knowledge-workflow: 知识管理工作流 🌱

完整的知识管理工作流 - 收集→打标→存储→发芽→产出

版本： v2.0.0
最后更新： 2026-04-26

📋 功能描述

帮助用户系统化执行知识管理工作流。从各种来源收集知识，自动打标、存储、发芽，最终产出可发布的内容。

适用场景：

• 个人知识管理（飞书/微信读书/网页/文本）
• 团队知识沉淀（会议记录/项目文档）
• 自媒体内容生产（公众号文章/周报/月报）
• 知识发芽（灵光闪现/心智模型/跨界视角/微习惯/潜意识调整）

边界条件：

• 不替代深度思考（明确 AI 辅助边界）
• 发芽必须是高质量信息，用户可选择是否触发
• 需配合人工标注意义标签

🔄 核心工作流

🌱 发芽功能（5 种类型）

质量要求：

• 发芽必须是高质量信息
• 如果发芽质量不高，宁可不发芽
• 用户可选择是否保留发芽内容
• 发芽后标注质量等级（高/中/低）

📁 文件结构

knowledge-workflow/
├── SKILL.md                 # 技能文档（本文档）
├── main.py                  # 主程序
├── config.yaml              # 配置文件
├── clawhub.yaml             # ClawHub 发布配置
├── requirements.txt         # Python 依赖
└── subfunctions/            # 子功能模块
    ├── collect.py           # 收集功能
    ├── tag.py               # 打标功能
    ├── store.py             # 存储功能
    ├── evolve.py            # 知识发芽（5 种类型）
    └── output.py            # 产出功能

🔧 使用示例

方式 1：一键调用（完整工作流）

# 处理飞书文档
python main.py run feishu PFAvdKEILouK29xCgNuc5b1bnnK

# 处理微信读书导出
python main.py run wechat "[微信读书导出文本]"

# 处理 URL
python main.py run url https://example.com/article

方式 2：分步调用

# 步骤 1: 收集
python main.py collect feishu PFAvdKEILouK29xCgNuc5b1bnnK

# 步骤 2: 打标
python main.py tag note-20260414160000

# 步骤 3: 知识发芽（用户选择触发）
python main.py evolve note-20260414160000 spark

# 步骤 4: 产出文章
python main.py output spark-20260414160000 article

⚠️ 注意事项

必须遵守：

• ✅ 发芽必须是高质量信息
• ✅ 用户选择触发发芽（不是自动）
• ✅ 发芽后标注质量等级（高/中/低）
• ❌ 不要自动发芽（必须用户选择）
• ❌ 不要低质量发芽（宁可不发芽）
• ❌ 不要只收集，不发芽

模糊请求处理：

如果用户请求模糊（如"帮我管理一下知识"）:
→ 列出 5 个核心步骤供选择
→ 示例："我可以帮你：1.收集 2.打标 3.存储 4.发芽 5.产出。你想做哪个？"

📊 成功指标

🔗 相关技能

• context-manager - 个人上下文管理（前置技能）
• note-tagger - 笔记打标
• experience-memory-tracker - 体验记忆追踪

推荐组合：

context-manager → knowledge-workflow
（上下文管理）    （知识生产）

维护者：燃冰 & ant
版本：v2.0.0
创建日期：2026-04-14
最后更新：2026-04-26
发布状态：待发布