Knowledge Base Management, 知识库全生命周期管理

核心架构

三层架构

素材库/  → Layer 1: 不可变原始素材（AI 只读）
wiki/    → Layer 2: AI 编译的结构化知识（AI 维护）
产出/    → Layer 3: 按需生成的视图（不持久化）

核心原则：素材库是事实源（不可变），Wiki 是 AI 编译的投影（必须溯源），产出是按需生成的视图（不持久化）。

Vault 配置

vault 路径通过环境变量配置，不写死在脚本里：

export VAULT_DIR="$HOME/Documents/your-vault"   # 你的 Obsidian vault 根目录

完整仓库可以统一配置采集、搜索和资料包：

python3 tools/chubby.py init --vault "$VAULT_DIR"

这里的路径是知识库根目录。采集进入根目录的 00_Inbox，默认索引为 .chubby/index.sqlite。独立安装本 skill 后，tools/vault_index.py 和 tools/evidence_brief.py 直接使用 VAULT_DIR 或 --vault，不读取仓库中的 chubby.yaml。

健康检查可自行加入调度器；安装本 skill 不会创建 cron。

---

1. 素材入库 (Ingest)

新素材处理流水线

用户丢素材 →
  ① 判断类型 → 存入素材库/对应子目录
  ② 提取关键信息 → 决定是否建 wiki 页面
  ③ 如果值得：建选题（打 SHARP 分）或更新项目页
  ④ 更新 wiki/index.md 索引

素材分级 (ABC Grading)

等级	标准	处理
A	核心方法论/框架/系统	优先编译为选题
B	有洞察但不够系统	备选，作为 A 的补充
C	水货/重复/与定位无关	归档，不主动编译

公众号文章处理

来源一：可选的 wechat-article-exporter 外部同步 如果已自行部署该工具和调度器，可把公众号文章同步到 素材库/公众号文章/<公众号名>/。本 skill 不内置该服务或定时任务。

来源二：手机保存的文章导入 通过手机保存的文章先落到一个待处理目录（按日期），再由一个归类脚本搬入素材库并按领域筛选优质文章做 A+B 深度处理。

归类脚本（如 sync_notes_to_kb.py）与各人的目录结构强相关，本仓库不内置，按下面的「工作流」自建即可。

工作流：

新文章入库 →
  ① 脚本自动归类到 素材库/公众号文章/<公众号名>/
  ② URL 去重（跳过已存在的文章）
  ③ 领域关键词筛选（AI/半导体/消费/电商/品牌/投资/Agent/Skill）
     跳过纯营销、与用户领域无关的文章
  ④ 命中关键词的精选文章 → A+B 双轨处理（每日上限 5 篇）
     A层：观点提取+分类+3条Takeaway → wiki/📡 外部输入/公众号/<公众号名>/<主题>/
     B层：问题链+伴读引导 → 同上
  ⑤ 更新 wiki/index.md（外部输入, 最新 A+B 处理 表格）

关键原则：

• 聚焦高价值主题（匹配用户兴趣），不追求全量覆盖
• 每个 wiki 页面必须用 source frontmatter 列出引用素材路径
• 深度处理上限 5 篇/天，分批消化
• 文章路径格式：[[../../../../素材库/公众号文章/<公众号>/<文件名>]]

---

2. 健康检查 (Audit)

自动检查项

手动运行脚本或配置自己的调度器后，检查：

• 断链（broken wikilinks）
• 缺 source 字段
• frontmatter 缺失
• 待沉淀概念
• 低链接密度

脚本：scripts/vault_health_check.py（本仓库提供，零依赖，纯标准库）

# 指定 vault 路径
python3 scripts/vault_health_check.py "$HOME/Documents/your-vault"