知识库 A 类自动消化

要解决什么问题

kb-inventory-update 会把知识库条目分成 A/B/C 等优先级，但「知道哪些重要」并不等于「已经吸收、能直接用」。A 类资料往往仍停留在清单和摘要层，缺少结构化、可复用的产出。

kb-auto-digester 针对这条缺口：读取 processed_kb_items_latest.json（由上游技能生成），把 A 类条目批量消化成 knowledge_cards/ 下的知识卡片，并把条目的 output_status 从「未处理」升级为「已提炼」，避免同一批资料被重复处理。

如何工作

技能分阶段跑通一条流水线：

1. 筛选队列：prepare_digest_list.py 按 --mode（new / theme / all）和 --top 生成 digest_queue.json。默认 --mode new --top 5，只处理新增且未消化的 A 类。
2. AI 逐条消化：对队列中每条资料调用 fetch（media_id / note_id / url），再按模板写卡片。默认速览（标题、摘要 + fetch 要点）；用户明确要求时用 --deep 精读（全文/视频深度分析 + 方法论与引用）。视频类有专用 question 与「操作清单 / 工具与参数」等小节规则。
3. 落盘与状态：finalize_digest.py 注册卡片文件并更新 processed_kb_items_latest.json。

扩展能力包括：多视角（营销 / 技术 / 团队 / 个人，独立文件名后缀）和 六种输出模板（.prompt.md、.skill.md、.sop.md 等，写到 outputs/），由精读卡片的「可转化方向」触发。

适用边界与注意点

• 输入依赖上游 kb-inventory-update 的 processed 数据；没有 A 类清单时无物可消化。
• 精读每批建议 5～10 条；A 类超过约 30 条会强制分批（每批 ≤10）。
• 全文拉取失败会降级为摘要速览并标记读取异常；视频分析不完整可换 question 视角重试一次。
• 脚本依赖与技能目录同级的 shared/logger.py，缺模块会直接 ModuleNotFoundError。