知识库增量整理

知识库的数据堆积问题

当我们在 ima 这类知识库中持续收藏文章、教程或提示词时，常面临一个隐性问题：收藏不等于学习。资料往往未经筛选和结构化就直接入库，随着时间推移，知识库会混入大量过时或低价值的信息。时间一长，我们既不清楚库里新增了什么，也无法追踪哪些资料已从“原始素材”提炼成了“可用知识”。

kb-inventory-update 就是为解决这一增量维护难题而设计的自动化脚本。它不试图一次性重写你的整个知识库，而是通过对比机制（diff），只处理新增或变动的资料，避免对已有内容进行重复且昂贵的重新分级。

核心处理逻辑

该技能的工作流分为四个关键阶段：

1. 扫描与对比：脚本会执行扫描脚本获取最新资料清单，并与上一次保存的 processed_kb_items_latest.json 进行对比。如果是首次运行，它会将全量数据视为新增处理。
2. 分级与打标：新增资料会根据 references/grading_rules.md 中的规则进行 A/B/C 三级分类。同时，系统会构建三级标签体系（10个一级主题域、具体模型/工具二级标签、资料性质三级标签）。
3. 生成诊断报告：产出 Markdown 和交互式 HTML 双版本报告。报告不仅包含变更记录，还引入了“成果转化漏斗”和“时效性预警”功能，自动检测标题中的旧年份或停用模型名，标记为 outdated 或 review。
4. 上传与备份：最终报告会上传到通过环境变量 IMA_INVENTORY_KB_ID 指定的知识库，并更新本地索引快照供下次使用。

部署与边界

在部署时需注意目录结构：技能脚本依赖 shared/logger.py，两者必须处于同级位置，否则会报 ModuleNotFoundError。此外，A类资料的比例建议保持在 30% 以下以确保含金量，若比例异常，脚本会建议进行复盘。