Serendipity

/serendipity — 随缘探索 Skill

核心理念

从 Wiki 自身出发，借外部视角照亮盲区。

从现有 Wiki 随机抽取种子页面，以它们为起点搜索相关分析文章，再反过来发现 Wiki 的缺口。外部资料只提供选题灵感，词条正文须基于书中内容（corpus 路径见 local/config/serendipity.config.md）。

参数

工作流程

步骤 1 · 抽取灵感种子

python3 -c "
import json, random
pages = json.load(open('docs/wiki/pages.json'))['pages']
candidates = [p for p,v in pages.items() if not p.startswith('第') or not p.endswith('章')]
seeds = random.sample(list(candidates), min(3, len(candidates)))
for s in seeds:
    v = pages[s]
    print(s, '|', v.get('type','?'), '|', v.get('description','')[:40])
"

读取种子页面正文，提取 2–3 个尚未充分展开的关联概念。

步骤 2 · 构造搜索查询

步骤 3 · 并发搜索 + 精读

同时发出 2–3 个 WebSearch 查询（并行）。从结果中挑 1–2 篇最有趣的文章，WebFetch 精读。

精读提取要点：

• 提到了哪些具体的人物、系统、事件、概念？
• 有没有书中提及但 Wiki 尚无词条的实体？
• 有没有跨话题的关联叙述？

步骤 4 · 识别候选话题

从文章中提炼 3–8 个候选词条话题。

过滤原则：

• 须在 corpus_search.py 中有命中（否则不建页）
• 外部分析框架名（如"寒冬"、"AI热潮"）：若书中有此词 → 建页；否则只做背景参考
• 过于抽象的概念（如"科技乐观主义"）：不建 concept 页

步骤 5 · 对照现有 Wiki 查缺口

python3 -c "
import json
ai = json.load(open('docs/wiki/pages.json'))['alias_index']
for c in ['话题A', '话题B']:
    print(c, '->', ai.get(c, 'MISSING'))
"

步骤 6 · corpus_search 验证

python3 wiki/scripts/butler/corpus_search.py "话题名" --max 8

入选标准：

• ≥3 次命中 → 建完整页面（create-page）
• 1–2 次命中 → 建 stub（create-stub）
• 0 次命中 → 不建页

步骤 7 · 撰写词条

内容须基于 corpus_search.py 找到的书中原文，不得将外部分析结论直接写入正文。

步骤 8 · 发布

/wiki

输出格式

## /serendipity 探索报告

### 灵感种子
- 「图灵测试」（concept）— 随机抽取

### 浏览的文章
1. [标题](URL) — 来源 — 主要角度一句话

### 候选话题筛查
| 话题 | Wiki 现状 | corpus 命中 | 决策 |
|------|----------|------------|------|
| 约翰·麦卡锡 | MISSING | 12 | ✅ 建页 |
| AI寒冬 | MISSING | 3 | ✅ 建页 |
| 通用人工智能 | 已有 | — | ❌ 跳过 |

### 本次产出
- 新建词条：X 个
- 扩写词条：Y 个

禁止事项

• ❌ 禁止把外部解读框架直接当词条内容（须有书中依据）
• ❌ 禁止未查 corpus 就直接写词条
• ❌ 禁止 git commit（由 /wiki 负责）