Menu
智能建议引擎，根据上下文和用户行为主动推荐相关操作
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 | suggestion-engine |
| description | 智能建议引擎，根据上下文和用户行为主动推荐相关操作 |
| trigger | [{"after-command":true}] |
| priority | high |
| version | 1 |
智能建议引擎，在用户执行操作后主动提供个性化推荐，提升知识管理效率。
基于当前操作的内容和上下文，智能推荐下一步操作
自动发现相关知识条目，建议创建关联
根据知识图谱和学习进度，推荐学习路径
根据用户偏好和行为模式，提供优化建议
触发条件：
1. 添加知识后 (kb-add, kb-from-url, kb-from-pdf, kb-from-image)
→ 发现相关条目
→ 建议创建关联
→ 推荐学习计划
2. 搜索后 (kb-search, kb-search-web)
→ 建议细化搜索
→ 推荐相关主题
→ 建议学习路径
3. 编辑知识后 (kb-edit)
→ 检测内容变化
→ 建议更新关联
→ 推荐复习
4. 测验后 (kb-quiz)
→ 显示薄弱环节
→ 推荐针对性复习
→ 建议练习资源
5. 复习后 (kb-review)
→ 显示复习统计
→ 预测下次复习
→ 推荐扩展学习
6. 学习计划更新后 (kb-learn, kb-progress)
→ 显示学习进度
→ 调整学习建议
→ 推荐配套资源
触发时机: 添加知识、编辑知识后
检测逻辑:
def find_associations(new_item):
candidates = []
# 1. 标签重叠度检测
for item in knowledge_base:
overlap = calculate_tag_overlap(new_item.tags, item.tags)
if overlap > 0.5: # 50%以上重叠
candidates.append({
'item': item,
'reason': f"标签重叠度: {overlap*100}%",
'confidence': overlap
})
# 2. 主题提及检测
for item in knowledge_base:
if new_item.title.lower() in item.content.lower():
candidates.append({
'item': item,
'reason': f"内容中提到了 '{new_item.title}'",
'confidence': 0.8
})
# 3. 时间邻近性检测
recent_items = get_items_from_last_week()
for item in recent_items:
if has_similar_context(new_item, item):
candidates.append({
'item': item,
'reason': "最近添加的相似内容",
'confidence': 0.6
})
# 按置信度排序
return sorted(candidates, key=lambda x: x['confidence'], reverse=True)[:5]
建议输出:
💡 发现相关条目
[2026-01-04-105644] React基础概念 (92%相关)
标签重叠: react, hooks
原因: 标签重叠度 85%
[2026-01-04-105900] 函数组件实践 (85%相关)
标签重叠: react
原因: 内容提及了相似概念
建议操作:
1. 创建关联 - /kb-link new-id 2026-01-04-105644
2. 批量关联 - /kb-link new-id all
3. 暂不关联 - skip
执行哪些？(输入序号或all)
触发时机: 搜索后、添加系列知识后
推荐逻辑:
def suggest_learning_path(topic):
# 获取主题相关的所有条目
related_items = search_by_topic(topic)
# 按难度和依赖关系排序
sorted_items = topological_sort(related_items)
# 分组为学习阶段
path = {
'beginner': sorted_items[:3],
'intermediate': sorted_items[3:7],
'advanced': sorted_items[7:]
}
return path
建议输出:
🎓 推荐学习路径: React Hooks
基于您的内容和搜索记录，为您规划了学习路径：
第1阶段: 基础入门 (2-3天)
1. React Hooks概述 [2026-01-04-105644]
2. useState基础 [2026-01-03-102415]
3. useEffect入门 [2026-01-03-105822]
第2阶段: 进阶实践 (1周)
4. Hook规则和限制 [2026-01-02-091533]
5. 自定义Hooks [2026-01-02-104511]
6. 性能优化 [2026-01-01-101234]
第3阶段: 深入理解 (2周)
7. Hooks源码分析 [2026-01-01-095822]
8. 高级模式 [2026-01-01-093211]
建议操作:
1. 创建学习计划 - /kb-learn "React Hooks" --items=1-8
2. 开始学习第一阶段 - /kb-learn "React Hooks" --stage=1
3. 测试当前水平 - /kb-quiz "React Hooks"
选择: _
触发时机: 测验后、复习评分低后
分析逻辑:
def analyze_weaknesses(quiz_results):
weaknesses = {}
for question in quiz_results:
if not question.correct:
topic = question.topic
if topic not in weaknesses:
weaknesses[topic] = {
'count': 0,
'items': []
}
weaknesses[topic]['count'] += 1
weaknesses[topic]['items'].append(question.related_item)
# 按错误频率排序
return sorted(weaknesses.items(),
key=lambda x: x[1]['count'],
reverse=True)
建议输出:
📊 测验分析: React Hooks
总分: 75/100
薄弱环节识别:
❌ useEffect依赖项 (3个错误)
相关条目: [2026-01-03-105822], [2026-01-02-091533]
⚠️ 自定义Hooks (1个错误)
相关条目: [2026-01-02-104511]
建议改进计划:
1. 重点复习useEffect - /kb-review 2026-01-03-105822
2. 重做useEffect练习 - /kb-quiz "useEffect" --difficulty=hard
3. 费曼技巧讲解 - /kb-teach "useEffect依赖项" --role=teacher
4. 创建专项复习计划 - /kb-learn "useEffect深入理解" --focus=true
执行哪些？(输入序号或all)
触发时机: 搜索结果过多/过少后
判断逻辑:
def suggest_search_refinement(search_results, query):
result_count = len(search_results)
if result_count == 0:
return {
'type': 'no_results',
'suggestions': [
f"尝试相关词: '{query}'的同义词",
f"检查拼写: '{query}'是否正确",
f"扩大范围: 移除一些过滤条件"
]
}
elif result_count < 5:
return {
'type': 'few_results',
'suggestions': [
f"相关主题: 搜索 '{query}'相关概念",
f"扩展标签: 使用更宽泛的标签",
f"网络搜索: /kb-search-web '{query}'"
]
}
elif result_count > 20:
return {
'type': 'many_results',
'suggestions': [
f"添加过滤: --tag=xxx, --category=xxx",
f"时间范围: --after=2026-01-01",
f"精确匹配: 使用双引号 '{query}'"
]
}
else:
return None # 结果数量合适，不需要建议
建议输出:
💡 搜索优化建议
找到 35 个结果，结果较多。建议：
1. 添加标签过滤
/kb-search React --tag=hooks
预计减少到 15 个结果
2. 按时间筛选
/kb-search React --after=2026-01-01
只显示最近内容
3. 搜索更具体
/kb-search "React Hooks useState"
使用精确短语
4. 网络搜索补充
/kb-search-web "React Hooks 最新实践"
查找在线资源
执行哪个？(输入序号或done)
触发时机: 每日、学习计划更新时
算法: SuperMemo 2 (SM-2)
def calculate_next_review(item):
if not item.reviews:
return today + 1 day
last_review = item.reviews[-1]
ease_factor = item.easeFactor # 默认 2.5
interval = item.interval # 默认 1 天
# SM-2 算法
if last_review.quality < 3:
# 记忆不好，重置间隔
next_interval = 1
else:
# 记忆好，增加间隔
next_interval = interval * ease_factor
# 调整难度系数
ease_factor = max(1.3,
ease_factor + (0.1 - (5 - last_review.quality) * (0.08 + (5 - last_review.quality) * 0.02)))
return today + next_interval days, ease_factor, next_interval
建议输出:
📅 今日复习提醒 (5条待复习)
1. [2026-01-03-105822] useEffect依赖项
上次评分: 4/5 | 复习间隔: 3天 | 遗忘概率: 35%
2. [2026-01-02-104511] 自定义Hooks
上次评分: 5/5 | 复习间隔: 7天 | 遗忘概率: 20%
3. [2026-01-01-101234] React性能优化
上次评分: 3/5 | 复习间隔: 2天 | 遗忘概率: 50% ⚠️
建议操作:
1. 开始今日复习 - /kb-review --today
2. 优先复习遗忘概率高的 - /kb-review --priority=high
3. 查看复习统计 - /kb-review --stats
预计耗时: 15分钟
触发时机: 添加知识后、批量导入后
检测逻辑:
def analyze_content_quality(item):
issues = []
score = 100
# 1. 完整性检测
if len(item.content) < 200:
issues.append({
'type': 'too_short',
'severity': 'warning',
'message': '内容较短，建议补充更多细节'
})
score -= 10
# 2. 代码示例检测
if 'code' in item.tags and not has_code_examples(item.content):
issues.append({
'type': 'missing_examples',
'severity': 'info',
'message': '代码片段建议添加实际示例'
})
score -= 5
# 3. 标签完整性
if len(item.tags) < 2:
issues.append({
'type': 'few_tags',
'severity': 'info',
'message': f'建议添加更多标签，当前: {item.tags}'
})
score -= 5
# 4. 关联检测
related = find_related_items(item)
if len(related) > 0 and not item.links:
issues.append({
'type': 'missing_links',
'severity': 'suggestion',
'message': f'发现{len(related)}个相关条目，建议创建关联',
'related': related[:3]
})
score -= 10
return {
'score': max(0, score),
'issues': issues
}
建议输出:
📝 内容质量分析
质量得分: 75/100
改进建议:
⚠️ 内容较短
当前: 180字 | 建议: >500字
操作: /kb-edit [id] 补充细节
ℹ️ 缺少代码示例
检测到标签: code-snippet
建议: 添加实际使用示例
💡 发现2个相关条目
• [2026-01-03-105822] useEffect依赖项
• [2026-01-02-104511] 自定义Hooks
操作: /kb-link [id] 2026-01-03-105822
立即改进？(y/n)
建议频率控制:
用户偏好级别:
- conservative: 每操作3-5次后建议1次
- moderate (默认): 每操作1-2次后建议1次
- aggressive: 每次操作后都建议
时间控制:
- 不要在短时间内重复建议 (>5分钟)
- 不要建议用户明确拒绝过的内容
def rank_suggestions(suggestions, user_preferences):
scores = []
for suggestion in suggestions:
score = 0
# 1. 相关性加分
score += suggestion.relevance * 0.4
# 2. 用户兴趣加分
if suggestion.topic in user_preferences.interests:
score += 0.3
# 3. 学习阶段匹配
if suggestion.difficulty == user_preferences.expertiseLevel:
score += 0.2
# 4. 时间合适性
if is_preferred_time(user_preferences.activeHours):
score += 0.1
scores.append((suggestion, score))
# 按分数排序
return sorted(scores, key=lambda x: x[1], reverse=True)[:3]
💡 智能建议 (最多3条)
[优先级高] 建议标题
说明: 简短解释原因
操作: /command-args
[优先级中] 建议标题
说明: 简短解释原因
操作: /command-args
[优先级低] 建议标题
说明: 简短解释原因
操作: /command-args
---
快捷操作:
1 - 执行第1条
2 - 执行第2条
3 - 执行第3条
all - 全部执行
done - 跳过
never - 不再显示此类建议
选择: _
用户响应类型:
1. accept - 接受建议
→ 记录为成功建议
→ 增加该类型建议的权重
2. reject - 拒绝建议
→ 记录为失败建议
→ 降低该类型建议的权重
3. skip - 跳过
→ 不影响权重
→ 可能在下次重新建议
4. never - 永不显示
→ 加入黑名单
→ 永久不再建议该类型
5. modify - 修改后执行
→ 记录用户偏好
→ 调整未来建议
def update_suggestion_preferences(user_action, suggestion):
preferences = load_user_preferences()
# 更新建议接受率
if user_action == 'accept':
preferences.suggestionAcceptRate += 0.1
elif user_action == 'reject':
preferences.suggestionAcceptRate -= 0.05
# 更新类型偏好
suggestion_type = suggestion.type
if user_action == 'accept':
preferences.suggestionTypeWeights[suggestion_type] += 0.2
elif user_action == 'reject':
preferences.suggestionTypeWeights[suggestion_type] -= 0.1
# 更新黑名单
if user_action == 'never':
preferences.suggestionBlacklist.append({
'type': suggestion_type,
'content': suggestion.content_hash
})
# 归一化权重
normalize_weights(preferences.suggestionTypeWeights)
save_preferences(preferences)
{
"suggestions": {
"enabled": true,
"aggressiveness": "moderate", // conservative | moderate | aggressive
"maxSuggestions": 3,
"showConfidence": false,
"typeWeights": {
"association": 0.8,
"learning_path": 0.9,
"weakness": 0.7,
"search_refinement": 0.6,
"review_reminder": 0.8,
"quality_improvement": 0.5
},
"blacklist": [],
"acceptRate": 0.65,
"lastShown": "2026-01-04T14:30:00Z"
}
}
协作模式：
Knowledge Manager 负责内容分析
→ Suggestion Engine 基于分析结果生成建议
例如：
- Knowledge Manager 检测到标签冲突
→ Suggestion Engine 建议标准化标签
协作模式：
NLP Interface 解析用户意图
→ Suggestion Engine 提供操作建议
例如：
- 用户: "我想学习React"
- NLP: 识别为学习意图
- Suggestion: "建议创建学习计划: /kb-learn 'React'"
协作模式：
User Preferences 提供行为数据
→ Suggestion Engine 个性化推荐
例如：
- 偏好显示用户下午2-5点活跃
→ Suggestion 在下午推荐学习资源
→ 早上推荐复习任务
# 建议生成不阻塞主流程
async def generate_suggestions_after_command(command_result):
# 在后台生成建议
suggestions = await async_analyze_and_suggest(command_result)
# 只在合适时机显示
if should_show_suggestions():
display_suggestions(suggestions)
# 缓存常见建议
cache = {
'react_learning_path': {
'suggestions': [...],
'generated_at': '2026-01-04',
'ttl': 86400 # 24小时
}
}
def get_suggestions(topic):
if topic in cache and not cache_expired(topic):
return cache[topic]['suggestions']
return generate_fresh_suggestions(topic)
# 避免重复建议
def deduplicate_suggestions(suggestions, history):
seen = set()
unique = []
for suggestion in suggestions:
signature = (suggestion.type, suggestion.content_hash)
if signature not in seen and signature not in history.recently_shown:
seen.add(signature)
unique.append(suggestion)
return unique
❌ 不好:
- 每次操作都弹出建议
- 一次显示10条建议
- 无法关闭建议
✅ 好:
- 控制频率 (moderate模式)
- 最多显示3条
- 提供"never"选项
❌ 无价值建议:
"您可以查看帮助文档"
✅ 有价值建议:
"发现3个useState相关条目，建议创建关联以提高学习效率"
根据用户调整:
- 新用户: 更多引导性建议
- 高级用户: 更少但更精准的建议
- 特定兴趣: 优先推荐相关领域
- 活跃时间: 学习vs复习建议
用户: /kb-add "React Hooks学习笔记" --tags=react,hooks
系统: ✅ 已添加: [2026-01-04-143052]
💡 智能建议
1. [85%] 创建关联
发现2个相关条目:
• [2026-01-03-105822] useEffect依赖项
• [2026-01-02-104511] 自定义Hooks
操作: /kb-link 2026-01-04-143052 2026-01-03-105822
2. [75%] 开始学习
建议创建学习计划掌握React Hooks
操作: /kb-learn "React Hooks深入理解"
3. [60%] 测试理解
检验对Hooks的掌握程度
操作: /kb-quiz "React Hooks"
选择: _ (或done跳过)
用户: /kb-quiz "React Hooks"
系统: 📊 测验完成: 75/100
💡 改进建议
薄弱环节: useEffect依赖项 (3个错误)
1. 重点复习
/kb-review 2026-01-03-105822 --focus
2. 费曼技巧讲解
/kb-teach "useEffect依赖项" --role=teacher
3. 额外练习
/kb-quiz "useEffect" --difficulty=hard
选择: _
用户: (早晨打开系统)
系统: 📅 早上好！今日学习提醒
📚 复习任务: 5条待复习 (预计15分钟)
🆕 新知识: 昨日添加3条React相关内容
🎯 学习进度: "React Hooks"计划进行中(35%)
建议操作:
1. 开始复习 - /kb-review --today
2. 继续学习 - /kb-learn "React Hooks" --continue
3. 查看详情 - /kb-progress
开始今日学习？(y/n)