im-wiki-extractor

name	im-wiki-extractor
description	将超长群聊日志转化为结构化知识图谱。采用滑动窗口增量提取，规避上下文限制，并确保实体与关系的沉淀与溯源
license	Apache-2.0
author	github/cafe3310
depends_on_skill	["github/cafe3310/agent-skill-memories-off -> memories-off"]
depends_on_binary	["python3"]

Agent Skill: im-wiki-extractor (群聊知识图谱提取器)

1. 概述 (Overview)

本技能旨在将非结构化的聊天记录（如群聊历史）转化为存储在 memories-off Agent Skill 生成的仓库中的结构化知识图谱。 它强调「逐渐增量」的处理方式，通过 100 行一个的「滑动窗口」来处理超长日志，从而规避模型上下文限制。 该技能通过动态注入工具的 help 信息来确保子代理生成 100% 正确的 CLI 指令。

外部依赖与规范说明

本 Skill 依赖 memories-off 库进行实体管理与长期记忆。在执行任何任务前，您必须先查阅并完整遵循当前目录下的 memories-off-declare.md 声明文档，以获取其定义的实体类型规范及封装的子过程操作细节。

2. 提取定义 (Schema)

提取任务应遵循用户给出的实体和关系规范。 在 templates/meta.md 中包含了一个示例定义，定义了实体的类型（Member, Opinion, Info 等）及其关系谓语（Propose, Discuss 等）。 用户可以根据实际需求进行调整。

3. 工作流阶段 (Workflow Phases)

第一阶段：准备与访谈

1. 确认范围: 询问语料位置及目标知识库目录。
2. Schema 确认: 引导用户确认 templates/meta.md。
3. 目标定义: 确认 templates/prompt_template.md。

第二阶段：空间初始化

1. 初始化 memories-off 仓库: 在用户指定的地方创建知识目录并执行 memocli init。
2. 配置元数据: 用 cp 命令将 templates/meta.md 的内容写入知识库的 meta.md；或根据用户之前的输入动态生成 meta.md。
3. 复制语料: 在 memocli init 创建的知识库中创建 chat_res 子目录，用于存储规范化后的原始语料；然后将原始日志复制到 chat_res，按顺序重命名为 YYYY-MM-DD_NNN_orig_name.md。
4. 任务分解与状态追踪: 运行 python scripts/setup_workspace.py path_to_chat_res TASK_YYYY-MM-DD.md。该脚本会扫描语料并生成带有行号分片（100行）和前序上下文（50行）的 TASK 文件。

第三阶段：增量提取循环 (断点续传)

针对 TASK 文件中定义的每个未完成分片（[ ]）：

1. 自动定位: 启动任务时，直接定位到 TASK 文件中第一个 [ ] 状态的分片开始处理。
2. 生成提示词: 运行 python scripts/generate_prompt.py ...。该脚本现在会动态注入支持「组合操作」的 memocli 语法（如在追加内容的同时建立关系）。
3. 执行提取子任务 (原子化操作):
   • 组合指令优先: 优先使用 append-update --add-rel-out 等组合指令，减少工具调用次数。
   • 路径自动探测: 默认在知识库根目录执行，无需显式传入 --path。
   • 失败处理: 若执行中断，直接在下一次尝试时重新处理该分片。
4. 记录与提交:
   • 检查 TASK 文件，确认分片状态已更新为 [x]。
   • 标准化提交: 执行 memocli commit -r "processed chunk [ID]"。该命令会自动触发全库审计并生成标准的 Git 提交信息。
5. 检查并继续: 进入下一个分片。

4. 执行原则 (Execution Principles)

• 命名规范 (Identity): 实体名即文件名。严禁添加类型前缀。
• 组合语义 (Combined Ops): 充分利用 memocli 的 --add-rel-out/in 参数。在 create-entity 或 append-update 时同步完成关系建模，提升提取效率。
• 动态语法核验: generate_prompt.py 会实时调用 memocli --help 以确保子代理使用的语法与当前环境安装的版本 100% 匹配。
• 最小化探测:
  • 识别到实体后直接 create-entity，通过 || true 忽略已存在错误。
  • 严禁冗余的 ls 或全局 search。
• 溯源强制: 所有的 append-update 必须包含 filename:line_range。

5. 资源清单 (Resources)

脚本 (Scripts)

• scripts/setup_workspace.py: 初始化分片任务清单。
• scripts/generate_prompt.py: 动态组装包含权威 CLI 语法的子代理提示词。

模板 (Templates)

• templates/prompt_template.md: 核心任务模板，包含元数据和工具操作占位符。
• templates/meta.md: 图谱本体定义模板。