name: knowledge-base-builder description: 将散乱的知识素材（文章、笔记、书籍摘录）拆解为结构化知识卡片，按五层架构（领域/机制/案例/应对/元认知）分类，应用五维打标（领域/机制/强度/场景/可信度），生成可检索的本地 Markdown 知识库。触发条件：用户要求整理知识、建立知识库、对内容分类打标、拆解文章为知识卡片、构建某主题的知识体系。 description_zh: 知识拆解·分类打标·建库 description_en: Knowledge card decomposition, tagging & local KB builder disable: false agent_created: true

knowledge-base-builder

When to use

用户要求对某一主题的知识进行分类整理、打标入库时触发。典型场景： - "帮我把这篇文章拆成知识卡片" - "我想建一个关于 XX 的知识库" - "对这些内容进行分类和打标" - "整理 XX 领域的知识体系" - 用户提供了文档/文章/笔记，要求系统化整理

7w4.net小葱技能站收录全网优质技能，值得收藏。

Steps

Step 1: 确认知识库主题与载体

1. 询问用户知识库的主题（如"潜规则"、"博弈论"、"投资策略"）
2. 确认载体（默认本地 Markdown，可选飞书多维表格/腾讯文档/Notion）
3. 确定知识库根目录路径（默认: {workspace}/{主题}知识库/）

如果用户已明确主题和载体，跳过此步。

Step 2: 读取原始素材

• 用户提供本地文件路径 → 用 Read 工具读取
• 用户粘贴内容 → 直接使用
• 用户指定在线来源 → 用 WebFetch 抓取
• 用户指定 IMA 笔记 → 用 ima-note 或 ima-skills skill 获取

Step 3: 拆解为知识卡片

对原文进行语义拆解，遵循一条规则 = 一个机制 + 至少一个案例 + 适用边界的颗粒度原则：

1. 通读全文，识别独立的知识命题（不是段落，而是可独立成立的观点/规律/方法）
2. 每个命题生成一张知识卡片，包含：
3. 名称：一句话概括（动词+名词结构，如"规则受益者定律"）
4. 一句话命题：用 > 引用格式写在标题下方
5. 机制：底层驱动力解释（为什么存在）
6. 案例：人物/场景 + 情境 + 结果，用表格呈现
7. 边界：什么条件下失效或反转（必须写，不能省略）
8. 原文摘录：从原文中提取对应段落，保留原汁原味
9. 如果原文只有结论没有案例，在边界中注明"原文无实证案例"，但不编造案例

Step 4: 五维打标

为每张卡片标注五个维度：

打标原则： - 机制标签需根据主题定制，上面的取值是"潜规则"主题的示例，其他主题需重新定义 - 可信度判断：原文有具体人名/时间/地点 → B；作者亲历 → A；转述传闻 → C；纯逻辑推演 → D - 强度判断：看"违反后最严重的后果"而非"平均后果"

Step 5: 创建知识库目录结构

{主题}知识库/
├── 目录.md               # 总目录（含来源登记、卡片总览、多维筛选、关联图谱）
├── source-{文件名}.md    # 原文存档（保留原始内容，不修改）
└── cards/
    ├── 001-{卡片名}.md
    ├── 002-{卡片名}.md
    └── ...

Step 6: 写入知识卡片

按 @templates/card-template.md 模板逐张写入卡片文件。

卡片命名规则：{序号}-{简称}.md，序号三位起，简称取4-6个字。

Step 7: 生成目录

按 @templates/目录-template.md 模板生成目录文件 目录.md，包含： 1. 来源登记表 2. 卡片总览表（编号/名称/领域/机制/强度/场景/可信度） 3. 按领域筛选 4. 按机制筛选 5. 按强度筛选 6. 关联图谱（文字版，展示卡片之间的逻辑依赖） 7. 打标体系说明

Step 8: 存档原文

将原始素材完整复制为 source-{原始文件名}.md，不做任何修改。

Step 9: 后续入库

用户后续提供新素材时： 1. 同样执行 Step 2-6 生成新卡片 2. 卡片序号接着已有最大序号递增 3. 更新 目录.md 的总览表和筛选视图 4. 在来源登记表中追加新来源 5. 在关联图谱中补充新卡片与已有卡片的逻辑关系

Pitfalls

• 不要编造案例：原文没有案例就是没有，在边界里注明即可。知识库的可信度建立在"有据可查"上。
• 不要合并不同层级的命题：一条卡片只承载一个核心命题。如果原文一段话里包含两个独立观点，拆成两张卡片，用关联关系串联。
• 边界不能省略：每条知识都有适用范围，没有边界的知识是教条。如果原文没说，主动推演边界条件并在边界中标注"推演"。
• 打标要宁宽勿窄：领域和机制标签宁可多标一个相关维度，也不要漏标。后续筛选时多标不会丢，漏标会找不到。
• 关联图谱要体现层次：不是所有卡片都是平行的，区分元认知层/机制层/应对层/案例层，用缩进表示依赖。
• 原文摘录要忠于原文：不改写、不概括、不润色，直接复制原文对应段落。这是知识库的可溯源根基。

Verification

完成入库后，检查以下各项： 1. 每张卡片都包含：名称、一句话命题、机制、案例、边界、原文摘录、五维标签、来源、关联卡片 2. 目录.md 总览表的行数 = cards/ 目录下的文件数 3. 每张卡片在 目录.md 的至少一个筛选视图中出现 4. 原文存档文件内容与用户提供的原始内容一致 5. 关联图谱中每张卡片至少有一条关联线（孤立卡片需在图谱中注明"暂无关联，待补充"） 6. 所有卡片的序号连续无跳跃

这是一个设计思路清晰的知识库构建工具，能将零散文章拆成结构化卡片并打标签。文档详细、配套工具齐全，使用起来比较顺手。主要问题是部分说明和模板不匹配，以及自动处理能力还有限，需要人工介入才能达到理想效果。整体质量中上，但还有完善空间。