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

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 / samethesis / partof / 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/evalknowledgeengine.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

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