Agent Skills
返回列表
吞吞大胃王～嗝

吞吞大胃王～嗝

知识管理 更新于 2026.08.29

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_7c56bd60/tuntun。

技能介绍

要解决什么问题

Agent 在对话、工具回调和外部抓取里会不断收到文本与结构化片段。若不做门槛，知识库会被空串、标点灌水、密钥泄露和无关乱码一起堆满；若一律拒绝，又会丢掉仍有参考价值的中间态信息。吞吞把「能不能吃」和「吃进去后怎么处理」拆成两道可配置的流水线，而不是简单的 append 或 ignore。

核心机制

五维过滤门（中严格度） 对每条待吸收内容逐门检查：

  • 形式：可解析内容需达到约 10 字符或非空 dict，挡掉空文本与纯标点
  • 密度：有效字符占比需高于约 20%，减少「。，！？」类灌水
  • 新颖：默认放行，预留查重扩展
  • 安全：拒绝含 Token、密钥、电话、邮箱等敏感模式的内容
  • 相关：有效字符占比需高于约 10%，过滤纯二进制式乱码

中严格度下 至少通过 3 门 才会进入消化；否则直接拒绝。

通过过滤后进入 价值评分，按分数分支处理：

| 区间 | 处理 |
|:-----|:-----|
| ≥85 | 完全吸收并写入知识库 |
| 65–84 | 完整消化并写入知识库 |
| 45–64 | 生成卡片并短期缓存 |
| 25–44 | 生成摘要并标记待审 |

适用边界

  • 评分与门限是规则化启发式，不能替代对低分段内容的人工复核
  • 「新颖」门当前默认通过，重复内容是否合并取决于后续查重实现
  • 安全门基于模式匹配，复杂脱敏或合规审计仍需专用工具链

使用场景

  • 网页抓取、RAG 片段与用户粘贴文本进入 Agent 前，先用五维门判断能否吸收，再按分数决定全量入库或只留卡片。
  • 在工具回调链路里对接口返回的 JSON 与长文本做形式、密度与安全检查，避免 API Key 与标点灌水写入向量库。
  • 对外部参考资料评分落在 25–44 区间时，只生成摘要并标记待审，而不是直接污染长期知识库检索。
  • 批量处理对话中沉淀的笔记与片段，中严格度下未过三门的内容直接拒收，通过者进入评分分流。

适合人员

  • 负责 Agent 长期记忆与 RAG 索引的后端工程师，需要可解释的入库/拒收规则而非全量写入。
  • 搭建企业内部知识助手的实现者，要在自动化喂数时拦截密钥、电话邮箱与低质灌水。
  • 把多渠道信息接入助手的集成开发者，希望中等价值内容走卡片缓存、高价值才进知识库。
  • 编写「信息消化」类 Skill 的作者，想对齐五维过滤门与中严格度的分流模型。