Knowledge Manager Skill

智能知识管理助手,自动分析和优化知识库结构。

功能概述

Knowledge Manager 是一个自动触发的智能助手,帮助用户:

1. 自动标签建议: 基于内容智能推荐标签
2. 自动关联建议: 识别相关条目并建议链接
3. 分类检测: 自动判断条目应该属于哪个分类
4. 智能组织: 识别重复、孤立和需要整合的条目
5. 质量评估: 评估条目的完整性和质量

触发条件

自动触发

1. 添加知识后 (on_add: true)

   • 用户执行 /kb-add 后自动触发
   • 分析新添加的条目
   • 建议标签、分类和关联

2. 编辑知识后 (on_edit: true)

   • 用户执行 /kb-edit 后自动触发
   • 检查编辑后的内容
   • 更新建议和关联

手动触发

用户可以通过以下方式手动触发:

• "帮我整理知识"
• "优化知识库"
• "分析标签使用情况"
• "查找重复条目"
• "建议知识关联"

执行流程

1. 内容分析

markdown
1## 分析新添加的条目
2
3当用户添加知识时:
4
51. **提取关键词**
6   - 从标题中提取核心概念
7   - 从正文中识别技术术语
8   - 提取专有名词和缩写
9
102. **主题识别**
11   - 判断讨论的主要主题
12   - 识别技术栈和工具
13   - 检测应用场景
14
153. **质量评估**
16   - 检查内容完整性
17   - 评估是否有代码示例
18   - 判断是否需要补充信息

2. 标签建议

markdown
1## 智能标签推荐
2
3基于内容分析推荐标签:
4
51. **现有标签匹配**
6   - 查找 tags.json 中相似的标签
7   - 推荐使用现有标签体系
8
92. **新标签建议**
10   - 识别内容中的关键概念
11   - 建议新的标签名称
12   - 避免标签冗余
13
143. **标签层级**
15   - 建议主标签和副标签
16   - 保持标签体系的一致性
17
18输出格式:

建议标签: 主标签: react, hooks 相关标签: frontend, javascript, useState

说明:

• react: React 框架相关内容
• hooks: React Hooks 特性
• frontend: 前端开发通用
• javascript: JavaScript 语言

是否应用这些标签? (yes/no/edit)

3. 分类建议

markdown
1## 分类推荐
2
3分析内容并建议分类:
4
5**code 分类特征**:
6- 代码片段
7- API 文档
8- 技术实现细节
9
10**projects 分类特征**:
11- 项目文档
12- 开发日志
13- 技术决策记录
14
15**learning 分类特征**:
16- 学习笔记
17- 概念解释
18- 教程和指南
19
20**personal 分类特征**:
21- 个人思考
22- 经验总结
23- 反思和感悟
24
25输出格式:

建议分类: learning

置信度: 高 (85%)

理由:

• 包含概念解释
• 有学习笔记特征
• 包含理解过程

是否应用此分类? (yes/no)

4. 关联建议

markdown
1## 智能关联推荐
2
3识别可能相关的知识条目:
4
51. **标题相似度**
6   - 计算与现有条目标题的相似度
7   - 识别同义词和相关词
8
92. **标签重叠度**
10   - Jaccard 相似系数
11   - 标签重叠越多,关联性越强
12
133. **内容引用**
14   - 检测是否提及了其他条目的 ID
15   - 识别标题或内容中提到的其他概念
16
174. **时间邻近性**
18   - 近期创建的相关条目
19   - 同一时期学习的内容
20
21输出格式:

发现 3 个可能相关的条目:

1. [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

2. [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

3. [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)

5. 知识组织分析

markdown
1## 组织结构分析
2
3定期分析知识库的组织状况:
4
51. **重复检测**
6   - 查找标题或内容相似的条目
7   - 建议合并或建立关联
8
92. **孤立条目检测**
10   - 没有链接的条目
11   - 没有反向链接的条目
12   - 建议创建关联
13
143. **标签分析**
15   - 统计标签使用频率
16   - 识别过度使用或很少使用的标签
17   - 建议标签优化
18
194. **分类分布**
20   - 分析各分类的条目数量
21   - 识别不平衡的分类
22
23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:

• [2025-01-01-100000] React Hooks [2025-01-03-150000] React Hooks 详解 相似度: 78% 建议: 建立关联或合并

🏝️ 孤立条目 5 个条目没有链接:

• [2025-01-02-120000] CSS Grid
• [2025-01-04-090000] TypeScript 基础 ...

🏷️ 标签分析 最常用标签:

1. react (12 次)
2. javascript (8 次)
3. hooks (6 次)

很少使用的标签:

• debugging (1 次)
• optimization (1 次)

📁 分类分布 code: 15 个 (33%) learning: 18 个 (40%) projects: 8 个 (18%) personal: 4 个 (9%)

💡 优化建议

1. 为孤立条目创建关联
2. 合并相似的 React Hooks 条目
3. 考虑合并 debugging 和 optimization 标签

智能建议示例

场景 1: 用户添加 React Hooks 笔记

markdown
1用户执行: /kb-add --type=learning-note
2标题: React Hooks 学习笔记
3
4[用户输入内容后]
5
6Knowledge Manager 自动触发:
7
8✨ 内容分析完成!
9
10建议标签:
11  主标签: react, hooks
12  相关标签: frontend, functional-components
13  理由: 内容主要讨论 React Hooks 和函数组件
14
15建议分类: learning
16置信度: 高 (92%)
17理由: 学习笔记格式,包含概念解释
18
19发现相关条目:
20  1. [2025-01-03-102015] React 基础概念 (相关度: 88%)
21     建议: references - 引用了 React 基础概念
22
23  2. [2025-01-02-084530] 函数组件 (相关度: 75%)
24     建议: builds-on - 在函数组件基础上讨论
25
26是否应用这些建议?
27输入选项:
28  - apply all: 应用所有建议
29  - select: 选择性应用
30  - skip: 跳过,稍后手动处理
31
32用户选择: apply all
33
34✅ 已应用所有建议!
35标签已更新: react, hooks, frontend, functional-components
36分类已更新: learning
37关联已创建:
38  → references: 2025-01-03-102015
39  → builds-on: 2025-01-02-084530

场景 2: 用户请求知识库分析

markdown
1用户输入: 帮我分析知识库的组织情况
2
3Knowledge Manager 执行:
4
5📊 知识库组织分析报告
6
7=== 总体概况 ===
8  总条目数: 45 个
9  总标签数: 32 个
10  总链接数: 23 个
11  平均每个条目链接数: 0.51 个
12
13=== 重复检测 ===
14  发现 3 对可能重复的条目:
15
16  1. React Hooks 相关 (相似度: 82%)
17     [2025-01-01-100000] React Hooks 入门
18     [2025-01-03-150000] React Hooks 详解
19     建议: 建立关联 (builds-on)
20
21  2. JavaScript 异步 (相似度: 75%)
22     [2025-01-02-110000] Promise 和 async/await
23     [2025-01-04-120000] JavaScript 异步编程
24     建议: 合并为一个条目
25
26  3. CSS Flexbox (相似度: 68%)
27     [2025-01-05-090000] Flexbox 布局
28     [2025-01-06-100000] Flexbox 完整指南
29     建议: 保留较新的版本
30
31=== 孤立条目 ===
32  8 个条目没有任何链接:
33
34  1. [2025-01-02-120000] CSS Grid 布局
35     建议关联: [2025-01-05-090000] Flexbox 布局 (related)
36
37  2. [2025-01-04-090000] TypeScript 基础
38     建议关联: [2025-01-01-100000] React Hooks (related)
39
40  ... (其余 6 个)
41
42=== 标签分析 ===
43  使用频率分布:
44    高频 (>10次): react (12), javascript (8)
45    中频 (5-10次): hooks (6), async (5)
46    低频 (<5次): 其余 28 个标签
47
48  标签优化建议:
49    1. 合并相似标签:
50       - js → javascript
51       - ts → typescript
52
53    2. 拆分宽泛标签:
54       - frontend → react, vue, angular
55
56=== 分类分布 ===
57  code: 15 个 (33%) ⚖️  平衡
58  learning: 18 个 (40%) ⚖️  平衡
59  projects: 8 个 (18%) ⚖️  偏低
60  personal: 4 个 (9%) ⚠️  过低
61
62  建议: 增加项目和反思类内容的记录
63
64=== 质量评估 ===
65  高质量条目 (>500字): 12 个 (27%)
66  中等质量 (200-500字): 23 个 (51%)
67  低质量条目 (<200字): 10 个 (22%)
68
69  建议: 丰富低质量条目的内容
70
71💡 行动建议:
72  1. 立即处理: 合并重复的 JavaScript 异步条目
73  2. 本周完成: 为孤立条目创建关联
74  3. 持续优化: 增加项目和反思类内容
75  4. 标签整理: 统一 js 和 javascript 标签
76
77是否需要我帮你执行这些建议?

技术实现

1. 相似度计算

javascript
1// Jaccard 相似系数 (标签重叠度)
2function jaccardSimilarity(tags1, tags2) {
3  const intersection = tags1.filter(tag => tags2.includes(tag));
4  const union = [...new Set([...tags1, ...tags2])];
5  return intersection.length / union.length;
6}
7
8// 文本相似度 (简单的词频统计)
9function textSimilarity(text1, text2) {
10  const words1 = tokenize(text1);
11  const words2 = tokenize(text2);
12  const common = words1.filter(word => words2.includes(word));
13  return common.length / Math.max(words1.length, words2.length);
14}

2. 标签推荐算法

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

3. 分类判断

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

配置选项

自动应用阈值

json
1{
2  "autoApply": {
3    "tags": {
4      "confidence": 0.9,
5      "minMatches": 2
6    },
7    "category": {
8      "confidence": 0.85
9    },
10    "links": {
11      "minSimilarity": 0.8
12    }
13  }
14}

分析频率

json
1{
2  "analysis": {
3    "onAdd": true,
4    "onEdit": true,
5    "scheduled": "weekly"
6  }
7}

注意事项

1. 用户控制: 所有建议都需要用户确认,不自动修改
2. 性能优化: 大量条目时使用缓存和增量分析
3. 隐私保护: 分析过程仅在本地进行,不上传数据
4. 可配置性: 允许用户自定义分析规则和阈值

未来扩展

1. 语义分析: 使用 NLP 技术进行更深入的语义理解
2. 自动摘要: 为长内容生成简洁的摘要
3. 知识图谱: 可视化知识网络
4. 智能问答: 基于知识库内容回答问题
5. 学习路径: 自动推荐学习顺序和关联内容