
Personal Ip Knowledge Builder
将访谈稿、聊天记录、简历、公开内容、业务资料、案例和既有 DOCX/Markdown 文档,提炼成可被 AI 长期调用的个人 IP...
Install
npx skills add limecloud/lime --skill personal-ip-knowledge-builder -g -a claude-code -y- Repository
- limecloud/lime1.5k
- Category
- Documents
- Updated
- 3d ago
- License
- Apache-2.0
- Context cost
- Lightabout 362 tokens
- Runs scripts
- Yes, review before use
What it does
将访谈稿、聊天记录、简历、公开内容、业务资料、案例和既有 DOCX/Markdown 文档,提炼成可被 AI 长期调用的个人 IP 知识库。适用于用户要求“生成个人知识库”“整理成个人 IP 成品知识库”“为创始人/专家/讲师/主播/顾问建立AI知识库”“把资料变成个人IP底层提示词/写作风格库/故事素材库/话术库”的场景。
个人 IP 知识库生成器
核心目标
把零散资料编译成一份结构化 Markdown 知识库,让后续 AI 能稳定调用这个人的事实、故事、观点、风格和边界,而不是每次临时总结。
默认输出中文;除非用户明确要求其他语言。
执行与交付
本 Skill 由专家会话或用户选择技能后,在当前 Thread 中执行。读取用户提供的资料,按模板整理事实、来源、冲突和待确认信息,并交付普通 Markdown 文档。
来源路径由用户指定;文件相对路径以当前工作区为基准。默认在当前工作区保存个人 IP 文档,用户明确指定文件名或目录时使用该位置。修改已有文档前先读取内容,保留有效事实和来源;覆盖、删除或访问工作区外文件沿当前工具权限与审批执行。
工作流
- 先盘点输入资料:访谈、简历、聊天记录、文章、案例、产品服务、历史文案、DOCX/Markdown。
- 如果输入是 DOCX,优先使用
scripts/docx_to_markdown.py转成 Markdown 草稿。 - 读取
references/personal-ip-template.md,按固定章节生成知识库。 - 读取
references/interview-questions.md,识别缺失的高价值信息。 - 缺少关键事实时,先问用户补齐;如果用户要求先生成,则用
待补充标注,不要编造。 - 提炼事实、故事、案例、方法论、价值观、表达风格、金句、可引用素材和禁忌边界。
- 生成完整 Markdown,结尾必须包含“智能体应用指南”。
- 用
references/quality-checklist.md自检,必要时补一节“待补充信息清单”。
输出规则
- 不写成简历,也不写成宣传软文;要写成 AI 可调用的底层知识库。
- 区分事实、观点、推断和待补充信息。
- 保留真实语气,不要把人物包装成虚假的“成功学大师”。
- 尽量使用具体案例、数据、原话、场景和转折点。
- 每个章节都要有清晰标题,适合长期维护。
- 结尾必须包含:使用说明、AI 写作风格指南、核心价值观关键词、可引用故事素材、禁忌与边界。
交付格式
默认交付一个 Markdown 文档,按模板组织章节,附来源引用、待补充事实和冲突说明。用户只要求在对话中查看时,直接返回 Markdown;需要保存时写到用户指定的工作区文件。
文档可在后续普通会话中作为文件上下文读取;本 Skill 不创建专用元数据目录、后台编译记录或额外上下文状态。
何时读取资源
- 需要章节骨架时,读取
references/personal-ip-template.md。 - 资料不足或要做访谈表时,读取
references/interview-questions.md。 - 输出前做质量检查时,读取
references/quality-checklist.md。 - 用户只要空白模板时,可复制
assets/personal-ip-knowledge-skeleton.md。
DOCX 转 Markdown
如果需要先转换 DOCX:
python3 scripts/docx_to_markdown.py 输入.docx 输出.md
转换后再进行知识提炼。脚本只负责格式转换,不负责事实提炼。


