一键在 Manus 中运行任何 Skill

开始使用

im-wiki-extractor

专门用于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。

在 Manus 中运行

星标218

分支25

更新时间2026年5月28日 06:15

来源

cafe3310

cafe3310/public-agent-skills

打开 GitHub 仓库查看创作者相关仓库

安装命令

下载

在 Manus 中运行

适用职业SOC

软件开发工程师计算机与数学类职业15-1252L4

文件资源管理器

6 个文件

SKILL.md

readonly

name	im-wiki-extractor
description	专门用于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

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

第二阶段：空间初始化

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。
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。
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。
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（[ ]）：

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。
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）。
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。
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。
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。

同仓库更多 Skills

同仓库

handoff

cafe3310/public-agent-skills

编写或更新交接文档，以便拥有全新上下文的下一个 Agent 可以继续此项工作。

2026-06-02218

learning-assistant

cafe3310/public-agent-skills

一个互动式的主题学习助手。作为一名智能学习伙伴，将用户的学习目标结构化，并引导完成学习过程。使用此技能时，必须高频、精确地使用 memocli 读写知识图谱，以记录和追踪学习状态。当用户希望开始新的学习主题、继续之前的学习、或者需要你引导学习某个概念时使用。

2026-06-02218

model-cookbook-writer

cafe3310/public-agent-skills

编写、丰富与编译 model cookbook 的专用人机协作开发工作流。包含 Prompting Guide 大纲扩展、行业参考 cookbook SourceRef 契约管理、交付物大纲拆解与初始化、TOC 驱动编译为 HTML/Jupyter Notebook 预览及知识库联动沉淀。

2026-06-02218

interview-processor

cafe3310/public-agent-skills

处理面试记录的 Agent 技能。包含面试大纲规划、面试提问提取与纠错、面试总结自评，以及知识图谱存储方案。

2026-05-28218

deep-research-partnership-planner

cafe3310/public-agent-skills

结合深度调研（Deep Research）与人工洞察（Human-in-the-loop），为大模型生态合作生成商业落地规划与极度颗粒度的宣发物料。当用户希望通过严谨的两阶段调研（前期探索与深度研究）、引入人工战略判断，并最终生成全套合作与 GTM 方案时，使用此技能。

2026-05-27218

deep-research

cafe3310/public-agent-skills

A comprehensive, autonomous deep research framework. Use this skill when the user requests a thorough, multi-dimensional investigation into a complex topic, market research, technology landscape, or any task requiring extensive web browsing, data synthesis, and structured reporting. It orchestrates subagents and uses file-system-based state management to prevent context bloat.

2026-05-27218

name	im-wiki-extractor
description	专门用于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)

外部依赖与规范说明

2. 提取定义 (Schema)

3. 工作流阶段 (Workflow Phases)

第一阶段：准备与访谈

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

第二阶段：空间初始化

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。
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。
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。
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（[ ]）：

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。
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）。
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。
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。
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。