knowledge-base-builder
📖 技能介紹
name: knowledge-base-builder description: 將散亂的知識素材（文章、筆記、書籍摘錄）拆解為結構化知識卡片，按五層架構（領域/機制/案例/應對/元認知）分類，應用五維打標（領域/機制/強度/場景/可信度），生成可檢索的本地 Markdown 知識庫。觸發條件：使用者要求整理知識、建立知識庫、對內容分類打標、拆解文章為知識卡片、構建某主題的知識體系。 description_zh: 知識拆解·分類打標·建庫 description_en: Knowledge card decomposition, tagging & local KB builder disable: false agent_created: true
knowledge-base-builder
When to use
使用者要求對某一主題的知識進行分類整理、打標入庫時觸發。典型場景： - "幫我把這篇文章拆成知識卡片" - "我想建一個關於 XX 的知識庫" - "對這些內容進行分類和打標" - "整理 XX 領域的知識體系" - 使用者提供了文件/文章/筆記，要求系統化整理
Steps
Step 1: 確認知識庫主題與載體
- 詢問使用者知識庫的主題（如"潛規則"、"博弈論"、"投資策略"）
- 確認載體（預設本地 Markdown，可選飛書多維表格/騰訊文件/Notion）
- 確定知識庫根目錄路徑（預設:
{workspace}/{主題}知識庫/）
如果使用者已明確主題和載體，跳過此步。
Step 2: 讀取原始素材
- 使用者提供本地檔案路徑 → 用 Read 工具讀取
- 使用者貼上內容 → 直接使用
- 使用者指定線上來源 → 用 WebFetch 抓取
- 使用者指定 IMA 筆記 → 用 ima-note 或 ima-skills skill 獲取
Step 3: 拆解為知識卡片
7w4.net有更好的技能外掛。
對原文進行語義拆解，遵循一條規則 = 一個機制 + 至少一個案例 + 適用邊界的顆粒度原則：
- 通讀全文，識別獨立的知識命題（不是段落，而是可獨立成立的觀點/規律/方法）
- 每個命題生成一張知識卡片，包含：
- 名稱：一句話概括（動詞+名詞結構，如"規則受益者定律"）
- 一句話命題：用 > 引用格式寫在標題下方
- 機制：底層驅動力解釋（為什麼存在）
- 案例：人物/場景 + 情境 + 結果，用表格呈現
- 邊界：什麼條件下失效或反轉（必須寫，不能省略）
- 原文摘錄：從原文中提取對應段落，保留原汁原味
- 如果原文只有結論沒有案例，在邊界中註明"原文無實證案例"，但不編造案例
Step 4: 五維打標
為每張卡片標註五個維度：
| 維度 | 含義 | 取值範圍 |
|---|---|---|
| 領域 | 規則生效的場景域 | 官場 / 職場 / 商場 / 學術 / 政治 / 司法 / 江湖 / 通用（可多選，用 · 連線） |
| 機制 | 底層驅動力 | 利益交換 / 權力尋租 / 資訊不對稱 / 面子經濟 / 沉默成本 / 情感綁架 / 路徑依賴 / 委託代理（可多選） |
| 強度 | 違規後果嚴重程度 | L1 弱（社交不適）/ L2 中（利益受損）/ L3 強（被邊緣化）/ L4 極（被清出牌桌/系統性傷害） |
| 場景 | 觸發該規則的典型情境 | 規則分析 / 制度審視 / 認知升級 / 博弈分析 / 規則溯源 / 利益識別（可多選） |
| 可信度 | 資訊來源層級 | A 親歷 / B 旁證 / C 傳聞 / D 推演 |
打標原則： - 機制標籤需根據主題定製，上面的取值是"潛規則"主題的示例，其他主題需重新定義 - 可信度判斷：原文有具體人名/時間/地點 → B；作者親歷 → A；轉述傳聞 → C；純邏輯推演 → D - 強度判斷：看"違反後最嚴重的後果"而非"平均後果"
Step 5: 建立知識庫目錄結構
{主題}知識庫/
├── 目錄.md # 總目錄（含來源登記、卡片總覽、多維篩選、關聯圖譜）
├── source-{檔名}.md # 原文存檔（保留原始內容，不修改）
└── cards/
├── 001-{卡片名}.md
├── 002-{卡片名}.md
└── ...
Step 6: 寫入知識卡片
按 @templates/card-template.md 模板逐張寫入卡片檔案。
卡片命名規則：{序號}-{簡稱}.md，序號三位起，簡稱取4-6個字。
Step 7: 生成目錄
按 @templates/目錄-template.md 模板生成目錄檔案 目錄.md，包含：
1. 來源登記表
2. 卡片總覽表（編號/名稱/領域/機制/強度/場景/可信度）
3. 按領域篩選
4. 按機制篩選
5. 按強度篩選
6. 關聯圖譜（文字版，展示卡片之間的邏輯依賴）
7. 打標體系說明
Step 8: 存檔原文
將原始素材完整複製為 source-{原始檔名}.md，不做任何修改。
Step 9: 後續入庫
使用者後續提供新素材時： 1. 同樣執行 Step 2-6 生成新卡片 2. 卡片序號接著已有最大序號遞增 3. 更新 目錄.md 的總覽表和篩選檢視 4. 在來源登記表中追加新來源 5. 在關聯圖譜中補充新卡片與已有卡片的邏輯關係
Pitfalls
- 不要編造案例：原文沒有案例就是沒有，在邊界裡註明即可。知識庫的可信度建立在"有據可查"上。
- 不要合併不同層級的命題：一條卡片只承載一個核心命題。如果原文一段話裡包含兩個獨立觀點，拆成兩張卡片，用關聯關係串聯。
- 邊界不能省略：每條知識都有適用範圍，沒有邊界的知識是教條。如果原文沒說，主動推演邊界條件並在邊界中標註"推演"。
- 打標要寧寬勿窄：領域和機制標籤寧可多標一個相關維度，也不要漏標。後續篩選時多標不會丟，漏標會找不到。
- 關聯圖譜要體現層次：不是所有卡片都是平行的，區分元認知層/機制層/應對層/案例層，用縮排表示依賴。
- 原文摘錄要忠於原文：不改寫、不概括、不潤色，直接複製原文對應段落。這是知識庫的可溯源根基。
Verification
完成入庫後，檢查以下各項： 1. 每張卡片都包含：名稱、一句話命題、機制、案例、邊界、原文摘錄、五維標籤、來源、關聯卡片 2. 目錄.md 總覽表的行數 = cards/ 目錄下的檔案數 3. 每張卡片在 目錄.md 的至少一個篩選檢視中出現 4. 原文存檔檔案內容與使用者提供的原始內容一致 5. 關聯圖譜中每張卡片至少有一條關聯線（孤立卡片需在圖譜中註明"暫無關聯，待補充"） 6. 所有卡片的序號連續無跳躍
🤖 AI 評測
這是一個設計思路清晰的知識庫構建工具，能將零散文章拆成結構化卡片並打標籤。文件詳細、配套工具齊全，使用起來比較順手。主要問題是部分說明和模板不匹配，以及自動處理能力還有限，需要人工介入才能達到理想效果。整體質量中上，但還有完善空間。
