// 用 subagent 并行批量跑 ae-research-ingest，避免主对话 context 爆量。按指定数量挑 pending raw_files，每个分配给独立 subagent 处理，主对话只接收摘要。
[HINT] Download the complete skill directory including SKILL.md and all related files
| name | ae-batch-ingest |
| description | 用 subagent 并行批量跑 ae-research-ingest，避免主对话 context 爆量。按指定数量挑 pending raw_files，每个分配给独立 subagent 处理，主对话只接收摘要。 |
这个 skill 不自己 ingest——它是一个编排器，把 ae-research-ingest 的实际工作 fan-out 给 subagents，主对话只协调和汇总。
| 场景 | 用 |
|---|---|
| 单篇 / 想精读 / 手把手控制 | $ae-research-ingest（主对话亲自跑） |
| 5+ 篇批量 / 不想在主对话写多个 narrative | $ae-batch-ingest（本 skill） |
| 100+ 篇 / 长期后台跑 / 服务器有 worker 池 | enqueue agent_run + 服务器 worker（不用本 skill） |
$ae-batch-ingest — 默认 batch=5, concurrency=3$ae-batch-ingest 10 — 处理 10 篇$ae-batch-ingest 20 --concurrency 5 — 调高并行（注意 OpenAI rate limit）$ae-batch-ingest --ids 348,347,346 — 指定具体 rawFileIds（绕过 peek）peek 是有状态的：多个 subagent 并行调 peek 会拿到同一行 → 重复处理 + 浪费。
正确做法：编排器（你）先查 DB 拿 N 个 pending rawFileIds，每个 subagent 收到指定的 rawFileId，subagent 直接调 ingest:commit <id> / ingest:brief <id> / ingest:pass <id>，跳过 peek。
-- 编排器先跑这个查询拿 ID 列表
SELECT id, title, research_type
FROM raw_files
WHERE deleted=0 AND ingested_page_id IS NULL AND skipped_at IS NULL
ORDER BY id ASC
LIMIT N;
默认 concurrency=3。同时跑太多有两个风险：
参数 --concurrency 上限建议 5。
subagent 跑挂了不会自动 retry（不像 agent_run 走 minion_jobs）。编排器（你）收到失败结果后：
不要循环重 spawn 同一个失败的 subagent——可能 raw 本身有问题（V2 缺失 / chunk 太长等），多次 retry 浪费。
1. 解析参数（count / concurrency / ids）
2. 查 DB 拿 pending rawFileIds（除非用户指定 --ids）
3. 切分成 concurrency-sized batch
4. 对每个 batch:
- 单条消息里同时 spawn concurrency 个 Agent 工具调用
- 每个 Agent 拿到一个 rawFileId
- 等所有 batch 内的 subagent 返回再开下一批
5. 汇总结果：
- decision 分布（commit / brief / pass）
- 总 facts / wikilinks / red links 数
- 失败的 rawFileId 列表
6. 报告给用户
每个 subagent 收到的 prompt 必须包含：
You are processing raw_file #<rawFileId> for ae-wiki-agent.
Project root: /Users/levin/project/agent/ae-wiki-agent
Skill spec to follow: .claude/skills/ae-research-ingest/SKILL.md (read it first)
Steps:
1. cd /Users/levin/project/agent/ae-wiki-agent
2. Read the skill spec at .claude/skills/ae-research-ingest/SKILL.md
3. **Do NOT call `ingest:peek`**. The orchestrator already chose raw_file #<rawFileId>.
4. Fetch the raw markdown:
- First: bun -e "import { sql } from './src/core/db.ts'; const r = await sql\`SELECT markdown_url, title, research_type, raw_char_count FROM raw_files WHERE id=<rawFileId>\`; console.log(JSON.stringify(r[0])); await sql.end();"
- Then: curl -s <markdownUrl> -o /tmp/raw-<rawFileId>.md
5. Triage (commit / brief / pass) per skill rules. Use v2Stats heuristics + content density.
6. Run the chosen command:
- commit: bun src/cli.ts ingest:commit <rawFileId> → returns pageId
- brief: bun src/cli.ts ingest:brief <rawFileId> → returns pageId
- pass: bun src/cli.ts ingest:pass <rawFileId> --reason "<reason>" → done, return summary
7. If commit/brief: write narrative to raw/narrative-<pageId>.md per skill template
(7-section for commit, 4-section for brief), then:
- bun src/cli.ts ingest:write <pageId> --file raw/narrative-<pageId>.md
- bun src/cli.ts ingest:finalize <pageId>
8. Return a concise JSON result (max 300 chars):
{
"rawFileId": <id>,
"decision": "commit" | "brief" | "pass",
"pageId": <pageId or null>,
"title": "<short title>",
"factCount": <int>,
"wikilinkCount": <int>,
"redLinksCreated": <int>,
"summary": "<one-sentence what the source is about>"
}
Constraints:
- English narrative; YAML frontmatter required (tags, view_side; brief also needs url, platform)
- Typed wikilinks where appropriate ([[slug|TYPE: display]])
- Facts must have source_quote
- DO NOT modify other raw_files
- DO NOT skip the finalize step
- If commit fails (raw already ingested / no V2), mark pass with reason and return
完成所有 batch 后，给用户一个紧凑报告：
✓ batch ingest 完成 N/M 篇
decision 分布:
commit N1 (生成 X facts, Y wikilinks)
brief N2 (生成 P facts, Q wikilinks)
pass N3
新建红链: company X, concept Y, industry Z
失败 (N4):
raw#... title=... err=...
详细每篇 detail 不展开（subagent 已经把 narrative 落库了，要看走 bun src/cli.ts get_page <pageId> 或 web UI）。
| ae-research-ingest | ae-batch-ingest |
|---|---|
| 主对话亲自跑 | spawn subagent 跑 |
| 单篇深度 / 教学 | 多篇并发 / 工厂化 |
| context 重 | context 轻 |
| 完整 SKILL.md 教学体内嵌 | 引用 ae-research-ingest 的 SKILL.md，不重复 |
Subagent 实际上 follow ae-research-ingest 的 SKILL.md——本 skill 只负责"如何拆任务、如何 spawn、如何汇总"。
$ae-research-ingestbun src/cli.ts agent:run --skill ae-research-ingest（× N 个）+ supervisoringest:promote / enrich:save --append