everything-search-breadmemory

基于 Everything (es.exe) 的本地文件搜索引擎，附带面包屑知识管理系统和艾宾浩斯遗忘曲线复习引擎。

适用场景

• 在本地海量文件中快速搜索指定关键词/模式的文件
• 将搜索到的文件自动解析、归纳，提炼为知识条目
• 建立"面包屑小本本"（breadcrumb notebook），长期积累知识碎片
• 基于艾宾浩斯遗忘曲线，每日自动轮询复习已有知识

前置条件

技能首次使用时，会自动检测 Everything/es.exe 是否可用：

• 已安装：直接使用
• 未安装：引导下载 Everything 便携版，自动放置 es.exe 到技能目录

核心能力

1. Everything 本地搜索

python {SKILL_DIR}/scripts/es_search.py search "\x3C搜索关键词>" [--max 50] [--path "C:/限定路径"]

输出结构化 JSON，包含：文件路径、名称、大小、修改日期。

2. 面包屑小本本（知识存储）

# 添加知识条目
python {SKILL_DIR}/scripts/breadcrumb.py add --title "标题" --content "知识内容" --source "/path/to/file" [--tags "标签1,标签2"]

# 列出所有条目
python {SKILL_DIR}/scripts/breadcrumb.py list [--tag "标签"] [--limit 20]

# 搜索条目
python {SKILL_DIR}/scripts/breadcrumb.py search "关键词"

# 删除条目
python {SKILL_DIR}/scripts/breadcrumb.py delete --id \x3C条目ID>

# 查看条目详情
python {SKILL_DIR}/scripts/breadcrumb.py show --id \x3C条目ID>

3. 艾宾浩斯复习引擎

# 获取今日应复习的条目列表（自动按艾宾浩斯曲线计算）
python {SKILL_DIR}/scripts/ebbinghaus.py daily-review [--count 5]

# 标记某条目已完成复习
python {SKILL_DIR}/scripts/ebbinghaus.py mark-reviewed --id \x3C条目ID>

# 查看复习统计
python {SKILL_DIR}/scripts/ebbinghaus.py stats

艾宾浩斯复习间隔（天）：1, 2, 4, 7, 15, 30, 60, 120

每条知识记录自动追踪：

• created_at: 首次创建日期
• review_count: 已复习次数
• last_reviewed_at: 上次复习日期
• next_review_at: 下次应复习日期

完整工作流

流程 A：搜索 → 解析 → 入库

当用户说"搜索本地关于XX的文件，提取要点保存"时：

1. 调用 es_search.py search 找到匹配文件
2. 读取文件内容（Read tool 或其他可用工具）
3. 解析归纳要点，形成知识摘要
4. 调用 breadcrumb.py add 将知识 + 原文路径存入面包屑
5. 汇总报告搜索结果和入库情况

流程 B：每日复习

当用户说"今日复习"或"今天有什么知识需要回顾"时：

1. 调用 ebbinghaus.py daily-review 获取今日应复习条目
2. 展示条目给用户阅读
3. 用户确认后，调用 ebbinghaus.py mark-reviewed 更新复习记录

自动化/定时任务设定

以下为 Agent 语义指引。各 AI 平台根据自身能力实现。

定时任务 1：命题搜索 + 入库

触发频率建议：每天 1 次，凌晨执行

Agent 执行逻辑：

1. 调用 es_search.py search "\x3C命题关键词>" 获取文件列表
2. 读取匹配文件，提取核心知识
3. 调用 breadcrumb.py add 将新知识入库

定时任务 2：每日艾宾浩斯复习

触发频率建议：每天 1 次，早晨执行

Agent 执行逻辑：

1. 调用 ebbinghaus.py daily-review 获取今日待复习条目
2. 向用户展示条目内容
3. 用户确认复习后，调用 ebbinghaus.py mark-reviewed --id \x3CID> 更新状态

各平台实现参考

Agent 行为规范

使用本技能时，Agent 必须遵循：

1. 搜索结果先展示：列出文件路径、大小、日期，让用户确认后再解析
2. 解析结果需归纳：不是简单复制文件内容，而是提炼核心知识点
3. 面包屑条目须关联原文：每条知识必须附带 --source 指向原文文件路径
4. 复习结果需反馈：每日复习后，告知用户本次复习的条目数和下次复习时间
5. 自动化任务可信赖：定时任务出错时需记录并向用户报告

数据存储

所有数据存储在 ~/.everything_search/：

~/.everything_search/
├── breadcrumb.json      # 面包屑知识条目
├── config.json          # 配置（es.exe路径、艾宾浩斯参数等）
└── review_log.jsonl     # 复习历史日志

脚本说明