Knowledge Engine — 个人知识引擎#

把碎片化的阅读和思考变成结构化的、可搜索的、会成长的知识系统。

什么时候用这个 Skill#

场景动作用户问"我之前看过什么关于 X 的内容"search --query "X"读到一篇好文章，想存下来add --concept "..." --tags "..."两个概念之间有关系link --from "A" --to "B" --relation "supports"想看看自己有什么信念，哪些可能过时了beliefs-decay定期整理知识体系synthesis --days 7想看看知识图谱长什么样python visualize.py检查系统是否正常工作eval

核心理念#

不是"记录今天读了什么"，而是——

• 把知识拆成 原子概念
• 追踪概念之间的 关联
• 记录信念的 变化轨迹
• 每天输出 delta：什么想法变了
• 每周 蒸馏：底层事实 → 中层洞察 → 顶层规律

认知层次#

text

L3 元规律（meta-patterns）   ← 自动蒸馏，需人工验证
   "AI时代稀缺资源从制作转移到分发"
        ↑
L2 可复用洞察（insights）    ← 自动聚合 L1 生成
   "分发能力 > 制作能力"  "品味是最后的差异化"
        ↑
L1 具体事实（raw concepts）  ← 手动添加
   "北京开发者亏2200"  "Notion Agent自动执行11步工作流"

使用指南#

1. 搜索已有知识#

bash

python3 {baseDir}/scripts/concept_manager.py search --query "分发"
python3 {baseDir}/scripts/concept_manager.py search --query "创业" --tags "AI"

返回匹配的概念列表，按相关度排序。自动记录搜索命中（影响置信度调整）。

2. 添加新概念#

bash

python3 {baseDir}/scripts/concept_manager.py add \
  --concept "分发能力 > 制作能力" \
  --source "HN Ask HN 2026-03-27" \
  --context "当AI让创作成本趋近于零，稀缺资源转移到分发" \
  --tags "创业,分发,AI" \
  --confidence medium

自动循环检测：添加时会检查相似概念，≥0.6 自动合并，≥0.4 警告。用 --force 跳过。

3. 关联概念#

bash

python3 {baseDir}/scripts/concept_manager.py link \
  --from "分发能力 > 制作能力" \
  --to "个人品牌 > 产品能力" \
  --relation "supports"

关系类型： supports / evidence / contrast / same_thesis / part_of / related

4. 信念管理#

bash

# 记录信念
python3 {baseDir}/scripts/concept_manager.py believe \
  --belief "Self-belief是做出来的不是喊出来的" \
  --reasoning "Musk的conviction是十几年失败中锤出来的" \
  --confidence medium

# 更新信念状态
python3 {baseDir}/scripts/concept_manager.py update-belief \
  --id belief-001 \
  --status challenged \
  --note "用户指出这可能是自大的判断"

# 信念衰减报告（带时间衰减的置信度）
python3 {baseDir}/scripts/concept_manager.py beliefs-decay

5. 知识图谱#

bash

python3 {baseDir}/scripts/concept_manager.py graph
python3 {baseDir}/scripts/concept_manager.py graph --concept "分发能力 > 制作能力"

6. 摘要#

bash

python3 {baseDir}/scripts/concept_manager.py summary

7. 蒸馏（每周执行）#

bash

python3 {baseDir}/scripts/concept_synthesis.py --days 7

自动执行：Reflection → 主题聚合 → L1→L2→L3 蒸馏 → 置信度调整 → 信念衰减 → 热力图 → 生成报告

8. 可视化#

bash

python3 {baseDir}/scripts/visualize.py
# 输出: ~/Desktop/knowledge-graph.html

生成交互式知识图谱（D3.js 力导向图），支持拖拽、缩放、悬浮详情、标签筛选。

9. 子 Agent API#

python

import sys; sys.path.insert(0, "{baseDir}/scripts")
from ke_api import ke

# 搜索
results = ke.search("分发", limit=5)

# 添加概念
ke.concept("新概念", source="HN", tags=["创业"])

# 获取上下文（分层检索）
ctx = ke.context("创业", recent=3, semantic=5)

# 获取信念（带时间衰减）
beliefs = ke.beliefs(top=5)

# 快速摘要
summary = ke.summary()

10. 评估#

bash

python3 {baseDir}/scripts/eval_knowledge_engine.py

六项测试：Storage / Retrieval / Association / Confidence / Synthesis / Pruning

11. 查找相似概念#

bash

python3 {baseDir}/scripts/concept_manager.py similar --concept "分发能力"

12. 使用统计 & 置信度自动调整#

bash

python3 {baseDir}/scripts/concept_manager.py stats --days 30
python3 {baseDir}/scripts/concept_manager.py auto-adjust
python3 {baseDir}/scripts/concept_manager.py prune --days 60 --dry-run

数据存储#

text

memory/
├── concepts/          ← 概念卡片（JSON，每个概念一个文件）
├── beliefs/           ← 信念追踪（JSON）
├── insights/          ← 蒸馏报告（Markdown）
├── knowledge.db       ← SQLite 索引和搜索
└── delta-log.md       ← 变化记录

设计原则#

渐进式披露#

• Level 1：本文件的 YAML 元数据（始终在系统提示中）
• Level 2：本文件的正文（触发时加载，~500 tokens）
• Level 3：scripts/ 下的 Python 脚本和 resources/ 下的模板（按需执行，不占上下文）

认知与执行分离#

• Agent 只需要知道"怎么调用"（本文件的命令示例）
• 实际计算在 Python 脚本中完成（SQLite 查询、JSON 处理）
• Agent 不需要读取 900 行的 concept_manager.py 源码

循环检测#

• 新概念自动与已有概念比较相似度
• 高相似度（≥0.6）自动合并，避免知识碎片化
• 中等相似度（≥0.4）提示警告，用户可确认

信念时间衰减#

• 7 天内：置信度不变
• 7-14 天：自动降一级
• 14-30 天：再降一级
• 30 天以上 + 零更新：标记为 low
• 被挑战的信念：额外降一级
• 有近期更新：保持或提升

L1→L2→L3 自动蒸馏#

• 同标签 ≥3 个 L1 → 自动生成 L2 洞察
• 同标签 ≥2 个 L2 → 自动生成 L3 元规律（初始 low 置信度，需人工验证）

安全#

• 零外部依赖：纯 Python 标准库（sqlite3 + json + os）
• 无网络请求：所有操作都在本地完成
• 可审计：所有数据以 JSON 文件存储，人类可读可编辑
• 可恢复：concept 和 belief 都有独立 JSON 文件备份

升级路径#

当前 (v0.3):

• sqlite3 + JSON 存储
• 关键词搜索 + 分层检索
• 概念关联 + 信念追踪 + 信念时间衰减
• 循环检测（自动去重）
• L1→L2→L3 自动蒸馏
• 子 Agent API（ke_api.py）
• 交互式可视化
• 六项评估套件

计划 (v0.4):

• chromadb 向量数据库（网络恢复后安装）
• sentence-transformers 本地 embedding
• 语义搜索替代关键词搜索
• 概念质量 LLM-as-Judge 评估
• 多 Agent 共享知识库接口