Material To Knowledge Base

资料包知识库构建器（Material to Knowledge Base）

把用户提供的资料包（PDF / Word / Markdown 混合文件夹）阅读分析后，自动识别主题、按知识点层次分类，在 E:\obsidian\rein\ 下生成一套分层学习知识库 + 复习闭环 + 知识关联图（每个主题 = 独立 vault）。

触发条件（When to use）

用户同时满足以下两点时启用本 Skill：

1. 提供了资料包路径（文件夹路径，或多个文件路径）
2. 表达了整理/建库意图，例如：
   • "帮我整理这个文件夹里的资料"、"把这些资料整理成知识库"
   • "分析这个资料包"、"把这些 PDF/Word 整理成学习笔记"
   • "把 D:\xxx 整理成 Obsidian 笔记"、"读取这个文件夹并建库"

注意：路径由用户每次提供，不预设固定路径。主题和分类方式由 LLM 根据资料内容自动分析，不预设学科。

核心原则

1. 文件直写：Vault 是纯 Markdown 文件夹，直接用文件工具操作 E:\obsidian\rein\，不依赖 Obsidian App。
2. 主题自动识别：LLM 阅读资料后自动判断主题（如"六级英语"、"结构力学"、"机器学习"），用主题名建总目录。
3. 分类自动设计（多级）：根据资料内容自动设计知识点层次：大类 → 子类 → 知识点，不预设固定分类。
4. 来源可追溯：每篇笔记必须标注来源资料（文件名，尽量精确到章节/页码），方便回查。
5. 只读资料包：只读取用户资料包，不修改、不移动、不删除原文件。
6. 增量生长：同一主题后续追加资料时，在已有目录下补充笔记，不重写已有内容。
7. 复习闭环：每篇笔记带 review_status + next_review，并生成 _复习清单.md，按间隔重复（1/3/7/15 天）驱动复习（规则见 references/spaced-repetition.md）。
8. 知识关联：每篇笔记标注 前置知识 与 关联知识点，_MOC 用 Mermaid 画知识关系图，形成可导航的知识网络。
9. 谱系化（先总后细）：建库 = 先产出全库知识谱系树（主题 → 大类 → 子类 → 知识点），生成 _知识谱系.md（Mermaid mindmap 全库总图）与每个大类的 _总览.md（子谱系 + 索引），知识点笔记为最细层。形成"一图览全貌 → 每类一索引 → 每点一笔记"的三层总-细结构。
10. 多来源合并去重：多份资料讲同一知识点时，合并到一篇笔记并标注多来源，不重复建笔记。
11. 先查已有库 + 资料指纹去重（P0）：建库前先扫描 E:\obsidian\rein\ 是否已有同主题目录；识别资料包唯一性（路径 + 文件名 + 大小/指纹），避免同一资料重复建库。
12. _log.md 增量日志（P1）：每主题库维护 append-only _log.md，记录建库/新增/更新的日期与条目，最新在上；只追加不覆盖。
13. 写后回读校验（P1）：每批写入后回读抽查：文件存在、frontmatter 闭合、Mermaid/wikilink 语法正确、来源字段完整、无乱码。

工作流（执行步骤）

第 0 步：澄清整理意图（Clarification Gate，P0）

• 收到资料包路径后，先检测关键信息是否充分，不足则停下反问，不猜、不直接开始解析建库。
• 只问影响执行的高价值问题（最多 1-3 个），用白话，每个问题附"为什么问"。
• 常问三件套（按需取舍）：
  1. 这批资料的用途？（A 备考 / B 系统学习 / C 工作参考 / D 纯整理归档）
  2. 期望深度？（A 总览索引 / B 到知识点笔记 / C 含复习闭环+自我检测）
  3. E:\obsidian\rein 下是否已建过同类库？（增量补充 or 新建）
• 用户回答后，整理成 2-3 句"整理意图快照"复述确认；用户确认后才进入第 1 步扫描。
• 若用户信息已明确（用途、深度、是否增量都清楚），跳过反问直接执行。
• 安全边界：不把模糊想法当建库授权；不替用户脑补主题、分类或深度。

第 1 步：确认资料包路径、查重、预检并扫描

• 从用户消息中提取资料包路径（文件夹或文件列表）。
• 查已有库：扫描 E:\obsidian\rein\ 根目录，若已存在同主题目录：
  • 提示用户"已存在 <主题> 库"，确认是增量补充还是另建（默认增量）。
• 指纹去重：记录本次资料包的关键文件（名 + 大小），与已有库 99-原始资料索引\资料清单.md 比对，重复文件标注"已处理"，避免重复解析。
• 预检：扫描该路径，按类型分组并统计：
  • PDF（.pdf）、Word（.doc / .docx）、Markdown（.md）、TXT（.txt）
  • 图片/其它（.png .jpg 等，标注"待 OCR"）
  • 记录每份文件的大小，识别超大文件（>50MB 需分段）。
  • 根据文件名/命名规律做角色预判（如 讲义、真题、词汇表、练习、课件），写入预检清单，供第 3 步参考。
• 向用户确认文件清单（数量、总大小、角色分布）。文件过多（>30 个或 >200MB）时建议分批处理：先做骨架（知识谱系 + MOC + 目录 + 资料索引），再按批填充知识点。

第 2 步：逐份提取文本

• PDF / Word：使用 document-extract 工具提取文本（该插件已启用，支持 PDF 和 docx）。
• Markdown / TXT：直接用文件读取工具读取全文。
• 扫描版 PDF / 图片（P1·OCR 管线）：文本层为 0 时，走本 skill 自带 OCR 脚本（scripts/ 目录，运行时 = 用户系统 Python，依赖 pymupdf/pypdf）：
  1. 探测文本层：python scripts/probe_pdf.py <pdf> → 判定是否扫描版。
  2. 渲染页面：python scripts/render_pdf.py <pdf> <临时目录> --pages <页码,如 0,20,40> → 输出 PNG。
  3. Windows 自带 OCR（zh-Hans-CN）：powershell -ExecutionPolicy Bypass -File scripts/ocr_windows.ps1 -ImagePath <png> → 输出识别文本。
  • OCR 产物先存临时文本，再进第 3 步分析；识别质量差的段落标注"OCR 待校对"。
  • 解析类内容（如答案在公众号/附录）标注"初稿仅供参考"，不编造。
• 提取失败的文件：记录文件名和失败原因，标注"待处理"，不中断整体流程。
• 大文件（>50MB 或超长文本）：分段提取或先取摘要，避免上下文溢出。
• 提取时尽量记录章节标题与页码（如可分页），供笔记 source 引用。

第 3 步：LLM 分析主题、多级分类与关联

• 自适应接入（personal-twin，P2）：分类设计前先读取用户画像参数（见 personal-twin/references/adaptation-guide.md 的读取命令）： 资料主题命中已评级领域时，笔记讲解深度按 adaptation.<领域>.depth（≤2 级重概念+复习闭环， =3 级重应用/练习）；example_kind 决定例子类型；涉及该用户硬约束（如"不走现场"）的岗位/职业内容必须遵守； 用户该领域 level≤2 时，笔记不得写成"已掌握"。读不到画像按默认执行，不阻塞。 汇总所有资料的文本内容（或摘要），LLM 分析并产出建库蓝图：

1. 主题识别：这批资料的核心主题是什么？（用简洁中文/英文主题词）
2. 多级分类设计：按知识点从浅入深设计 3-5 个大类，每类下再细分 2-4 个子类（资料简单时可扁平，只到子类一层）。同时在分类设计时产出知识谱系树（缩进树形：主题 → 大类 → 子类 → 知识点），它是后续目录、_知识谱系.md、各 _总览.md 与笔记的统一骨架。
3. 知识点映射：每份资料的核心知识点对应到哪个分类/子分类下的哪篇笔记。
4. 知识点关联识别：找出知识点之间的前置/依赖关系（A 是 B 的前提）与并列关联（A 与 B 相关），供笔记 前置知识/关联知识点 字段与 _MOC 关系图使用。
5. 重复知识点合并：识别多份资料覆盖的同一知识点，规划合并到一篇笔记。
6. 知识谱系树产出：把主题/分类/子类/知识点组织成一棵缩进树形谱系（先总后细），供第 4 步建目录、生成 _知识谱系.md 与各 _总览.md。

向用户简要汇报识别出的主题、多级分类方案和预计笔记数（1-2 句话 + 结构草图），如无异议则继续。

第 4 步：按谱系树创建目录并生成"总"层产物（先总）

在 E:\obsidian\rein\<主题>\ 下按第 3 步的谱系树创建多级目录，并同步生成"总"层文件（数字前缀保证排序）：

E:\obsidian\rein\<主题>\
├── _知识谱系.md             # 全库总谱系图（Mermaid mindmap，先总：一图览全貌）
├── _MOC.md                  # 总索引 + 知识关系图 + 学习路线（必建）
├── _复习清单.md             # 间隔重复复习清单（必建）
├── _log.md                  # 增量日志（append-only，必建，P1）
├── 01-<分类A>\
│   ├── _总览.md             # 该大类子谱系（Mermaid mindmap）+ 知识点索引 + 学习顺序（先总）
│   ├── 01-<子分类A1>\
│   │   ├── <知识点1>.md     # 详细知识点（最细）
│   │   └── <知识点2>.md
│   └── 02-<子分类A2>\
│       └── ...
├── 02-<分类B>\
│   ├── _总览.md
│   └── ...
└── 99-原始资料索引\           # 资料包文件清单与提取状态
    └── 资料清单.md

生成 _知识谱系.md（全库总谱系，先总）：把谱系树转成 Mermaid mindmap（Obsidian 原生渲染、零插件）；总谱系画到"子类/知识点"层即可，知识点特别多时可只到"子类"层避免图过密；细到每个知识点放在该大类 _总览.md。

生成每个大类的 _总览.md（分类层先总）：该大类子谱系（Mermaid mindmap 或树形列表，细化到知识点）+ 全部知识点笔记 [[]] 索引 + 推荐学习顺序。

生成 _log.md：记录建库日期、谱系规模、处理资料数、待处理项（格式见 references/templates.md）。

• 分类/子分类/知识点三级：子分类目录按需创建，知识点少时可只建分类一层。
• 每个知识点独立一篇笔记（路径定位到最终子分类目录）。
• 如该主题目录已存在，复用已有目录结构，只追加新分类或新笔记。

第 5 步：撰写笔记（统一模板，含复习与关联）

• 每篇笔记模板见 references/templates.md（先读取，按其结构撰写）。
• 每篇笔记聚焦一个知识点，内容来自资料原文的提炼，不编造资料中没有的信息。
• source 字段标注该知识点来自哪些资料文件（尽量带章节/页码）；多份资料合并时全部列出。
• 资料中的公式、图表描述、关键定义尽量保留。
• 自我检测 写 2-3 条考点式问答（后续可转成闪卡复习）。
• review_status 初始为 new，next_review 初始为 created + 1 天（间隔规则见 references/spaced-repetition.md）。

第 6 步：生成 _MOC.md 与 _复习清单.md

_MOC.md 内容：

• 主题一句话介绍
• 资料包概况（共多少份资料、哪些格式、覆盖范围、处理状态）
• 知识关系图（Mermaid，Obsidian 原生渲染；用知识点节点 + 前置/关联连线，体现学习路径）
• 学习路线（推荐阅读顺序，按前置依赖排）
• 按目录列出所有笔记，用 [[]] 双向链接
• 待处理清单（提取失败的文件、需要 OCR 的图片、待补充的知识点）

_复习清单.md 内容：

• 复习规则说明（间隔：new→1天 / learning→3天 / review→7天 / mastered→15天，见 references/spaced-repetition.md）
• 按 next_review 日期排序的待复习清单，每条含：知识点标题、当前状态、下次复习日期、双链
• 复习操作指引：学完点开笔记 → 过"自我检测"→ 更新 review_status 与 next_review

第 7 步：写后回读校验（P1）

• 每批写入后，回读抽查：文件存在、frontmatter 闭合、Mermaid/wikilink 语法正确、source 字段完整、中文无乱码、[[]] 目标存在。
• 发现问题就地修复，修复后重读确认。

第 8 步：向用户汇报

• 给出知识库路径、全库谱系图（_知识谱系.md）与目录结构（多级）
• 说明识别出的主题、多级分类和知识关联图概要
• 列出成功处理的资料数 + 待处理的资料
• 给出推荐学习顺序与复习节奏（何时复习第一批）
• 提示：后续追加资料、深入某个知识点、更新复习状态，直接说

红线（必须遵守）

1. 只允许在 E:\obsidian\rein\ 下创建/修改笔记；禁止触碰其他磁盘目录。
2. 每个主题 = 独立 vault：E:\obsidian\rein\<主题>\，不写入、不引用 rein 四大库，不混用路径。
3. 只读用户资料包：不修改、不移动、不删除、不重命名原文件。
4. 写笔记前检查目标是否存在：已存在则 append 或新建带后缀的笔记，禁止覆盖已有笔记。
5. 所有内容必须来自资料原文提取；资料中没有的信息标注"待补充"，不编造。
6. 不删除任何已有笔记。
7. 文件操作优先用创建/追加接口；涉及大量文件时先列出计划再执行。
8. 处理用户资料时注意隐私：不将资料内容输出到无关渠道，只用于生成笔记。
9. review_status / next_review 只能由用户反馈或复习动作更新，不随意改写。
10. 多份资料同一知识点必须合并去重，不得因"每份资料一篇"产生重复笔记。
11. _log.md 只追加、不覆盖；历史条目保留。

Git 版本管理（P2，可选）

• 建库/增量追加资料后，可对 vault 目录执行本地版本管理：git init（仅首次）+ 写入 .gitignore（排除 .obsidian/workspace*、.trash/、系统文件）+ git add -A + git commit -m "<YYYY-MM-DD> 建库/更新 <主题>"。
• 每个主题 vault 独立 git 仓库；不 push 远程，除非用户明确要求。
• 绝不改写/删除历史提交。

参考文件

• references/templates.md：笔记模板（撰写时先读取）
• references/spaced-repetition.md：间隔重复规则（复习排期用）
• scripts/probe_pdf.py / scripts/render_pdf.py / scripts/ocr_windows.ps1：扫描版 PDF 的 OCR 管线（详见第 2 步）