name	query
description	基于笔记/Wiki/ 知识库回答问题。必须先读取 index.md 定位相关页面，再深度阅读，最后用双链引用回答。支持 Synthesis 自动发现、多页面交叉验证、回答质量 Calibration。禁止凭模型记忆回答。
user-invocable	true

query 技能 v2.0

核心定位

Query 是知识工厂的问答引擎：只使用你的本地知识库回答问题，绝不凭模型记忆胡说八道。所有回答都带来源引用，高价值总结自动固化为 Synthesis。

架构升级 v2.0：

✅ 支持多页面交叉引用与一致性验证
✅ Synthesis 自动发现机制（无需用户问）
✅ Calibration 回答质量自检
✅ Memory 记住你问过的问题，避免重复回答

触发场景

触发方式	示例
`/query 问题`	`/query Claude Code 和普通 AI 有什么区别？`
自然语言询问	"我的笔记里关于 X 是怎么说的？"、"过去我对 Y 的决策是什么？"
关键词触发	提及"wiki"、"知识库"、"笔记"、"记录"

检索与综合流水线（v2.0 增强版）

前置检查：Memory 查询历史

第一步永远检查 Memory：

查询该问题或相似问题是否已回答过
已回答 → 直接给出上次的 Synthesis 链接，问是否需要更新
未回答 → 继续流程，回答后记录到 Memory

步骤 1：查阅全局索引

永远的第一步：读取 笔记/Wiki/index.md

在 index.md 中定位与问题相关的：

Architecture：架构、设计哲学
Tools：工具、能力、最佳实践
Skills：技能、工作流
Methodologies：方法论、框架
Integrations：集成方案
Sources：来源摘要
Syntheses：已有的综合分析

步骤 2：深度阅读 + 交叉验证

选取步骤 1 中找到的最相关页面，使用读取工具获取完整内容。

v2.0 增强：多页面一致性校验

如果 > 2 个页面提到同一话题，自动比对说法是否一致
发现不一致 → 明确标注："关于 X 有两种说法：A 页面说... B 页面说..."
标注每个主张的来源置信度

步骤 3：Calibration 质量自检

回答前必须通过自检：

检查项	通过标准
✅ 无编造	所有信息都能在本地页面找到原文
✅ 引用完整	每个主张都有对应的双链引用
✅ 冲突标注	页面间的不一致已明确标注
✅ 区分边界	通用知识 vs 知识库知识已明确划分

未通过自检的处理方式：

⚠️ 自检未通过：以下回答包含模型通用知识补充，本地知识库中未找到对应内容。

步骤 4：综合回答 + 双链引用

回答规范：

每当引用某个 Wiki 页面的信息，在文本中使用 [[页面名称]] 标注
整段引用同一页面：段落首尾各引用一次
引用特定原文：使用 Markdown 块引用 > 原文内容
发现不一致：用 ⚠️ 知识冲突 标注

降级策略（知识库无内容时）：

本地知识库中未找到相关内容，以下为通用知识回答： [直接回答问题，但明确标注这是外部知识]

步骤 5：Synthesis 自动发现

满足以下任一条件，主动询问是否保存：

条件	说明
回答 > 2 个段落	内容较长，有保存价值
引用 > 3 个页面	跨页面综合，本身就是新知识
解决了知识冲突	对不一致的说法做了梳理
用户追问 > 2 次	迭代式问答，价值高

询问话术：

💡 这是一个有价值的综合分析，是否需要我将其保存为 Synthesis 页面？

用户同意后：

在 笔记/Wiki/syntheses/ 创建页面
按照规范填写 Frontmatter
在 笔记/Wiki/index.md 的 Syntheses 分类下注册
在 Memory 记录该 Synthesis 的核心论点

步骤 6：记录操作日志

无论是否生成 Synthesis，查询结束后必须在 笔记/Wiki/log.md 末尾追加：

## [YYYY-MM-DD] query | 用户问题简述
- **引用页面**: [[PageA]], [[PageB]], [[PageC]]
- **输出**: 即时回答未保存 / 已保存为 [[SynthesisName]]
- **发现冲突**: 无 / 发现 X 与 Y 在 Z 问题上不一致

v2.0 增强特性

1. 多页面交叉验证

v1.0：单页引用 → 可能片面
v2.0：多页交叉 → 自动发现不一致，回答更可靠
自动标注置信度：多个页面一致 → high，单个来源 → medium

2. Synthesis 自动发现

不需要用户说"帮我总结一下"
AI 主动判断回答的价值，提出保存建议
保存的 Synthesis 成为后续 query 的输入 → 知识飞轮

3. Memory 上下文延续

记住你问过的问题："上次你问过 X，这次是想补充 Y 吗？"
记住你的偏好：你喜欢对比分析、你喜欢列表格式
避免重复劳动

4. 渐进式回答

先给你 2 句话摘要
再给详细展开
最后问你：需要我深入哪个部分？

强制约束（红线）

✅ 禁止凭记忆回答：回答前必须检索知识库，必须能找到原文对应
✅ 禁止静默回答：知识库无内容时必须声明，不能假装知道
✅ 禁止过度引用：同一页面的信息在段落首尾引用一次即可
✅ 禁止混淆边界：必须明确区分"知识库内容"和"通用知识"
✅ 冲突必须标注：发现不一致时不能选边站，必须明确标注冲突

回答示例

关于 Claude Code 和普通 AI 的区别：

[[Claude_Code]] 的核心定位是"AI 原生开发环境"，而普通 AI（如豆包）是"对话式问答工具"。本质区别在于：普通 AI 给你建议，你自己动手；Claude Code 直接把活干了。

从能力维度看：
- 普通 AI 只有对话能力，没有操作权限
- Claude Code 有 100+ 内置工具，可以直接改代码、发消息、调 API [[Tool_System]]
- Claude Code 支持 Subagent 并行处理，一个顶五个 [[Agent_Architecture]]
- Claude Code 有持久化 Memory，跨会话记住你的偏好 [[Memory_System]]

⚠️ 知识冲突：[[摘要-5c-prompt-contracts-paper]] 说提示工程已死，
但 [[摘要-anthropic-prompting-best-practices]] 仍推荐使用简化提示。
两者的共识是：复杂 DSL 有害，简单自然语言提示效果最好。

💡 这是一个有价值的综合分析，是否需要保存为 Synthesis？

关联连接

[[Skill_Ingest]] — 知识编译流水线，是 query 的上游
[[Skill_Lint]] — 知识库质量门禁，确保 query 的数据源可靠
[[Memory_System]] — 查询历史与用户偏好记忆
[[Synthesis_Workflow]] — 综合分析页面的创建规范

Más de este repositorio

mismo repositorio