inbox-dispatch

name	inbox-dispatch
description	将 Obsidian 00_Inbox 下的 Markdown 笔记按 Robert 当前 10_思考/待处理 队列做语义预分拣，生成 dispatch plan，经大模型慎重验收后按错误阈值自动执行或请求确认。Use when the user asks to dispatch, organize, sort, or clean up their inbox notes, especially phrases like “分拣 inbox”, “整理 inbox”, or “inbox dispatch”.

inbox-dispatch

将 00_Inbox/ 下的 Markdown 笔记按 Robert 当前工作流做语义预分拣，输出 dispatch plan，并在大模型慎重验收后按阈值执行或请求确认。

核心原则：不使用单个关键词全文匹配直接移动；必须先生成 plan，再由大模型慎重验收并修正。若验收发现错误数 > 5，暂停并请 Robert 确认；若错误数 <= 5，修正后可直接执行移动。

---

动态队列体系

队列目录不写死在 skill 文档里。每次分拣前必须动态读取当前队列：

cd /Users/robertma/.agents/skills/inbox-dispatch
python3 scripts/list_queues.py --format markdown

配置来源：

1. 环境变量 INBOX_DISPATCH_PENDING_ROOT（最高优先级）
2. scripts/dispatch_rules.json 的 pending_root
3. 默认值：10_思考/待处理

10_思考/待处理 下的第一层子目录是当前可用队列。scripts/dispatch_rules.json 只保存队列说明、include/exclude 锚点、fallback/trash 队列名；它不是队列目录清单。Robert 新增/删除子目录后，list_queues.py 会自动反映。

低置信度默认进入 fallback_queue（通常为 待判定）；低价值/营销/重复内容进入 trash_queue（通常为 淘汰候选）。如果这些队列目录不存在，先报告，不要擅自创建或移动。

include / exclude 只是辅助锚点；分类必须以语义判断为准。未配置说明的新目录也可以被使用，但理由里要说明是按目录名和实际语义判断。

---

强制安全规则

1. 未经 plan 生成与大模型验收，不执行实际移动。
2. 验收错误数阈值为 5。 错误数 > 5 必须暂停并请 Robert 确认；错误数 <= 5 时，修正 plan 后可 dry-run 校验并直接执行。
3. 不要使用单个关键词全文匹配决定分类。 文件名、标题、小标题的权重大于正文偶然关键词。
4. 低置信度进入 fallback_queue。 不要强行归入主题队列。
5. 疑似重复、浅层、营销进入 trash_queue。 不要直接删除。
6. 单批建议不超过 50 篇。 大批量 Inbox 积压要分批处理。
7. 跳过附件/素材类目录。 scanner 默认跳过 _dispatch_logs、图片、素材、视频、论文、_assets。
8. 移动 Get笔记 Markdown 时必须同步处理图片。 mover.py --execute 会把 ![](_assets/Get笔记/xxx.jpg) 引用到的图片复制到笔记同目录的 assets/${noteFileName}/，再把链接改写为 ![[assets/${noteFileName}/xxx.jpg]]；确认没有旧引用后才清理 00_Inbox/Get笔记/_assets/Get笔记/ 中的中央图片。
9. 必须保留笔记原始时间。 mover.py --execute 移动 Markdown 时要保留原始创建时间和修改时间，避免 Robert 按创建时间从新到旧阅读时被分批移动顺序打乱。实现上优先使用同卷 rename 保留 inode；若发生 copy/delete fallback，则在 macOS 上用 SetFile -d 恢复 birthtime，并用 os.utime 恢复 atime/mtime。Get笔记图片链接改写后也必须恢复原笔记时间。
10. 目标已存在时删除 Inbox 重复源。 如果 plan 指向的目标目录下已经存在同名 Markdown，说明这篇 Inbox 笔记已被分拣过；validate_plan.py 只给 warning，不阻断执行；mover.py --execute 不再跳过，而是直接删除 00_Inbox 中的重复源笔记，并对其旧 Get笔记中央图片引用做安全清理检查。

---

标准流程

Step 1：读取当前队列与分类说明

cd /Users/robertma/.agents/skills/inbox-dispatch
python3 scripts/list_queues.py --format json

重点读取：

• pending_root
• fallback_queue
• trash_queue
• 每个队列的 name、destination、description、include、exclude

Step 2：只读扫描 Inbox

python3 scripts/scanner.py --since-days 30 --limit 50

常用参数：

python3 scripts/scanner.py --since-days 7 --limit 50
python3 scripts/scanner.py --all --limit 50
python3 scripts/scanner.py --all --oldest-first --limit 50
python3 scripts/scanner.py --since-days 30 --limit 0

scanner 输出 JSON lines，每行一个文件，字段包括：

字段	含义
path	vault 相对路径，如 00_Inbox/Get笔记/xxx.md
filename	文件名
mtime_iso	修改时间
source_dir	Inbox 下第一层来源目录
title	frontmatter title / H1 / 文件名
tags	frontmatter tags 摘要
headings	前几个 H1-H3 标题
body_preview	正文前 800 字

Step 3：语义分类

对每个文件综合判断：

1. filename / title
2. headings
3. body_preview
4. source_dir
5. tags
6. 当前队列说明和目录名
7. 必要时读取完整文件再判断

每个文件输出：

• category_id：优先用队列配置里的 id；未配置时可用目录名或 slug
• category_name：必须等于某个当前队列名
• destination：使用 list_queues.py 返回的目标目录
• confidence: high / medium / low
• reason: 一句话说明

分类准则：

• high：标题和摘要都明确指向同一队列。
• medium：大体可判断，但有边界重叠；仍可放入主题队列，但报告里标出。
• low：主题不清或多类难分，放入 fallback_queue。
• 低价值/重复/浅层营销：放入 trash_queue，等待 Robert 最终确认。

Step 4：生成 dispatch plan

写到：

00_Inbox/_dispatch_logs/plan_YYYY-MM-DD_HHMM.json

Plan 格式：

{
  "created": "2026-05-06T22:00:00+08:00",
  "mode": "review_required",
  "pending_root": "10_思考/待处理",
  "queues_source": "scripts/list_queues.py",
  "files_scanned": 50,
  "dispatches": [
    {
      "source": "00_Inbox/Get笔记/example.md",
      "destination": "10_思考/待处理/个人第二大脑",
      "category_id": "personal-second-brain",
      "category_name": "个人第二大脑",
      "confidence": "high",
      "reason": "标题和摘要都围绕 llm-wiki 与个人知识管理。"
    }
  ],
  "unclassified": []
}

说明：

• destination 是目录，不含文件名；必须来自当前队列清单。
• 也可用 destination_queue / category_name 让 mover.py 动态解析队列，但推荐仍写入完整 destination，方便审阅。
• 不要删除文件；淘汰只移动到 trash_queue 等待确认。

Step 5：大模型慎重验收 plan（强制）

生成 plan 后，不要立刻移动。必须先进行两层验收：

5.1 机械验收

python3 scripts/validate_plan.py ~/obsidian/00_Inbox/_dispatch_logs/plan_YYYY-MM-DD_HHMM.json --format json

机械错误包括：

• source 缺失或不存在
• destination 不在当前动态队列中
• category_name 与 destination 不一致
• 目标文件已存在
• plan 结构错误

这些错误必须修正；无法自动修正时，计入错误数并暂停询问 Robert。

5.2 大模型语义验收

大模型必须对 plan 做第二遍“反向审稿”，而不是直接相信第一遍分类：

1. 重新读取当前队列清单。
2. 对每条 dispatch 重新看 title、headings、body_preview、tags、source_dir。
3. 对以下条目读取完整笔记再判断：
   • confidence=medium/low
   • 目标目录是新增目录或无明确 metadata
   • 标题同时命中多个队列
   • 进入 trash_queue 的内容
   • 高考、个人记录、待判定等容易误分的内容
4. 检查 category_name、destination、confidence、reason 是否一致。
5. 修正错误分类、错误置信度、错误理由、错误目标目录。

错误计数规则：

• 一条笔记目标队列错误 = 1 个错误
• 一条笔记应进入 fallback_queue / trash_queue 但没有进入 = 1 个错误
• 一条笔记被误判为 trash_queue = 1 个错误
• 一条笔记的 destination/category 不一致 = 1 个错误
• source 缺失、目标冲突等机械错误 = 1 个错误
• 只改措辞、不影响分类和执行的 reason 优化不计错误

验收后在 plan 中追加或更新 plan_review：

{
  "plan_review": {
    "reviewer": "LLM",
    "reviewed_at": "2026-05-06T22:10:00+08:00",
    "semantic_errors": 2,
    "mechanical_errors": 0,
    "total_errors": 2,
    "corrections": [
      {
        "source": "00_Inbox/Get笔记/example.md",
        "before": "AI工作台",
        "after": "Agent Harness",
        "reason": "正文重点是 Agent 运行时和 skill 编排，不是工作台产品。"
      }
    ],
    "decision": "auto_execute"
  }
}

如有修正，推荐另存为：

00_Inbox/_dispatch_logs/plan_YYYY-MM-DD_HHMM_reviewed.json

Step 6：按错误阈值决定是否执行

验收完成后：

• total_errors > 5：不要执行移动。向 Robert 报告错误数量、典型错误和修正建议，请 Robert 确认后再继续。
• total_errors <= 5：修正 plan 后，先运行 dry-run 做最后机械校验；如果 dry-run 无异常，直接执行移动，无需再次请求 Robert 确认。
• 若用户明确说“只生成 plan / 先别动”，无论错误数多少都不要执行。

最后机械校验：

python3 scripts/mover.py ~/obsidian/00_Inbox/_dispatch_logs/plan_YYYY-MM-DD_HHMM_reviewed.json --dry-run

如果 dry-run 发现源文件消失、目标已存在、目标不明等问题：先修正 plan；无法修正则询问 Robert。

Step 7：执行移动

当 total_errors <= 5 且 dry-run 正常时，直接执行：

python3 scripts/mover.py ~/obsidian/00_Inbox/_dispatch_logs/plan_YYYY-MM-DD_HHMM_reviewed.json --execute

执行后报告：

• 当前 pending_root
• 大模型验收错误数与是否修正
• 已移动多少条
• 跳过多少条（目标已存在 / 源文件消失 / plan 无效）
• 图片迁移/缺失统计
• 是否需要对某个队列做去重、价值判断或编入 60_wiki/<主题>/

常见用户意图映射

用户说法	动作
“分拣 inbox”	读取当前队列，扫描最近 30 天 50 篇，生成 plan，经大模型验收；错误≤5 则修正后自动执行，错误>5 则请求确认
“整理 inbox 最近一周”	scanner.py --since-days 7 --limit 50，之后同样执行 plan 验收阈值流程
“全量看看”	scanner.py --all --limit 50，仍分批；若用户只想看则不自动执行
“从最旧的开始”	scanner.py --all --oldest-first --limit 50，之后同样执行 plan 验收阈值流程
“执行这个 plan”	先运行 validate_plan.py 和大模型验收；错误≤5 可执行，错误>5 请求确认

---

完成后

报告使用 Obsidian wikilink，例如：

• 目标队列：[[10_思考/待处理/个人第二大脑]]
• plan 文件：[[00_Inbox/_dispatch_logs/plan_YYYY-MM-DD_HHMM.json]]

不要在报告中输出大量完整原文，只列标题、分类、理由和置信度。