知识回流
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_bda4ca23/knowledge-harvest。
技能介绍
要解决什么问题
长对话里经常出现「这次说清楚了，下次又从头解释」：新供应商地址、业务判定规则、项目管线状态，往往只留在当轮上下文里。Knowledge Harvest（知识回流）面向 Agent 会话，在回复发出前用 HARVEST_GATE 判断本轮是否出现了值得长期保留的信息，再写入本地库并用向量做语义检索，而不是依赖外部规则文件或云端记忆 API。
技能如何工作
核心是 全本地栈：SQLite（WAL）存条目，sqlite-vec 建向量索引，嵌入由 Ollama 跑 bge-m3（1024 维）；全文检索用 FTS5，中文可回退到 LIKE。v3.0 把 memory.py、memory_digest.py 放进 scripts/，自检链内联在技能里，可在任意 Agent 环境独立运行。
收割触发大致五类：新实体/事实/规则、纠正先前错误、可复用的方法论、项目状态变更、用户明确说「记住这个」。日常问候、纯操作指令、一次性中间结果、已知重复信息 不写入。写入前应先搜索查重；新概念写新条，补充信息则更新已有条。另有 每日简报（memory_digest.py 替代已退役的 gbrain）和定时 夜间巩固（如每日 00:15 扫描当日日志再入库）。
适用边界与注意点
需要本机 Python 3.10+、Ollama 与约百兆级磁盘；平台侧重 macOS arm64 / Linux x8664。HARVESTGATE 设计为 不可绕过——若你的 Agent 流程无法保证「生成后、发送前」执行自检，收割质量会打折。它管的是「什么该记」，不负责替你执行文件操作或替代业务系统；纯操作步骤、临时查询结果仍应留在会话内，不要灌进库里制造噪声。
使用场景
- 自托管 Agent 反复处理出库单归位、供应商地址等业务事实，需要在数周后的新会话里用语义搜索找回当时沉淀的规则。
- 用户在某轮对话中明确说「记住这个」，要求该条信息写入 SQLite 并在后续线程通过 bge-m3 向量检索命中。
- 每日凌晨用 cron 扫描当日 Agent 日志，把分散在多轮对话里的知识点 consolidate 进本地库并配合 memory_digest 出简报。
- 发现 Agent 沿用了错误数据源或旧判定逻辑并完成纠正后，希望 HARVEST_GATE 在发回复前把更正写入库、避免下次再犯。
适合人员
- 维护多条业务 Agent 管线、需要把项目下线或 Agent 退役等状态变更记入可检索本地库的 SRE 或平台工程师
- 要求对话记忆全在本机、嵌入仅走 Ollama bge-m3、不接受云端记忆 API 的私有化/内网部署工程师
- 长期用自建 Agent 处理供应链、合规或运营判定，希望新实体与新事实自动入库而非每次重讲的业务分析或运营
- 为任意 Agent 框架编写技能包、需要 v3 自包含 scripts 与内联 HARVEST_GATE、不依赖外部 RULES 文件的技能作者
相关技能
每天收集对话、任务日志与错误记录，按九模块复盘思维盲区，输出可执行行动并写入记忆。
面向 Skill 开发者的免费矩阵分发助手，可引导发布到腾讯 SkillHub、虾聊、虾友 SkillHub、GitHub 与 ClawHub，并区分创建、更新与删除流程。
用于为即梦 Seedance 2.0 生成视频提示词，覆盖 @ 引用、运镜、分时段、音频指导和常见避坑。
围绕超级趋势拆解物理供应链，识别第二、三层瓶颈，执行估值与反向验证，并维护可追踪的报告。