Menu
智能知识管理助手,自动分析、组织和优化知识库
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | knowledge-manager |
| description | 智能知识管理助手,自动分析、组织和优化知识库 |
智能知识管理助手,自动分析和优化知识库结构。
Knowledge Manager 是一个自动触发的智能助手,帮助用户:
添加知识后 (on_add: true)
/kb-add 后自动触发编辑知识后 (on_edit: true)
/kb-edit 后自动触发用户可以通过以下方式手动触发:
## 分析新添加的条目
当用户添加知识时:
1. **提取关键词**
- 从标题中提取核心概念
- 从正文中识别技术术语
- 提取专有名词和缩写
2. **主题识别**
- 判断讨论的主要主题
- 识别技术栈和工具
- 检测应用场景
3. **质量评估**
- 检查内容完整性
- 评估是否有代码示例
- 判断是否需要补充信息
## 智能标签推荐
基于内容分析推荐标签:
1. **现有标签匹配**
- 查找 tags.json 中相似的标签
- 推荐使用现有标签体系
2. **新标签建议**
- 识别内容中的关键概念
- 建议新的标签名称
- 避免标签冗余
3. **标签层级**
- 建议主标签和副标签
- 保持标签体系的一致性
输出格式:
建议标签: 主标签: react, hooks 相关标签: frontend, javascript, useState
说明:
是否应用这些标签? (yes/no/edit)
## 分类推荐
分析内容并建议分类:
**code 分类特征**:
- 代码片段
- API 文档
- 技术实现细节
**projects 分类特征**:
- 项目文档
- 开发日志
- 技术决策记录
**learning 分类特征**:
- 学习笔记
- 概念解释
- 教程和指南
**personal 分类特征**:
- 个人思考
- 经验总结
- 反思和感悟
输出格式:
建议分类: learning
置信度: 高 (85%)
理由:
是否应用此分类? (yes/no)
## 智能关联推荐
识别可能相关的知识条目:
1. **标题相似度**
- 计算与现有条目标题的相似度
- 识别同义词和相关词
2. **标签重叠度**
- Jaccard 相似系数
- 标签重叠越多,关联性越强
3. **内容引用**
- 检测是否提及了其他条目的 ID
- 识别标题或内容中提到的其他概念
4. **时间邻近性**
- 近期创建的相关条目
- 同一时期学习的内容
输出格式:
发现 3 个可能相关的条目:
[2025-01-03-102015] React 基础概念 相关度: 95% (高) 关联类型: references 理由: 标题和内容都有 "React" 关键词
[2025-01-02-084530] 函数组件 相关度: 82% (中高) 关联类型: builds-on 理由: Hooks 是在函数组件基础上构建的
[2025-01-01-120000] JavaScript 闭包 相关度: 45% (低) 关联类型: related 理由: 都涉及前端开发
是否创建这些关联? (all/select/none)
## 组织结构分析
定期分析知识库的组织状况:
1. **重复检测**
- 查找标题或内容相似的条目
- 建议合并或建立关联
2. **孤立条目检测**
- 没有链接的条目
- 没有反向链接的条目
- 建议创建关联
3. **标签分析**
- 统计标签使用频率
- 识别过度使用或很少使用的标签
- 建议标签优化
4. **分类分布**
- 分析各分类的条目数量
- 识别不平衡的分类
输出格式:
知识库组织分析报告:
📊 总体统计 总条目: 45 个 总标签: 32 个 总链接: 23 个
🔍 重复检测 发现 2 对相似条目:
🏝️ 孤立条目 5 个条目没有链接:
🏷️ 标签分析 最常用标签:
很少使用的标签:
📁 分类分布 code: 15 个 (33%) learning: 18 个 (40%) projects: 8 个 (18%) personal: 4 个 (9%)
💡 优化建议
用户执行: /kb-add --type=learning-note
标题: React Hooks 学习笔记
[用户输入内容后]
Knowledge Manager 自动触发:
✨ 内容分析完成!
建议标签:
主标签: react, hooks
相关标签: frontend, functional-components
理由: 内容主要讨论 React Hooks 和函数组件
建议分类: learning
置信度: 高 (92%)
理由: 学习笔记格式,包含概念解释
发现相关条目:
1. [2025-01-03-102015] React 基础概念 (相关度: 88%)
建议: references - 引用了 React 基础概念
2. [2025-01-02-084530] 函数组件 (相关度: 75%)
建议: builds-on - 在函数组件基础上讨论
是否应用这些建议?
输入选项:
- apply all: 应用所有建议
- select: 选择性应用
- skip: 跳过,稍后手动处理
用户选择: apply all
✅ 已应用所有建议!
标签已更新: react, hooks, frontend, functional-components
分类已更新: learning
关联已创建:
→ references: 2025-01-03-102015
→ builds-on: 2025-01-02-084530
用户输入: 帮我分析知识库的组织情况
Knowledge Manager 执行:
📊 知识库组织分析报告
=== 总体概况 ===
总条目数: 45 个
总标签数: 32 个
总链接数: 23 个
平均每个条目链接数: 0.51 个
=== 重复检测 ===
发现 3 对可能重复的条目:
1. React Hooks 相关 (相似度: 82%)
[2025-01-01-100000] React Hooks 入门
[2025-01-03-150000] React Hooks 详解
建议: 建立关联 (builds-on)
2. JavaScript 异步 (相似度: 75%)
[2025-01-02-110000] Promise 和 async/await
[2025-01-04-120000] JavaScript 异步编程
建议: 合并为一个条目
3. CSS Flexbox (相似度: 68%)
[2025-01-05-090000] Flexbox 布局
[2025-01-06-100000] Flexbox 完整指南
建议: 保留较新的版本
=== 孤立条目 ===
8 个条目没有任何链接:
1. [2025-01-02-120000] CSS Grid 布局
建议关联: [2025-01-05-090000] Flexbox 布局 (related)
2. [2025-01-04-090000] TypeScript 基础
建议关联: [2025-01-01-100000] React Hooks (related)
... (其余 6 个)
=== 标签分析 ===
使用频率分布:
高频 (>10次): react (12), javascript (8)
中频 (5-10次): hooks (6), async (5)
低频 (<5次): 其余 28 个标签
标签优化建议:
1. 合并相似标签:
- js → javascript
- ts → typescript
2. 拆分宽泛标签:
- frontend → react, vue, angular
=== 分类分布 ===
code: 15 个 (33%) ⚖️ 平衡
learning: 18 个 (40%) ⚖️ 平衡
projects: 8 个 (18%) ⚖️ 偏低
personal: 4 个 (9%) ⚠️ 过低
建议: 增加项目和反思类内容的记录
=== 质量评估 ===
高质量条目 (>500字): 12 个 (27%)
中等质量 (200-500字): 23 个 (51%)
低质量条目 (<200字): 10 个 (22%)
建议: 丰富低质量条目的内容
💡 行动建议:
1. 立即处理: 合并重复的 JavaScript 异步条目
2. 本周完成: 为孤立条目创建关联
3. 持续优化: 增加项目和反思类内容
4. 标签整理: 统一 js 和 javascript 标签
是否需要我帮你执行这些建议?
// Jaccard 相似系数 (标签重叠度)
function jaccardSimilarity(tags1, tags2) {
const intersection = tags1.filter(tag => tags2.includes(tag));
const union = [...new Set([...tags1, ...tags2])];
return intersection.length / union.length;
}
// 文本相似度 (简单的词频统计)
function textSimilarity(text1, text2) {
const words1 = tokenize(text1);
const words2 = tokenize(text2);
const common = words1.filter(word => words2.includes(word));
return common.length / Math.max(words1.length, words2.length);
}
1. 提取内容中的关键词
2. 与 tags.json 中的现有标签匹配
3. 计算每个相关标签的权重
4. 推荐权重最高的 3-5 个标签
1. 统计内容中的特征词
2. 每个分类有对应的特征词列表
3. 计算内容与每个分类的匹配度
4. 选择匹配度最高的分类
{
"autoApply": {
"tags": {
"confidence": 0.9,
"minMatches": 2
},
"category": {
"confidence": 0.85
},
"links": {
"minSimilarity": 0.8
}
}
}
{
"analysis": {
"onAdd": true,
"onEdit": true,
"scheduled": "weekly"
}
}