Ob Compile

触发词：
- 编译到 wiki / 编译 raw / 编译归纳
- ob-compile / compile
- 把 raw 编译到 wiki
- 增量编译 / 更新 wiki
- 重新编译 / 全量编译

示例：
- "ob-compile 王站岗"
- "编译王站岗的 raw 到 wiki"
- "增量编译王站岗新视频"
- "重新编译王站岗全部 wiki"
- "把 raw/战国时代_姜汁汽水/ 编译到 wiki"

gsd:workflow gsd:meta ob-compile 编译到 wiki、ob-compile、编译 raw、增量编译、重新编译 OBSIDIAN_REPO,Read,Write,Edit,Bash,Glob,Grep,AskUserQuestion 已确认编译目标和模式 已确认主题分类方案 编译完成并验证输出 只读取 raw/ 层已有文件，不执行采集 主题合并编译的文件名不加日期前缀（活文档） 增量更新时不覆盖已有 wiki 的结构，追加新内容 全量重编译时覆盖已有 wiki 文件 每个 wiki 文件必须有唯一 article_id 编译完成后将 raw 文件 frontmatter status 改为 compiled（这是 ob-index 判断是否已编译的依据）

gsd:goal将 raw/ 层资料编译归纳到 wiki/{theme}/，更新索引。

<gsd:phase name="scan" order="1"> gsd:step委托 ob-router skill 解析当前激活仓库路径 gsd:step扫描 raw/{author}/ 下的文件，统计已编译和未编译数量 gsd:step确认编译模式和目标范围 gsd:checkpoint用户确认编译目标和模式

<gsd:phase name="classify" order="2"> gsd:step按文件标题/内容关键词自动分类到主题 gsd:step展示分类结果供用户调整 gsd:checkpoint用户确认主题分类方案

<gsd:phase name="compile" order="3"> gsd:step按主题分组，并行启动 Sub Agent 编译 gsd:step每个 Sub Agent 读取 raw 文件并生成 wiki 归纳笔记 gsd:step验证所有输出文件和 article_id 唯一性 gsd:checkpoint编译完成并验证

<gsd:phase name="index" order="4"> gsd:step更新 wiki/{theme}/index.md gsd:step更新 wiki/index.md gsd:step更新 wiki/log.md gsd:step更新 raw/index.md（作者索引） gsd:step将已编译的 raw 文件 status 改为 compiled

Obsidian raw→wiki 编译 (ob-compile)

配置检查

【硬约束】仓库路径一律委托 ob-router skill 解析，本 skill 不自行读取路径文件。

调用 ob-router skill 获取 $OBSIDIAN_REPO：

• ob-router 内部处理优先级（ob-router.json → CLAUDE.md → 询问）
• 若 ob-router.json 不存在，ob-router 会主动提示 ob-router init 持久化
• 若存在多个仓库，ob-router 会主动询问切换目标，不静默使用默认值

将 ob-router 返回的路径保存为 $OBSIDIAN_REPO，后续全程使用此变量。 4. 确认 raw/ 和 wiki/ 目录存在

Phase 1: 扫描与目标确认

1.1 识别编译目标

根据用户输入确定编译目标：

1.2 扫描 raw 层

通过 raw 文件的 frontmatter status 字段判断编译状态（uncompiled / compiled）。

# 统计目标目录下文件数量和编译状态
grep -l "status: uncompiled" raw/{author}/*.md | wc -l   # 未编译
grep -l "status: compiled" raw/{author}/*.md | wc -l     # 已编译
ls raw/{author}/*.md | wc -l                               # 总数

状态追踪约定：不使用 .kb/manifest.json，统一通过 raw 文件的 status frontmatter 字段追踪编译状态。ob-index 也依赖此字段判断未编译内容。

1.3 确认编译模式

展示扫描结果，让用户确认编译模式。

⚠️ Checkpoint — 用户确认编译目标和模式后继续

Phase 2: 主题分类

2.1 自动分类

读取所有 raw 文件的 frontmatter（标题、tags、source）和前 20 行内容，按关键词自动分类：

无匹配时归入最接近的主题，或自动创建新主题目录。

2.2 子主题分类（主题合并模式）

在主题目录内，进一步按内容关键词分组。例如时事分析下的子主题：

• 投资哲学/方法论
• 个股分析/估值
• 美股/港股/商品
• 实盘操作/战绩
• 市场复盘

2.3 展示分类结果

📁 编译分类方案：
├── 时事分析 (current-affairs/)
│   ├── 投资哲学与方法论 → 王站岗-投资哲学与方法论.md (21 篇)
│   ├── 个股分析与估值 → 王站岗-个股分析与估值.md (53 篇)
│   ├── 美股港股与商品投资 → 王站岗-美股港股与商品投资.md (36 篇)
│   ├── 实盘操作与战绩 → 王站岗-实盘操作与战绩.md (19 篇)
│   └── A股市场复盘编年 → 王站岗-A股市场复盘编年.md (163 篇)
└── [其他主题...]

⚠️ Checkpoint — 用户确认分类方案后继续（可调整分组、合并或拆分）

Phase 3: 编译执行

3.1 编译策略

3.2 Sub Agent 编译指令

每个 Sub Agent 接收：

1. 分配的 raw 文件列表
2. 输出 wiki 文件路径
3. 编译模板和规则
4. article_id 生成指令

3.3 编译模板

主题合并编译（活文档，无日期前缀）

---
article_id: OBA-{随机8位}
tags: [{主题标签}, {作者名}, 归纳]
type: summary
updated_at: {YYYY-MM-DD}
---

# {作者}：{主题标题}

> **作者**: {author}
> **来源**: {来源平台}
> **提取时间**: {date}
> **涵盖视频/文章**: {N} 个

---

## 核心观点

### 1. {观点标题}

简明扼要地概括这个观点（2-5句话）。

→ [[raw/{author}/{filename}#M:SS]]

### 2. {观点标题}
...

## 关键引用

> [原文金句1] — [[raw/{author}/{filename}]]

## 我的思考

[待补充]

---
#音频笔记 #{author} #{主题} #归纳

单篇编译（保留日期前缀）

---
article_id: OBA-{随机8位}
tags: [{主题标签}, {作者名}, 归纳]
type: summary
updated_at: {YYYY-MM-DD}
---

# {标题} - 归纳

> **作者**: {author}
> **来源**: {url}
> **原文**: [[raw/{author}/{filename}]]

## 核心观点

### 1. {观点标题}

概括 + [[raw/{author}/{filename}#M:SS]]

## 关键引用

> [金句] — [[raw/{author}/{filename}]]

## 我的思考

[待补充]

3.4 编译规则

1. 观点拆解：将内容拆解为 5-10 个核心观点，每个有独立标题
2. raw 引用：每个观点必须用 [[raw/{author}/{filename}#M:SS]] 链接
3. 不搬运原文：归纳用自己的话概括
4. 金句引用：选取 3-5 条原文中最有表达力的原话
5. 综合归纳：跨文件综合提炼（主题合并模式），不逐文件搬运
6. 不做延伸：只归纳 raw 中已有的观点

3.5 article_id 生成与验证

# 生成
python3 -c "import random,string; print(''.join(random.choices(string.ascii_lowercase+string.digits,k=8)))"

# 验证唯一性
grep -rh "OBA-{生成的ID}" "$OBSIDIAN_REPO/wiki/" --include="*.md"

3.6 增量更新已有 wiki（观点对齐流程）

incremental 模式不是机械追加，必须做「观点对齐」避免内容碎裂。

3.6.1 提取阶段

1. 读取已有 wiki 文件，提取现有观点列表（existing_views，每条带标题 + 概括）
2. 读取所有新 raw 文件，提取候选观点列表（candidate_views）

3.6.2 对齐阶段（对每个 candidate）

判断标准：使用语义相似度，不靠字面匹配。建议：

• 相似度 > 0.8 → 重复
• 0.5 < 相似度 < 0.8 → 补充（merge 内容）
• 相似度 < 0.5 → 全新

3.6.3 写回阶段

1. 重写已有 wiki 文件（保留文件名 + article_id）
2. 更新 updated_at、涵盖视频/文章 数量
3. 在文件末尾「## 变更日志」区域追加一行： ## [{date}] +{N} 篇 raw / 新增 {X} 观点 / 强化 {Y} 观点 / 冲突 {Z}
4. 将处理过的 raw 文件 status 翻转为 compiled

3.6.4 极端情况

• 新 raw 全部为重复：仍要更新 updated_at 和 raw 引用列表（不需要新增观点）
• 新 raw 全部为冲突：考虑是不是开新主题（参考 3.6.5）
• 新 raw 主题与已有 wiki 完全不匹配：跳过该 wiki，进入新主题判断（3.6.5）

3.6.5 新主题阈值判断

当新增 raw 的主题与现有所有 thematic wiki 都不匹配时：

提示用户：

检测到 N 篇 raw 不匹配现有 thematic wiki，暂存中（等达到 5 篇阈值后自动开新主题）。
当前暂存：{主题猜测} - {N} 篇

3.6.6 重新综合阈值（提示用户走 full 模式）

incremental 反复增量更新会让 wiki 越来越臃肿。当累积新增达到阈值时，提示用户考虑 full 模式重新综合：

full 模式会覆盖已有 wiki，会丢失用户在「## 我的思考」段落的手写内容——所以必须用户明确确认。建议在覆盖前自动备份到 wiki/{theme}/.archive/{filename}-{date}.md。

3.7 全量重编译

直接覆盖已有 wiki 文件，重新生成全部内容。

⚠️ Checkpoint — 所有 Sub Agent 完成后，验证输出文件

Phase 4: 更新索引

4.1 更新内容

4.2 更新 raw 文件状态

将已编译的 raw 文件的 frontmatter status 从 uncompiled 改为 compiled。

4.3 日志格式

## [{date}] compile | {标题}

### 批次概要

- **来源**: raw/{author}/
- **编译模式**: thematic/incremental/full
- **输出目录**: wiki/{theme}/

### 生成文件

| 主题 | 文件 | article_id | raw 篇数 |
|------|------|-----------|----------|
| {主题} | {filename} | OBA-{id} | {N} |

文件命名规范