Content Collector - 連結內容自動收錄技能

Overview

This skill enables automatic collection and archiving of content from shared links into a structured knowledge base.

Core Workflow:

Detect Link → Fetch Content → Create Feishu Doc → Update Table

When to Use

模式1：主動觸發（顯式關鍵詞）

當用戶訊息包含以下觸發詞時，立即執行收錄：

• "收錄" / "轉存" / "儲存" / "存檔" / "存一下" / "歸檔" / "備份" / "收藏"
• "存到知識庫" / "加入知識庫" / "轉飛書"

示例：

• "這個連結收錄一下"
• "存到知識庫"
• "轉存這篇教程"

模式2：靜默收錄（自動檢測）

在群聊場景中，自動檢測以下連結並靜默收錄：

• 飛書文件/表格/Wiki（feishu.cn）
• 微信公眾號文章（mp.weixin.qq.com）
• 技術部落格/教程站點
• 知識分享類連結

靜默收錄條件：

1. 訊息來自群聊（非私聊）
2. 訊息包含可識別的知識類連結
3. 使用者沒有明確拒絕的意圖

兩種模式優先順序：

檢測到主動觸發詞 → 立即收錄（顯式模式）
未檢測到觸發詞但檢測到連結 → 靜默收錄（隱式模式）

Supported Link Types

Global Availability (全域性可用配置)

生效範圍：所有使用者、所有群聊

本技能已配置為全域性可用，支援以下物件：

許可權說明：

• 任何使用者均可觸發收錄（無需管理員許可權）
• 收錄的文件統一儲存到指定的知識庫目錄
• 所有使用者均可檢視已收錄的文件

Installation & Permission Check (安裝與許可權檢查)

在正式使用本技能前，系統必須自動或引導使用者完成以下許可權校驗，以確保流程不中斷：

1. 飛書許可權清單

2. 預檢流程 (Pre-flight Check)

每次“安裝”或配置更新後，執行以下檢查：

1. 驗證 Space ID 可訪問性：嘗試在指定目錄下獲取節點列表。
2. 驗證 Table 結構：檢查 關鍵詞、原連結 等必需欄位是否存在。
3. 靜默測試：如果許可權不足，立即通過 feishu_oauth 彈出授權引導，而非在執行收錄時報錯。

Configuration

Before using, ensure these are configured in MEMORY.md:

## Content Collector Config
- **Knowledge Base Table**: `[Your Bitable App Token]` (Bitable app_token)
- **Table URL**: [Your Bitable Table URL]
- **Default Table ID**: `[Your Table ID]` (will auto-detect if available)
- **Knowledge Base Space ID**: `[Your Space ID]` (所有文件建立在此知識庫下)
- **Knowledge Base URL**: [Your Knowledge Base Homepage URL]
- **Content Categories**: 技術教程, 實戰案例, 產品文件, 學習筆記
- **Global Access**: 所有使用者可用，所有群聊可用

Note:

1. This skill updates ONLY the configured knowledge base table. Do not create or update any other tables.
2. All created documents must be saved under the designated Knowledge Base using wiki_node parameter.
3. Global Access: 所有使用者、所有群聊均可使用本技能，收錄的文件對全員可見。

📚 知識庫文件儲存規則（必遵守）

所有收錄的文件必須按照以下規則分類儲存到知識庫對應目錄：

知識庫目錄結構

請參考各專案或團隊定義的知識庫標準目錄結構進行儲存。收錄的文件通常存放在“素材”或“歸檔”類目錄下。

文件分類對映規則

文件命名規範

[Emoji字首] [原標題] | 收錄日期

示例：
📖 OpenClaw保姆級教程 | 2026-03-08
🛠️ 火山方舟自動化報表案例 | 2026-03-08
🔥 GPT-5.4釋出解讀 | 2026-03-08

文件模板

# [Emoji] [原標題]

> 📌 **元資訊**
> - 來源：[原始來源]
> - 原文連結：[原始URL]
> - 收錄時間：YYYY-MM-DD
> - 內容分類：[技術教程/實戰案例/產品文件/學習筆記/熱點資訊/設計技能/工具推薦/訓練營]
> - 關鍵詞：[關鍵詞1, 關鍵詞2, 關鍵詞3]

---

## 📋 核心要點

[3-5條核心內容摘要]

---

## 📝 正文內容

[完整的轉存內容]

---

## 🔗 相關連結

- 原文連結：[原始URL]
- 知識庫索引：[素材池文件索引連結]

---

📚 **收錄時間**：YYYY-MM-DD  
🏷️ **分類**：[分類名]  
🔖 **關鍵詞**：[關鍵詞]

自動更新素材索引

每次收錄完成後，必須：

1. 更新多維表格 - 新增新記錄到素材池表格
2. 更新素材索引文件 - 在「📚 內容素材池文件索引」中新增條目
3. 更新分類統計 - 更新各分類的文件數量和佔比

Workflow

Step 1: Detect and Parse Link

Extract URL from user message using regex or direct extraction.

Step 2: Fetch Content

Choose appropriate fetch method based on URL pattern:

For WeChat articles:

kimi_fetch(url="https://mp.weixin.qq.com/s/xxx")

For Feishu docs:

feishu_fetch_doc(doc_id="https://xxx.feishu.cn/docx/xxx")

For general web pages:

kimi_fetch(url="https://example.com/article")
# or
web_fetch(url="https://example.com/article")

Step 3: Analyze and Categorize

智慧分類判斷： 根據內容特徵自動判斷分類：

Step 4: Process Images (圖片處理)

When content contains images, download and upload them to Feishu:

Image Processing Workflow:

# 1. Extract image URLs from markdown
import re
image_urls = re.findall(r'!\[.*?\]\((https?://[^\)]+)\)', markdown_content)

# 2. Download and upload each image
for img_url in image_urls:
    try:
        # Download image
        local_path = f"/tmp/img_{hash(img_url)}.jpg"
        download_image(img_url, local_path)

        # Upload to Feishu
        upload_result = feishu_im_bot_upload(
            action="upload_image",
            file_path=local_path
        )

        # Replace URL in markdown
        new_url = upload_result.get("image_key") or img_url
        markdown_content = markdown_content.replace(img_url, new_url)

    except Exception as e:
        # Keep original URL if upload fails
        print(f"Failed to process image {img_url}: {e}")
        continue

Fallback Strategy:

• If image upload fails, keep original URL
• Add warning note in document
• Include original source link for reference

Step 5: Create Feishu Document (按知識庫規則儲存)

Convert processed markdown to Feishu document with proper organization:

# 1. 確定分類和引數
content_category = classify_content(markdown_content)  # 📖/🛠️/📄/💡/🔥/🎨/🔧/🎓
emoji_prefix = get_emoji_prefix(content_category)  # 根據分類獲取emoji
wiki_node = get_wiki_node_by_category(content_category)  # 獲取儲存目錄

# 2. 生成文件標題
doc_title = f"{emoji_prefix} {original_title} | {today_date}"

# 3. 生成文件內容（使用標準模板）
doc_content = f"""# {emoji_prefix} {original_title}

> 📌 **元資訊**
> - 來源：{source_name}
> - 原文連結：{original_url}
> - 收錄時間：{today_date}
> - 內容分類：{content_category}
> - 關鍵詞：{keywords}

---

## 📋 核心要點

{extract_key_points(markdown_content, 5)}

---

## 📝 正文內容

{processed_markdown_content}

---

## 🔗 相關連結

- 原文連結：{original_url}
- 知識庫索引：[Your Index Document URL]

---

📅 **收錄時間**：{today_date}  
🏷️ **分類**：{content_category}  
🔖 **關鍵詞**：{keywords}
"""

# 4. 建立文件到知識庫對應目錄
feishu_create_doc(
    title=doc_title,
    markdown=doc_content,
    wiki_node=wiki_node  # 必須指定儲存目錄
)

IMPORTANT:

1. All documents MUST be created under the designated Knowledge Base using wiki_node parameter.
2. Documents must follow the naming convention: [Emoji] [Title] | [Date]
3. Documents must use the standard template with metadata section.

Step 6: Update Knowledge Base Table

Add record to the Bitable knowledge base (ONLY update this specific table):

feishu_bitable_app_table_record(
    action="create",
    app_token="[Your App Token]",  # Configured in MEMORY.md
    table_id="[Your Table ID]",  # Will use correct table ID from the base
    fields={
        "關鍵詞": keywords,
        "內容分類": content_category,
        "文件標題": [{"text": original_title, "type": "text"}],
        "來源": [{"text": source_name, "type": "text"}],
        "核心要點": [{"text": key_points, "type": "text"}],
        "飛書文件連結": {"link": new_doc_url, "text": "飛書文件", "type": "url"},
        "原連結": {"link": original_url, "text": "原文連結", "type": "url"}  # 新增：儲存原始連結
    }
)

IMPORTANT: Only update the configured knowledge base table. Never create or modify other tables.

Step 7: Update Content Index Document

After creating the document and updating the table, MUST update the index document:

# 1. 獲取當前索引文件內容
index_doc = feishu_fetch_doc(doc_id="[Your Index Doc ID]")

# 2. 在對應分類表格中新增新行
new_index_entry = f"| {original_title} | {source_name} | [檢視]({new_doc_url}) |\n"

# 3. 更新分類統計
update_category_stats(content_category)

# 4. 更新總計數
update_total_count()

或者直接追加到索引文件的末尾：

feishu_update_doc(
    doc_id="[Your Index Doc ID]",
    mode="append",
    markdown=f"""
| {original_title} | {source_name} | [檢視]({new_doc_url}) |
"""
)

Content Categorization Guide

分類判斷優先順序：

1. 優先根據使用者指定分類
2. 其次根據標題關鍵詞
3. 最後根據內容特徵自動判斷
4. 不確定時標記為"待分類"，請使用者確認

Delete Record Process

When user replies "刪除" or "刪除 [keyword]":

# 1. Search records by keyword
feishu_bitable_app_table_record(
    action="list",
    app_token="[Your App Token]",
    table_id="[Your Table ID]",
    filter={
        "conjunction": "and",
        "conditions": [
            {"field_name": "關鍵詞", "operator": "contains", "value": [keyword]}
        ]
    }
)

# 2. Confirm deletion
# If multiple found → list for user to select
# If single found → ask for confirmation

# 3. Execute deletion
feishu_bitable_app_table_record(
    action="delete",
    app_token="[Your App Token]",
    table_id="[Your Table ID]",
    record_id="record_id_to_delete"
)

Error Handling

Common Issues

Recovery Steps

1. If fetch fails → Try alternative method (kimi_fetch → web_fetch)
2. If Feishu doc creation fails → Check OAuth status
3. If table update fails → Verify table structure and field names
4. Always report partial success (doc created but table not updated)

Response Template

收錄成功響應（流式Post格式）

{
  "msg_type": "post",
  "content": {
    "post": {
      "zh_cn": {
        "title": "✅ 收錄完成",
        "content": [
          [
            {"tag": "text", "text": "📄 "},
            {"tag": "text", "text": "{emoji} {原標題} | {日期}", "style": {"bold": true}}
          ],
          [{"tag": "text", "text": ""}],
          [
            {"tag": "text", "text": "💡 文件亮點：", "style": {"bold": true}}
          ],
          [
            {"tag": "text", "text": "• {亮點1}"}
          ],
          [
            {"tag": "text", "text": "• {亮點2}"}
          ],
          [
            {"tag": "text", "text": "• {亮點3}"}
          ],
          [{"tag": "text", "text": ""}],
          [
            {"tag": "text", "text": "🔗 "},
            {"tag": "a", "text": "檢視飛書文件", "href": "{文件URL}"}
          ]
        ]
      }
    }
  }
}

簡潔輸出示例：

✅ 收錄完成

📄 📖 OpenClaw配置指南 | 2026-03-08

💡 文件亮點：
• 完整配置示例，含9大模組詳解
• 多Agent擴充套件配置方案
• 生產環境安全配置建議

🔗 檢視飛書文件 → [點選開啟](https://xxx.feishu.cn/docx/xxx)

靜默收錄響應（流式Post格式）

{
  "msg_type": "post",
  "content": {
    "post": {
      "zh_cn": {
        "title": "✅ 已自動收錄",
        "content": [
          [
            {"tag": "text", "text": "📄 "},
            {"tag": "text", "text": "{emoji} {原標題}", "style": {"bold": true}}
          ],
          [{"tag": "text", "text": ""}],
          [
            {"tag": "text", "text": "💡 亮點：{亮點摘要}"}
          ],
          [{"tag": "text", "text": ""}],
          [
            {"tag": "a", "text": "📎 檢視文件", "href": "{文件URL}"}
          ]
        ]
      }
    }
  }
}

批次收錄響應（流式Post格式）

{
  "msg_type": "post",
  "content": {
    "post": {
      "zh_cn": {
        "title": "✅ 批次收錄完成（{N}份）",
        "content": [
          [
            {"tag": "text", "text": "📄 {emoji1} {標題1}", "style": {"bold": true}}
          ],
          [
            {"tag": "text", "text": "   💡 {亮點1}"}
          ],
          [
            {"tag": "a", "text": "   🔗 檢視", "href": "{連結1}"}
          ],
          [{"tag": "text", "text": ""}],
          [
            {"tag": "text", "text": "📄 {emoji2} {標題2}", "style": {"bold": true}}
          ],
          [
            {"tag": "text", "text": "   💡 {亮點2}"}
          ],
          [
            {"tag": "a", "text": "   🔗 檢視", "href": "{連結2}"}
          ]
        ]
      }
    }
  }
}

輸出原則：

1. 必須流式Post格式 - 使用 msg_type: post
2. 只包含3個核心要素：
   • 檔名稱（📄 Emoji + 標題 + 日期）
   • 文件亮點（💡 3-5條核心要點）
   • 飛書連結（🔗 點選檢視）
3. 不輸出其他資訊 - 不顯示分類、不顯示錶格更新、不顯示統計
4. 保持簡潔 - 每份文件3-5行內容

Best Practices

1. Always verify content was fetched correctly before creating documents
2. Extract key insights from the content for the summary
3. Use appropriate category based on content nature
4. Generate relevant keywords for better searchability
5. Keep source attribution clear for copyright respect
6. Handle partial failures gracefully - document what succeeded and what failed
7. Update index document - Every new document must be added to the index
8. Follow naming convention - Use [Emoji] [Title] | [Date] format
9. Store in correct directory - Use wiki_node to place in right category

收錄完成檢查清單 (Checklist)

每次收錄必須完成以下所有步驟：

• [ ] 執行許可權預檢（驗證 OAuth 及 Space/Table 寫入許可權）
• [ ] 獲取並處理原始內容（含圖片）
• [ ] 智慧分類並確定 Emoji 字首
• [ ] 提取核心要點（3-5條）
• [ ] 生成關鍵詞
• [ ] 建立飛書文件（使用標準模板，指定 wiki_node）
• [ ] 更新多維表格（新增完整記錄，包含原連結欄位）
• [ ] 更新文件索引（在素材索引中新增條目）
• [ ] 傳送收錄完成通知給使用者

任何一步未完成，視為收錄失敗！

Integration with Memory

After each collection, update MEMORY.md:

### YYYY-MM-DD - Content Collection
- **新增收錄**: [Title]
- **來源**: [Source]
- **分類**: [Category]
- **知識庫狀態**: 共[N]條記錄
- **索引更新**: ✅ 已更新

This skill is part of the core knowledge management system. Execute with care and attention to detail.

附錄：圖片處理解決方案

問題

原始網頁中的圖片無法直接顯示在飛書文件中（外鏈限制）

解決方案

方案1：自動下載上傳（推薦）

實現步驟：

import re
import requests
import os

def process_images_in_content(markdown_content):
    """
    處理 Markdown 內容中的圖片：
    1. 提取圖片URL
    2. 下載到本地
    3. 上傳到飛書
    4. 替換為飛書圖片連結
    """

    # 正則匹配 Markdown 圖片: ![alt](url)
    img_pattern = r'!\[(.*?)\]\((https?://[^\)]+)\)'

    def replace_image(match):
        alt_text = match.group(1)
        img_url = match.group(2)

        try:
            # 1. 下載圖片
            local_path = f"/tmp/img_{abs(hash(img_url)) % 100000}.jpg"

            headers = {
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
            }
            response = requests.get(img_url, headers=headers, timeout=30)
            response.raise_for_status()

            with open(local_path, 'wb') as f:
                f.write(response.content)

            # 2. 上傳到飛書
            upload_result = feishu_im_bot_upload(
                action="upload_image",
                file_path=local_path
            )

            image_key = upload_result.get("image_key")

            # 3. 清理臨時檔案
            os.remove(local_path)

            # 4. 返回飛書圖片格式
            if image_key:
                return f"![{alt_text}]({image_key})"
            else:
                # 上傳失敗，保留原連結並新增警告
                return f"![{alt_text}]({img_url})\n\n> ⚠️ 圖片上傳失敗，已保留原連結: {img_url}"

        except Exception as e:
            # 處理失敗，保留原連結
            return f"![{alt_text}]({img_url})\n\n> ⚠️ 圖片處理失敗: {str(e)[:50]}"

    # 執行替換
    processed_content = re.sub(img_pattern, replace_image, markdown_content)

    return processed_content

使用方式： 在建立文件之前呼叫：

# 獲取原始內容
raw_content = kimi_fetch(url=link)

# 處理圖片
processed_content = process_images_in_content(raw_content)

# 建立文件（使用處理後的內容）
feishu_create_doc(
    title=title,
    markdown=processed_content
)

方案2：保留原連結 + 備用方案

def add_image_fallback_notice(markdown_content, original_url):
    """
    在文件末尾新增圖片檢視說明
    """
    notice = f"""

---

## 📎 原始圖片資源

本文件中的圖片已保留原始連結。
如圖片無法顯示，請檢視原文：
[{original_url}]({original_url})

"""
    return markdown_content + notice

方案3：批次圖片歸檔

建立一個獨立的「圖片資源庫」多維表格：

# 收錄時同時記錄圖片資訊
feishu_bitable_app_table_record(
    action="create",
    app_token="圖片資源庫_token",
    fields={
        "文件標題": doc_title,
        "圖片URL": img_url,
        "圖片描述": alt_text,
        "原文連結": original_url,
        "收錄狀態": "待上傳/已上傳/失敗"
    }
)

建議實施順序

1. 短期（立即）：使用方案2，保留原連結並新增檢視提示
2. 中期（本週）：實施方案1，自動下載上傳核心文章的圖片
3. 長期（可選）：建立獨立的圖片資源庫管理系統

注意事項

1. 圖片大小限制：飛書圖片上傳通常限制 10MB
2. 格式支援：JPG、PNG、GIF 等常見格式
3. 網路超時：下載圖片時設定合理的超時時間（30秒）
4. 失敗處理：單張圖片失敗不應影響整篇文件收錄

   7w4.net小蔥技能站，你的AI助手技能庫。

5. 版權注意：確保有許可權使用原網頁中的圖片

圖片處理方案 v1.0 - 2026-03-05

這個 Skill 質量較好，功能設計完整，文件說明詳細，能自動識別和收錄群聊中的連結內容到飛書文件，智慧分類和模板設計都很實用。但配置方面存在明顯不足：很多關鍵引數需要手動填寫，文件中沒有提供完整的配置檔案示例，新使用者可能不知道如何正確配置。如果能附帶一個配置好的示例檔案會更加友好。