| name | ob-collect |
| description | Obsidian 万物采集器。委托 web-search 路由层获取内容（100+ 站点 + Layer 1-4 全栈），采集到 raw/ 并编译为结构化 wiki 笔记。支持批量并行、断点续传。触发词：采集、导入知识库、ob-collect、视频转笔记、采集书签、批量采集。 |
Obsidian 万物采集器。委托 web-search 拿内容，自身专注于编译为结构化 wiki 笔记（raw/ 归档 + 主题分类 + 索引维护 + 批量并行 + 断点续传）。
采集模式 — 将 URL/PDF/视频/文本采集到 raw/ 并编译到 wiki/{theme}/。建议 ≤ 500 字，超出部分用 [[reference]] 链接补充。
触发词：
- 采集文章 / 导入到知识库 / 学习记录 / 摄入资料
- ob-collect / ob-learn / 把这个加到知识库
- 采集视频 / 视频转笔记 / 导入视频字幕
- 采集公众号 / 微信文章
- 采集书签 / 采集收藏 / 采集稍后观看
- 批量采集 / 处理这些链接
- 采集我的 Twitter 书签 / B站收藏 / YouTube 稍后
示例：
- "ob-collect https://example.com/article"
- "帮我采集这篇文章到知识库"
- "把这个 PDF 导入知识库"
- "采集一下这篇文章：RLHF 和 CoT 的关系"
- "采集这个 B 站视频的字幕"
- "批量采集这些链接：url1, url2, url3"
- "采集我的 YouTube 稍后观看"
requires=OBSIDIAN_REPO,opencli; focus=ingest,compile
将来源采集到 raw/ 编译到 wiki/{theme}/。
**委托 ob-router skill** 解析当前激活仓库路径（硬委托，不自行读取文件），识别输入类型和来源平台。
委托 web-search 获取内容 → 主题分类 → 预览确认 → 写入 raw/ → 编译到 wiki/{theme}/。
更新索引：wiki/{theme}/index.md、wiki/index.md（新主题时）、wiki/log.md、.kb/manifest.json。如果当前在 git 项目中，同步更新项目 CLAUDE.md 的 Obsidian 索引段。
Obsidian 万物采集 (ob-collect)
配置检查
执行前必读：本 skill 需要以下配置。
【硬约束】仓库路径一律委托 ob-router 解析
不要自行读取 ob-router.json 或 CLAUDE.md。仓库路由是 ob-router 的职责，本 skill 不维护路径逻辑。
调用 ob-router skill 获取 $OBSIDIAN_REPO，ob-router 内部处理以下优先级：
~/.claude/ob-router.json → repos[active] 路径- 若文件不存在 → 从 CLAUDE.md 中的
OBSIDIAN_REPO 读取，并主动提示用户运行 ob-router init 持久化
- 若存在多个已注册仓库 → 主动询问用户要切换到哪个仓库，不静默使用默认值
- 以上均失败 → AskUserQuestion 询问路径
将 ob-router 返回的路径保存为 $OBSIDIAN_REPO，后续全程使用此变量。
- 检查
opencli 是否可用：opencli doctor，三项全绿才继续
脚本依赖检查：
掘金小册采集功能需要本地脚本依赖。执行相关功能前检查：
- 检查
{SKILL_DIR}/scripts/node_modules/ 是否存在
- 如果不存在，执行：
cd {SKILL_DIR}/scripts && npm install
- 安装完成后继续执行
{SKILL_DIR} 为本 SKILL.md 所在目录的绝对路径。
目录初始化检查：
首次使用时，确认以下目录存在（不存在则创建）：
$OBSIDIAN_REPO/raw/
├── web/ # 通用网页采集（博客、技术文章等）
├── wechat/ # 微信公众号文章
├── videos/ # 视频平台字幕（B站、抖音、小红书等）
├── news/ # 资讯聚合（Hacker News、Reddit 等）
├── official/ # 官方文档和文章（Claude Code、OpenAI 等）
├── notes/ # 自由笔记（人工输入的原始文档）
├── ai-notes/ # AI 调研产出（AI 查询/分析/整理的原始资料）
├── juejin/ # 掘金小册（全书提取，含图片）
└── [作者名]/ # 音视频按作者归档
$OBSIDIAN_REPO/wiki/{ai,claude,current-affairs,career,dev-tools,front-end,obsidian,tauri,distill}/
$OBSIDIAN_REPO/.kb/
如果 wiki/index.md 不存在，创建初始索引。
获取内容（默认委托 web-search + 明确例外）
【硬约束】所有「如何拿到内容」的决策默认由 web-search skill 负责。本 skill 不维护路由表。
例外口子由本节末尾的「例外清单」统一管理。未列入清单的绕过路径一律视为违规。
调用流程
收到 URL / 主题 / 文件后：
- 本地 PDF / 纯文本 / AI 调研产出 → 跳过 web-search，直接用 Read / 内容本身
- 掘金小册 URL（
juejin.cn/book/*） → 跳过 web-search，使用本 skill 的掘金小册采集模式
- 其他 URL → 委托 web-search：
- web-search Layer 1（OpenCLI 路由 / External CLI 桥接 / 本机扩展 CLI）拿内容
- Layer 1 未命中 → web-search 自动走 Layer 3（opencli web read / web_reader / WebFetch）
- 登录或反爬失败 → web-search 自动走 Layer 4（opencli browser / web-access CDP）
- 无 URL（如「采集 RLHF 这个话题」） → 先调 web-search Layer 2（WebSearch → Tavily → DDG）拿候选列表，用户选定后回到步骤 3
- 视频/音频专用：URL 命中 YouTube/B站/小宇宙/播客等时，仍由 web-search 调 OpenCLI subtitle/transcript；无字幕时回到本 skill 的 ASR 回退流程
为什么硬委托：路由表是单一真理来源。两份路由会必然分裂，LLM 选错的成本远高于多一次 skill 跳转。
平台 → raw 子目录映射（采集独有）
web-search 负责"怎么拿"，ob-collect 负责"放哪儿"。raw/ 归档目录按平台类别映射：
| 平台类别 | raw 子目录 | 域名示例 |
|---|
| 视频 / 播客 | raw/{作者名}/ | youtube / bilibili / xiaoyuzhou |
| 微信公众号 | raw/wechat/ | mp.weixin.qq.com |
| 资讯聚合 | raw/news/ | hackernews / reddit / 36kr |
| 通用网页 | raw/web/ | medium / substack / zhihu / douban |
| 掘金小册 | raw/juejin/ | juejin.cn/book |
| 本地 PDF | raw/web/ | — |
| 人工输入 | raw/notes/ | — |
| AI 调研 | raw/ai-notes/ | — |
{A2S_DIR} 为 audio-to-subtitle skill 所在目录：/Users/jiashengwang/jacky-github/jacky-skills/plugins/video-processing/skills/audio-to-subtitle（ASR 回退流程会用到）
例外清单（绕过 web-search 的口子）
以下场景是已注册的例外，直接调用底层工具而不经 web-search：
| 例外场景 | 直接调用 | 理由 |
|---|
| 掘金小册采集 | node scripts/extract-juejin-booklet.mjs | API 路由 + 图片下载有专用脚本，效率优于通用路由 |
| 批量采集 Sub Agent 内部 | 直接调用 opencli 命令 | 批处理时直接调用 opencli 减少 skill 跳转开销 |
| ASR 回退流程 | opencli <site> download + ffmpeg + ASR | download + ffmpeg + ASR 三步紧耦合，由本 skill 内聚管理 |
注册规则：未来如需新增「绕过 web-search」的口子，必须先在本清单注册并说明理由，否则一律走 web-search。
可扩展模式与约束（核心范式）
与 web-search 同范式：能力按需累加 + 经验沉淀 + 约束在范式之内。
- web-search 沉淀「怎么找到内容」（站点路由 / 工具降级链 / 本机扩展 CLI）
- ob-collect 沉淀「哪些内容值得保留 + 怎么归档」（raw 子目录 / 主题分类 / 提取约束）
可扩展点（按需添加，不要预先列满）
必须遵守的范式（硬约束，不可扩展）
这些是采集质量的底线，新增扩展点不能破坏这些约束。
- 视频类只存字幕，不存视频本身
- 优先 OpenCLI
subtitle/transcript（web-search Layer 1 自动调用）
- 字幕缺失 → 调用 audio-to-subtitle skill 做 ASR（用本地音视频大模型转字幕）
- ASR 完成后立即删除临时视频/音频文件（详见 ASR 回退流程）
- 例外：用户显式要求保留视频时才下载，且事前确认
- raw 层一次写入不可修改（要改进 → 在 wiki 层追加引用，不动 raw）
- 每篇 wiki 文章必须有 article_id（
OBA-{8 位 lowercase} 格式）
- 新主题目录用 kebab-case 英文命名（如
wiki/llm-evals/，不用中文目录名）
- frontmatter 必须三件套：
tags（非空）/ type（预定义值）/ updated_at（YYYY-MM-DD）
- 不为一次性需求扩展：模式 ≥ 3 次重复才固化为新子目录 / 新主题；否则归入
raw/notes/ 或现有目录
沉淀机制 & 职能边界
经验沉淀写入 ${OBSIDIAN_REPO}/.kb/collect-experience.md（含模板 / 写入规则 / 固化回流），与 web-search 的职能边界划分，详见 references/extension-protocol.md。
一句话总结：
- web-search 管「怎么拿」（URL 路由 + 本机 CLI + 通用搜索降级）
- ob-collect 管「放哪 + 留什么」（raw 子目录 + 主题分类 + 视频字幕范式 + frontmatter）
主题分类
采集内容需要确定目标 wiki 主题目录。按以下优先级判断：
- 用户指定：用户说"放到 Claude"、"归类到时事" → 直接使用
- 关键词匹配：根据内容关键词自动推荐
主题关键词映射
| 主题 | 目录 | 关键词 |
|---|
| AI 技术 | wiki/ai/ | AI, LLM, GPT, transformer, 机器学习, 深度学习 |
| Claude 生态 | wiki/claude/ | Claude, Claude Code, Skills, MCP, hooks, Subagents |
| Tauri | wiki/tauri/ | Tauri, 桌面应用, tauri-app, Sidecar, invoke |
| 开发工具 | wiki/dev-tools/ | VSCode, IDE, 编辑器, CLI, 终端, Git |
| 前端开发 | wiki/front-end/ | React, JavaScript, TypeScript, CSS, 前端, 算法 |
| 时事分析 | wiki/current-affairs/ | 经济, 政治, 国际, 金融, 投资, 时事 |
| 职业发展 | wiki/career/ | 职级, 面试, 求职, 职业规划 |
| Obsidian | wiki/obsidian/ | Obsidian, 知识管理, 笔记, 双链 |
无匹配时自动创建新主题目录（kebab-case 英文命名）。
匹配后展示推荐主题，用户可在确认时修改。
采集流程
采集模式判断（接到任务的第一步）
【硬约束】接到采集任务时，第一步必须判断采集模式。模式判断仅在采集开始时执行一次，不在中途切换。
| 输入特征 | 模式 | 行为 |
|---|
| 单 URL + 内容预估 > 3000 字 | 长文一站式 | 写 raw（status: compiled） + 立即编译单篇 wiki |
| 单 URL + 短文 (< 3000 字) | 长文一站式 | 同上 |
| 用户明确说"采集这一篇" | 长文一站式 | 同上 |
| 多 URL（≥ 3 个）批量输入 | 集锦批量 | 仅写 raw（status: uncompiled），不立即编译 |
| 同作者批量（B 站收藏夹、公众号专题等） | 集锦批量 | 同上 |
| 视频字幕（任意数量，YouTube/B 站/播客等） | 集锦批量 | 同上 |
| 用户明确说"批量采集 / 采集 X 的所有文章" | 集锦批量 | 同上 |
两种模式的核心差异：
- 长文一站式 → raw 写入即标
status: compiled，紧接着同步生成 wiki/{theme}/{slug}.md
- 集锦批量 → raw 写入标
status: uncompiled，只归档不编译，等达到阈值或用户主动触发 ob-compile
流程概要
- 识别输入类型：URL → 委托 web-search，PDF → Read，视频 → 委托 web-search（含 ASR 兜底），文本 → 直接使用
- 平台检测：根据 URL 域名确定 raw/ 子目录（命令路由由 web-search 决定）
- 获取内容：web-search 返回正文后，提取关键要点（3-5 条）
- 图片检测与处理：获取内容后，必须检测页面中的图片（见图片处理规范）
- 主题分类：根据关键词映射确定目标主题目录
- 预览确认：展示平台、主题、标题、来源、要点、标签，等待用户确认。必须同时展示 raw 层和 wiki 层两步路径：
- raw 层：
raw/{子目录}/文件名（原始内容存放位置）
- wiki 层：
wiki/{theme}/文件名（编译归纳目标位置）
- 写入 raw/：带 frontmatter 的原始笔记，图片以 OCR callout + 嵌入的形式写入 raw 层
- 【硬约束】raw frontmatter 必须带
status 字段（值为 uncompiled 或 compiled）
- 长文一站式模式 → 写入时直接标
status: compiled
- 集锦批量模式 → 写入时标
status: uncompiled
- 详见 references/frontmatter-schema.md 的「raw 层契约」一节
- 编译到 wiki/{theme}/（仅长文一站式模式立即执行；集锦批量模式跳过本步）：生成主题文章 → 引用 raw 层（不重复嵌入图片）→ 更新主题 index → 更新全局 index/log/manifest
- 集锦批量模式的批后检查：写入完成后，检查
raw/{author}/ 或 raw/{platform}/ 下 status: uncompiled 数量是否达到 20 篇阈值
- 达到 → 提示用户「raw/X 下已有 N 篇未编译，是否触发
ob-compile --author X --mode thematic？」
- 未达到 → 静默归档，等阈值或用户主动触发
关键规则
- 文件名规范：
{YYYY-MM-DD}-{slug}.md
- raw 层
status 字段（契约链：ob-collect 写入 → ob-compile 翻转 → ob-index 消费）
- 写入时：长文一站式 →
status: compiled；集锦批量 → status: uncompiled
- 翻转责任不在本 skill：ob-compile 完成编译后会将
uncompiled 翻转为 compiled
- 不得省略：缺失 status 字段会破坏 ob-compile 与 ob-index 的契约链
- article_id 分配：每篇新建的 wiki 文章必须在 frontmatter 中包含
article_id 字段
- 格式：
OBA-{8位随机小写字母数字}（如 OBA-k7jm2p9q）
- 全局唯一：随机生成后验证唯一性
- 生成命令：
python3 -c "import random,string; print(''.join(random.choices(string.ascii_lowercase+string.digits,k=8)))"
- 验证命令：
grep -rh "OBA-{生成的ID}" "$OBSIDIAN_REPO/wiki/" --include="*.md"（无输出则唯一）
- 如果碰撞则重新生成，直到唯一
- 概念文章已存在时：读取并合并，不覆盖
- 概念冲突时：标注矛盾，追加说明
- 详细模板见 references/compile-templates.md
图片处理规范
【硬约束】网页内容包含图片时，必须完整处理。图片归属 raw 层，wiki 层只做引用，不重复嵌入。
核心规则速览：
- 不能用
innerText 读图片 — <img> 会被忽略，需 querySelectorAll('img') 单独提取
- 先滚动再读
data-src — 多数平台图片懒加载，src 是 SVG 占位符
- 【硬约束】图片下载到「就近 attachments」目录 — 不写死全局
$OBSIDIAN_REPO/attachments/，而是和 raw md 同级：{raw_md_dir}/attachments/{date-slug}/img_NNN.{ext}，编号 1-based 三位补零（如 img_001.jpeg）
- Read 工具直读图片做 OCR（Claude 多模态）
- raw 层格式：
> [!note] OCR callout 在前，![[图片]] 在后
- wiki 层不嵌入图片，只用
[[raw/.../文件名]] 引用 raw
就近 attachments 路径规则（硬约束）
为什么不用全局 $OBSIDIAN_REPO/attachments/：raw 内容和它的图片应该是一个目录单元，移动/备份/迁移作为整体。Obsidian app.json 的 attachmentFolderPath 是给手动新建笔记用的，不适用程序化批量采集。
路径规则按 raw md 的归档层级就近：
| raw md 路径 | 就近 attachments 路径 |
|---|
raw/wechat/{author}/{date}-{slug}.md | raw/wechat/{author}/attachments/{date}-{slug}/img_NNN.{ext} |
raw/{author}/{title}.md（视频） | raw/{author}/attachments/{slug}/img_NNN.{ext} |
raw/web/{date}-{slug}.md | raw/web/attachments/{date}-{slug}/img_NNN.{ext} |
raw/juejin/{book-slug}/{ch}.md | raw/juejin/{book-slug}/attachments/{ch}/img_NNN.{ext} |
raw md 中的图片引用一律用相对 wikilink：![[attachments/{date-slug}/img_NNN.jpeg]]（Obsidian 会自动解析相对路径）。
完整提取工作流、各平台 img 标签特性矩阵、OCR 模板、常见陷阱见 references/wechat-extract.md。
视频/音频采集模式
当采集来源为视频（YouTube/B站/播客等）或音频时，使用以下专用流程。
处理管线
URL 输入：
1. OpenCLI 获取元信息（video/episode）
2. OpenCLI 获取字幕（subtitle/transcript）
3. 有字幕？→ YES → 写入 raw/ → 编译 wiki/
→ NO → OpenCLI download → A2S ASR 转录 → 写入 raw/ → 编译 wiki/
本地音视频文件：
A2S ASR 转录 → 写入 raw/ → 编译 wiki/
平台能力矩阵
| 平台 | 字幕/Transcript | 元信息 | 下载 | 策略 |
|---|
| YouTube | transcript（带时间戳） | video | download（需 yt-dlp） | 字幕优先，无字幕→下载+ASR |
| B站 | subtitle（部分有） | video | download（需 yt-dlp） | 字幕优先，很多无字幕→下载+ASR |
| 小宇宙 | transcript | episode | download | transcript 优先 |
| 通用网页 | web read | — | — | 直接提取文字 |
ASR 回退流程
当视频无字幕时，使用 audio-to-subtitle 进行 ASR 转录：
opencli <site> download <url> -o /tmp/collect-download/ 下载视频ffmpeg -i /tmp/collect-download/video.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 /tmp/collect-download/audio.wav 提取音频python3 {A2S_DIR}/scripts/transcribe.py /tmp/collect-download/audio.wav --engine local -m large-v3-turbo -f md -o /tmp/collect-download/ --yolo ASR 转录- 读取转录结果，继续正常 raw/ → wiki/ 流程
- 清理临时文件：
rm -rf /tmp/collect-download/
超时设置：OpenCLI download 命令设置超时 OPENCLI_BROWSER_COMMAND_TIMEOUT=120000（120s）
模板与归纳规则
完整模板细节见 references/video-collect.md：
- raw 模板：按作者归档（
raw/[作者名]/标题.md）+ 时间轴分段（### M:SS 标题）+ frontmatter
- wiki 归纳模板：核心观点 + raw 引用（含时间范围
#1:30 ~ #3:45）+ 关键金句 + 我的思考
- 归纳生成 8 条规则：观点拆解 / raw 引用 / 不搬运原文 / 不做延伸 等
- 作者索引模板：
raw/index.md 按作者分组的自动索引
批量采集模式
触发条件
- 用户提供多个 URL（逗号/换行分隔）
- 用户提供 URL 文件（.txt，每行一个 URL）
- 用户说"采集我的书签/收藏"类指令
执行策略
| 任务数 | 策略 | 实现方式 |
|---|
| 1-4 | 顺序执行 | 主会话逐个处理 |
| 5-50 | 并行执行 | Sub Agent 并行（3-4 个/组，上限 4 并发） |
并行要求：所有 Sub Agent 的 Bash 调用必须在同一条响应中发起。
状态追踪 + 断点续传
批量任务在 ~/Downloads/collect-pipeline/{platform}-{id}/meta.json 记录状态（pending/in_progress/completed/failed/skipped）+ 时间。下次启动时扫描所有 meta.json，从 status != completed 的位置继续。
meta.json schema、字段说明、报告模板见 references/batch-collect.md。
自动停止
- 连续 3 个任务失败 → 暂停整个批量，报告失败项
- 单个任务失败 → 记录错误，继续下一个
- HTTP 429/403 → 立即停止
采集收藏/书签
利用 OpenCLI 的个人数据命令，批量采集用户的收藏内容：
支持的来源
| 指令 | OpenCLI 命令 | 认证要求 |
|---|
| 采集 Twitter 书签 | opencli twitter bookmarks --limit 20 | 🔐 需登录 |
| 采集 B站收藏夹 | opencli bilibili favorite --limit 20 | 🔐 需登录 |
| 采集 YouTube 稍后观看 | opencli youtube watch-later --limit 20 | 🔐 需登录 |
| 采集 YouTube 订阅流 | opencli youtube feed --limit 20 | 🔐 需登录 |
| 采集微信读书划线 | opencli weread highlights --limit 20 | 🔐 需登录 |
执行流程
- 调用对应 OpenCLI 命令获取列表（
-f json）
- 从返回数据中提取 URL/ID 列表
- 进入批量采集模式处理
掘金小册采集模式
URL 匹配 juejin.cn/book/{booklet_id} 时走专用脚本（不经 web-search）：
node scripts/extract-juejin-booklet.mjs <booklet_url_or_id> \
--output-dir "$OBSIDIAN_REPO/raw/juejin/{slug}" \
--download-images
完整流程（API 解析 / HTML→Markdown 转换 / 图片并发下载 / 付费小册的 web-access 兜底 / 注意事项）见 references/juejin-booklet.md。
微信公众号批量采集模式
【硬约束】当输入是公众号文章 URL 列表（xlsx 导出 / 历史归档）且数量 ≥ 50 时，必须走本节流程，不走通用 web-search 路由。
触发条件
- 输入是公众号导出 xlsx（含
文章链接 列）
- 同一公众号的批量 URL 列表（≥ 50 条）
- 用户明确说"批量采集 XX 公众号 / 把这个公众号沉淀到 ob"
工具栈
| 角色 | 工具 |
|---|
| 抓取（一篇） | opencli weixin download --url <URL> --output <dir> --download-images true -f json |
| 状态机 | ~/Downloads/collect-pipeline/wechat-{author-slug}/meta.json（schema 见 references/batch-collect.md） |
| 并发控制 | 自写 Python/Node 脚本，3 个 worker 上限（实测 wechat ~3s/篇，更高并发风险 429） |
| 规范化 | normalize 脚本（见下节） |
| OCR | 独立异步阶段（见 references/wechat-extract.md） |
处理管线（两阶段解耦）
xlsx / URL 列表
│
▼
[阶段 1] 抓取（粗下载）
- 建 meta.json（每条 status=pending）
- 并发 opencli weixin download
- 产物原样落地 raw/wechat/{author}/__opencli_raw/{date}-{N}/...
│
▼
[阶段 2] normalize（规范化后处理）
- 移动 md 文件到平铺路径 raw/wechat/{author}/{date}-{slug}.md
- 改写：顶部 > 引用块 → YAML frontmatter（七件套 + status: uncompiled）
- 图片迁移：images/{wechat-hash}.jpg → attachments/{date-slug}/img_NNN.{ext}
- 正文： → ![[attachments/{date-slug}/img_NNN.jpeg]]（本地化）
- 文末追加 <!-- TODO OCR --> 占位
- 删除中间目录 __opencli_raw/
│
▼
[阶段 3] 异步 OCR（独立触发，可延后）
- 扫 status: uncompiled
- 每张图 Read → 多模态 OCR → 在图片上方插入 [!note] callout
- status: uncompiled → compiled
规范化产物结构（强制）
raw/wechat/{author}/
├── {YYYY-MM-DD}-{slug}.md ← 平铺 md（一文一文件）
├── {YYYY-MM-DD}-{slug}.md
├── ...
├── attachments/ ← 就近 attachments
│ ├── {YYYY-MM-DD}-{slug}/
│ │ ├── img_001.jpeg
│ │ ├── img_002.jpeg
│ │ └── ...
│ └── ...
└── index.md ← 全文章索引表（标题/日期/URL/status）
raw md frontmatter（七件套，硬约束）
---
article_id: OBA-{8位}
tags: ["wechat", "{author}", "{topic-tag}"]
type: source
source_url: <原文 URL>
publish_date: YYYY-MM-DD
author: {author}
updated_at: YYYY-MM-DD
status: uncompiled
---
normalize 后处理规则（硬约束）
- 文件名 slug 化：去掉标题里的【日期】前缀、特殊字符、空格替换为
-
- frontmatter 替换正文 > 引用块：opencli 默认在正文顶部写
> 公众号: > 发布时间: > 原文链接:，normalize 阶段全部移除，信息全部进 frontmatter
- 图片本地化：
- opencli 默认下载到
{title}/images/{wechat-hash}.{ext}，hash 不可读
- normalize 按出现顺序重编号为
img_001、img_002，迁移到 attachments/{date-slug}/
- 正文中的
 替换为 ![[attachments/{date-slug}/img_{N+1:03d}.{ext}]]（imgIndex 0-based → 文件名 1-based 三位补零）
- OCR 占位：每张图片本地引用上方插入
<!-- TODO OCR --> HTML 注释，OCR 完成后 OCR 脚本会把它替换为 [!note] OCR callout
- 去除嵌套：删除 opencli 自带的
{title}/ 中间目录，所有 md 平铺到 raw/wechat/{author}/ 下
失败处理
- opencli 返回
status: failed — no title：原文已删除/纯图片帖，标记 permanent_failure: true，不再重试
- 单条超时：重试 2 次后标记 failed
- 连续 5 次失败 / 429 / 403：立即停止，写日志，等用户介入
与通用批量模式的差异
| 维度 | 通用批量（5-50 条混合 URL） | 微信批量专项（≥ 50 条单源） |
|---|
| 下载工具 | web-search 路由（Layer 1-4） | 直接 opencli weixin download |
| 并发 | Sub Agent 4 个 | Python 进程 3 worker |
| 编译时机 | 边采边编（每条 raw + wiki） | 阶段解耦（先全采，再 normalize，再 OCR，wiki 多对一蒸馏） |
| wiki 产出 | 1 URL → 1 wiki | N URL → 1 方法论 wiki（多对一蒸馏，调 distiller） |
写入后验证
遵循 frontmatter-schema 中的验证清单：
- Frontmatter：确认 tags（非空）、type（预定义值）、updated_at 存在
- Wikilink：扫描所有
[[xxx]] 引用，确认目标文件存在于 vault 中
- 索引：确认文章已出现在对应
wiki/{theme}/index.md 中
- 交叉引用：在同目录已有文章中查找 tags 重叠的文章，添加反向链接
更新项目 CLAUDE.md 索引段
编译完成后，如果当前在 git 项目中，自动更新项目 CLAUDE.md 中的 Obsidian 索引段。流程参考 ob-project-log/references/claude-index-format.md 中的"共享更新流程"。
注意：ob-collect 写入的内容通常在主题目录（wiki/{theme}/），不一定有项目级索引。此时更新会静默跳过，不影响主流程。如果用户已为当前项目建立了 Obsidian 项目索引（wiki/projects/{project}/），则同步更新 CLAUDE.md。
异常处理
| 场景 | 处理 |
|---|
| 视频无字幕 | OpenCLI download → A2S ASR 转录（见 ASR 回退流程） |
| A2S 转录失败 | 提示用户提供文字稿 |
| web-search 全部 Layer 失败 | 提示用户检查 URL 或手动粘贴内容（路由失败由 web-search 内部处理） |
| 内容为空或过短 | 提示用户确认是否继续 |
| 概念文章已存在 | 读取并更新，不创建重复 |
| 概念冲突 | 在文章中标注矛盾，追加说明 |
| 主题无法自动匹配 | 自动创建新主题目录（kebab-case 英文命名） |
| 批量连续失败（≥3 次） | 自动暂停，报告失败项 |
| HTTP 429/403 | 立即停止，提示等待后重试 |
