选1', '候选2', ...]
for c in candidates:
match, slug, quality = check_page(c)
if match == 'missing':
print(f'[CREATE ] {c}')
elif quality in ('stub', 'basic'):
print(f'[ENRICH ] {c} → {slug} [{quality}]')
else:
print(f'[SKIP ] {c} → {slug} [{quality}]')
步骤 4 · 逐页生成内容
create 分支
python3 wiki/scripts/add_page.py <SLUG> - --summary "<一句话说明>" --author beaver << 'EOF'
<frontmatter+正文>
EOF
enrich 分支
先 Read 已有页面，合并内容后：
python3 wiki/scripts/edit_page.py <SLUG> - --summary "<一句话说明>" --author beaver << 'EOF'
<合并后完整页面>
EOF
每页写入后：git add $(find docs/wiki/pages -name "<SLUG>.md" | head -1)
步骤 5 · 捕获跨域洞察
每批处理完毕，判断是否有值得记录的跨域洞察（跨领域的交叉模式、意外联系、结构性原则）。大多数批次不产生洞察——不更新就是正确行为。
步骤 6 · 更新进度（永续模式）
更新 progress.md，标记已完成批次。若还有未完成批次，询问是否继续。
步骤 7 · 自改（每轮必做）
每轮结束后反思一个具体可改进的地方，追加到 CHANGELOG.md（详见 PRJ3-changelog-maintain）。
页面类型映射
| 实体 | Wiki type |
|---|---|
| 人物（研究者、工程师） | person |
| AI系统、程序、模型 | system |
| 概念、技术方法 | concept |
| 理论、框架 | theory |
| 事件（会议、发布、竞赛） | event |
| 机构、实验室、公司 | organization |
| 时代、历史阶段 | era |
| 列表 | list |
Frontmatter 模板
---
id: <slug>
type: <类型>
label: <中文显示名>
aliases: [<别名>]
tags: [<标签>]
description: <一句话描述，≤50字>
era: <年代，如 1950s>
field: <领域，如 机器学习>
affiliation: <机构（人物用）>
nationality: <国籍（人物用）>
born: <出生年>
died: <逝世年>
quality: stub
---
Wikilink 规范
所有页面中出现其他已知实体时使用 [[词条名]] 格式内链。
质量标准
stub：只有定义段，< 5 行正文basic：有 2+ 节，≥ 15 行standard：有 3+ 节，有引文，≥ 30 行featured：有 5+ 节，引文充实，≥ 60 行