geo-kb

name	geo-kb
description	GEOVisibilityTool 本地知识库管理。把每次 probe→analyze→report 运行的产物自动 ingest 到 ~/.geo-kb/kb.sqlite,累积形成"跨 brand、跨 vertical、跨时间"的可查询知识库。**stdlib only(sqlite3)。所有数据全在本地,从不上传**。geo-harness 在每次跑完后自动调用;也可手动 query 历史数据。
triggers	["查 KB","查我跑过的 GEO 历史","这个 LLM 在历史上引谁最多","这个垂类的 visibility 基准","geo-kb","历史 GEO 数据"]
metadata	{"author":"KnightMafiaLau","source":"geo-harness v0.1"}
user-invocable	true
disable-model-invocation	false

geo-kb — 本地 GEO 知识库

什么时候用

• 每次 harness 跑完自动 ingest(geo-harness Phase 6 已自动调用)
• 用户想手动查 KB:
  • 跨 brand 看某 LLM × intent 偏好哪些 channel
  • 某品牌历史 visibility 趋势
  • 某 LLM 的 recipe 健康度有没有下降
  • 某垂类的 visibility 基准对比
  • 导出某次完整 run 的视图

数据存储位置

~/.geo-kb/
└── kb.sqlite        # 唯一文件,SQLite 3 schema
                     # 3 表:runs / citations / recipe_health

全在本地,从不上传任何东西。备份就是 cp 这个文件。

你（Claude）要做的事

1. 拿用户问题 → 选 subcommand

用户问	用
"把这次测试导入 KB" / "ingest"	kb.py ingest <test-dir> --vertical <V>
"KB 总览" / "我跑了多少"	kb.py stats
"Qwen 在了解原理类引谁最多"	kb.py query channels --llm Qwen --intent 了解原理 [--vertical V]
"拓竹的历史 visibility"	kb.py query trend --brand <slug>
"DeepSeek 的 recipe 健康度趋势"	kb.py query recipe-health --llm DeepSeek
"3D 打印垂类的 visibility 基准"	kb.py query benchmark --vertical "3D 打印"
"导出这次 run 看"	kb.py export <run-id>

2. 路径约定

• kb.py 在 repo 的 scripts/kb.py(用户 clone 后路径可能各异)
• 用户可能在 GEOVisibilityTool 根目录运行 → python3 scripts/kb.py ...
• 也可能装 alias / 加 PATH → kb.py ... 直接调
• 第一次用 KB 之前调用 kb.py init(创建 ~/.geo-kb/ + schema)

3. ingest 自动化(geo-harness 内部)

geo-harness Phase 6 完成后,自动调用:

python3 <repo-path>/scripts/kb.py ingest <test-dir> --vertical <从 plan.yaml 或用户输入推断>

如果用户没指定 vertical,问一次("这个品牌属于什么垂类?如 3D 打印 / SaaS / 机器人 等"),用于后续跨 brand 查询。

4. KB 查询结果如何反哺其他 skill

(v1 是手动 query;v2 可考虑让 sub-skill 自动读 KB)

• geo-queries 生成 query 前可查:kb.py query channels --vertical <V> 看该垂类历史强信号,调整生成倾向
• geo-channels 出投放建议前可查:kb.py query benchmark --vertical <V> 看 cross-brand 平均水平,调整 ROI 定级口径
• geo-analyze 出分数后可加 cross-vertical benchmark 注脚:"本品牌 visibility 91.6,同垂类 3 个品牌平均 75.3"

5. 跑完后给用户

KB 已更新:

• run_id =
• 累积: runs / brands / verticals / citations
• 这次新增: citations / recipe_health entries

想查:

• kb.py query channels --llm X --intent Y — 跨 brand 找强信号
• kb.py query trend --brand <slug> — 看自家历史趋势
• kb.py stats — 总览

---

几个常见坑(别踩)

• 不要让 KB 路径硬编码到 ~/.geo-kb/ 之外的位置 — 用户备份 / 多机同步靠这个固定路径
• 不要把品牌名 / 竞品名 自动 redact(那是 make-bundle 干的,for 公开分享;KB 是本地用,fidelity 优先)
• 不要在 sub-skill 里实现"读 KB"(v1 KB 是 read-only by user;v2 再考虑接入)
• 不要 ingest 一个不完整的测试目录(probe-plan.yaml 必须有,缺它就 sys.exit)

---

不做的事

• 不上传 KB 到任何远端
• 不在 ingest 时去敏(全 fidelity 本地存)
• 不替代 make-bundle.py(那是 for 公开 issue 分享的脱敏 bundle)
• 不在 Constitution 6 条边界内 — kb.py 是 scripts/ 下的 helper(~250 行,sqlite3 + stdlib),不属于 skill 内部 Python,不受 §6 的 150 行约束