Menu
智能知识管理助手,自动分析、组织和优化知识库
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
name: knowledge-manager description: 智能知识管理助手,自动分析、组织和优化知识库 trigger:
智能知识管理助手,自动分析和优化知识库结构。
Knowledge Manager 是一个自动触发的智能助手,帮助用户:
添加知识后 (on_add: true)
/kb-add 后自动触发编辑知识后 (on_edit: true)
/kb-edit 后自动触发用户可以通过以下方式手动触发:
## 分析新添加的条目
当用户添加知识时:
1. **提取关键词**
- 从标题中提取核心概念
- 从正文中识别技术术语
- 提取专有名词和缩写
2. **主题识别**
- 判断讨论的主要主题
- 识别技术栈和工具
- 检测应用场景
3. **质量评估**
- 检查内容完整性
- 评估是否有代码示例
- 判断是否需要补充信息
## 智能标签推荐
基于内容分析推荐标签:
1. **现有标签匹配**
- 查找 tags.json 中相似的标签
- 推荐使用现有标签体系
2. **新标签建议**
- 识别内容中的关键概念
- 建议新的标签名称
- 避免标签冗余
3. **标签层级**
- 建议主标签和副标签
- 保持标签体系的一致性
输出格式:
建议标签: 主标签: react, hooks 相关标签: frontend, javascript, useState
说明:
是否应用这些标签? (yes/no/edit)
## 分类推荐
分析内容并建议分类:
**code 分类特征**:
- 代码片段
- API 文档
- 技术实现细节
**projects 分类特征**:
- 项目文档
- 开发日志
- 技术决策记录
**learning 分类特征**:
- 学习笔记
- 概念解释
- 教程和指南
**personal 分类特征**:
- 个人思考
- 经验总结
- 反思和感悟
输出格式:
建议分类: learning
置信度: 高 (85%)
理由:
是否应用此分类? (yes/no)
## 智能关联推荐
识别可能相关的知识条目:
1. **标题相似度**
- 计算与现有条目标题的相似度
- 识别同义词和相关词
2. **标签重叠度**
- Jaccard 相似系数
- 标签重叠越多,关联性越强
3. **内容引用**
- 检测是否提及了其他条目的 ID
- 识别标题或内容中提到的其他概念
4. **时间邻近性**
- 近期创建的相关条目
- 同一时期学习的内容
输出格式:
发现 3 个可能相关的条目:
[2025-01-03-102015] React 基础概念 相关度: 95% (高) 关联类型: references 理由: 标题和内容都有 "React" 关键词
[2025-01-02-084530] 函数组件 相关度: 82% (中高) 关联类型: builds-on 理由: Hooks 是在函数组件基础上构建的
[2025-01-01-120000] JavaScript 闭包 相关度: 45% (低) 关联类型: related 理由: 都涉及前端开发
是否创建这些关联? (all/select/none)
## 组织结构分析
定期分析知识库的组织状况:
1. **重复检测**
- 查找标题或内容相似的条目
- 建议合并或建立关联
2. **孤立条目检测**
- 没有链接的条目
- 没有反向链接的条目
- 建议创建关联
3. **标签分析**
- 统计标签使用频率
- 识别过度使用或很少使用的标签
- 建议标签优化
4. **分类分布**
- 分析各分类的条目数量
- 识别不平衡的分类
输出格式:
知识库组织分析报告:
📊 总体统计 总条目: 45 个 总标签: 32 个 总链接: 23 个
🔍 重复检测 发现 2 对相似条目:
🏝️ 孤立条目 5 个条目没有链接:
🏷️ 标签分析 最常用标签:
很少使用的标签:
📁 分类分布 code: 15 个 (33%) learning: 18 个 (40%) projects: 8 个 (18%) personal: 4 个 (9%)
💡 优化建议
用户执行: /kb-add --type=learning-note
标题: React Hooks 学习笔记
[用户输入内容后]
Knowledge Manager 自动触发:
✨ 内容分析完成!
建议标签:
主标签: react, hooks
相关标签: frontend, functional-components
理由: 内容主要讨论 React Hooks 和函数组件
建议分类: learning
置信度: 高 (92%)
理由: 学习笔记格式,包含概念解释
发现相关条目:
1. [2025-01-03-102015] React 基础概念 (相关度: 88%)
建议: references - 引用了 React 基础概念
2. [2025-01-02-084530] 函数组件 (相关度: 75%)
建议: builds-on - 在函数组件基础上讨论
是否应用这些建议?
输入选项:
- apply all: 应用所有建议
- select: 选择性应用
- skip: 跳过,稍后手动处理
用户选择: apply all
✅ 已应用所有建议!
标签已更新: react, hooks, frontend, functional-components
分类已更新: learning
关联已创建:
→ references: 2025-01-03-102015
→ builds-on: 2025-01-02-084530
用户输入: 帮我分析知识库的组织情况
Knowledge Manager 执行:
📊 知识库组织分析报告
=== 总体概况 ===
总条目数: 45 个
总标签数: 32 个
总链接数: 23 个
平均每个条目链接数: 0.51 个
=== 重复检测 ===
发现 3 对可能重复的条目:
1. React Hooks 相关 (相似度: 82%)
[2025-01-01-100000] React Hooks 入门
[2025-01-03-150000] React Hooks 详解
建议: 建立关联 (builds-on)
2. JavaScript 异步 (相似度: 75%)
[2025-01-02-110000] Promise 和 async/await
[2025-01-04-120000] JavaScript 异步编程
建议: 合并为一个条目
3. CSS Flexbox (相似度: 68%)
[2025-01-05-090000] Flexbox 布局
[2025-01-06-100000] Flexbox 完整指南
建议: 保留较新的版本
=== 孤立条目 ===
8 个条目没有任何链接:
1. [2025-01-02-120000] CSS Grid 布局
建议关联: [2025-01-05-090000] Flexbox 布局 (related)
2. [2025-01-04-090000] TypeScript 基础
建议关联: [2025-01-01-100000] React Hooks (related)
... (其余 6 个)
=== 标签分析 ===
使用频率分布:
高频 (>10次): react (12), javascript (8)
中频 (5-10次): hooks (6), async (5)
低频 (<5次): 其余 28 个标签
标签优化建议:
1. 合并相似标签:
- js → javascript
- ts → typescript
2. 拆分宽泛标签:
- frontend → react, vue, angular
=== 分类分布 ===
code: 15 个 (33%) ⚖️ 平衡
learning: 18 个 (40%) ⚖️ 平衡
projects: 8 个 (18%) ⚖️ 偏低
personal: 4 个 (9%) ⚠️ 过低
建议: 增加项目和反思类内容的记录
=== 质量评估 ===
高质量条目 (>500字): 12 个 (27%)
中等质量 (200-500字): 23 个 (51%)
低质量条目 (<200字): 10 个 (22%)
建议: 丰富低质量条目的内容
💡 行动建议:
1. 立即处理: 合并重复的 JavaScript 异步条目
2. 本周完成: 为孤立条目创建关联
3. 持续优化: 增加项目和反思类内容
4. 标签整理: 统一 js 和 javascript 标签
是否需要我帮你执行这些建议?
// Jaccard 相似系数 (标签重叠度)
function jaccardSimilarity(tags1, tags2) {
const intersection = tags1.filter(tag => tags2.includes(tag));
const union = [...new Set([...tags1, ...tags2])];
return intersection.length / union.length;
}
// 文本相似度 (简单的词频统计)
function textSimilarity(text1, text2) {
const words1 = tokenize(text1);
const words2 = tokenize(text2);
const common = words1.filter(word => words2.includes(word));
return common.length / Math.max(words1.length, words2.length);
}
1. 提取内容中的关键词
2. 与 tags.json 中的现有标签匹配
3. 计算每个相关标签的权重
4. 推荐权重最高的 3-5 个标签
1. 统计内容中的特征词
2. 每个分类有对应的特征词列表
3. 计算内容与每个分类的匹配度
4. 选择匹配度最高的分类
{
"autoApply": {
"tags": {
"confidence": 0.9,
"minMatches": 2
},
"category": {
"confidence": 0.85
},
"links": {
"minSimilarity": 0.8
}
}
}
{
"analysis": {
"onAdd": true,
"onEdit": true,
"scheduled": "weekly"
}
}