| name | material-retrieve |
| description | 从素材库中按主题、标签、类型检索可复用的写作素材。当用户说"找素材""查素材""关于XX的素材""检索素材库""有没有关于XX的东西""翻翻素材库"时使用此技能。当用户在写作过程中需要支撑材料时也应主动建议使用。 |
| license | MIT |
| metadata | {"author":"simonwong","version":"1.1.0"} |
素材检索
从素材库中按条件检索相关素材。
数据路径
素材库位于 ./writing-workspace/materials/：
index.jsonl — 素材索引（JSONL 格式，每行一条 {id, summary, tags, type, source_title, reusability}）entries/{id}.json — 素材完整内容
执行流程
1. 读取索引
读取 ./writing-workspace/materials/index.jsonl。
- 如果文件不存在或为空：告诉用户"素材库还是空的，可以用 material-ingest 技能先入库一些文章。"然后结束。
- 如果有内容：继续检索。
2. 解析用户查询
从用户输入中提取检索条件，支持以下维度的任意组合：
| 维度 | 示例 |
|---|
| 关键词 | "关于创业的素材" → 关键词"创业" |
| 标签 | "标签是AI的" → 标签匹配"AI" |
| 类型 | "找一些案例" → type=case |
| 情绪 | "有没有比较犀利的观点" → sentiment=provocative |
| 复用度 | "找那些可以直接用的" → reusability=high |
如果用户只给了一个主题词，同时按关键词和标签两个维度匹配。
3. 多维匹配
遍历 index.jsonl 中的所有条目，按以下逻辑匹配：
关键词匹配（模糊）：
- 检查 summary 和 tags 中是否包含查询词或其近义词
- "创业"应匹配"初创公司""创业者""startup"
- "AI"应匹配"人工智能""大模型""LLM"
标签匹配（精确 + 模糊）：
类型/情绪/复用度匹配（精确）：
4. 排序
匹配结果按以下优先级排序：
- 相关度（匹配维度越多越靠前）
- 可复用程度（high > medium > low）
- 时间（新的优先）
5. 读取完整内容
对排序后的前 10 条结果，读取 entries/{id}.json 获取完整 content。
6. 展示结果
## 素材检索结果
查询：关于"创业"的素材
匹配：共 X 条
| # | ID | 类型 | 摘要 | 标签 | 复用度 |
|---|-----|------|------|------|--------|
| 1 | mat_xxx | viewpoint | ... | 创业, AI | high |
| 2 | mat_xxx | case | ... | 初创公司 | medium |
---
### 详细内容
**1. mat_xxx** [viewpoint] — 来自《原文标题》
> 完整内容...
**2. mat_xxx** [case] — 来自《原文标题》
> 完整内容...
如果没有匹配结果，告诉用户"没有找到相关素材"，并建议扩大搜索范围或入库更多文章。
注意事项
- 结果不超过 10 条。如果匹配太多，只展示最相关的 10 条并告知用户总数。
- 展示完整内容时保留原文措辞，不做改写。
- 如果用户的查询太模糊（比如只说"找素材"），询问具体主题或方向。
