跨资料智能合成

要解决什么问题

知识库里常见状态是：同一主题下堆了多篇「已收藏、已摘要」的卡片，工具对比散落在不同文章里，操作步骤重复又不一致。你需要的是一份能直接照着做或做选择的结果，而不是再打开十篇链接自己拼。

kb-synthesizer 面向 kb-auto-digester 产出的知识卡片，或带 title / theme / tags 的原始 A 类 JSON 数组。默认可读 processed_kb_items_latest.json（kb-inventory-update 输出），通过内置适配器把 value 当作摘要，不绑定固定字段名，方便接到 IMA、Obsidian、Notion 等任意体系。

如何工作

Phase 1 聚类：按 theme 分组，标题里的工具关键词（如 Codex、Seedance）、标签共现加权；可用 --focus 过滤。产出 synthesis_clusters.json，含推荐合成形态与深度。

Phase 2～3 合成：形态匹配器在对比分析、流程指南、知识地图、决策框架、速查表等结构里自动选型；AI 按 L1/L2/L3 逐层加深——L1 合并摘要并标注来源；L2 拉关键段落做横向对比，标分歧、缺口与时效；L3 全文重构（条数过多时用 --top 会降为 L2）。

Phase 4 输出：每个 cluster 一份 Markdown；可选 --confirm-conversion 把相关条目的 output_status 从「已提炼」升为「已转化」。kb-reviewer 复盘里 Q2 高频关键词（≥3 张卡片）也可经 --from-review 触发合成。

边界与注意

• 输入至少是 JSON 数组且每条必有 title；theme、grade 强烈建议填写，否则聚类质量会下降。
• L3 对资料条数敏感，超过 5 条会强制降级，大库合成前先收窄 --focus 或 --top。
• 本技能不替代采集、消化、盘点类前置技能，只吃它们的产出并在更高层做合并；合成结论仍依赖原文质量，L1 不会替你补全未写进摘要的细节。