知识桥

问题：洞察散落，知识难沉淀

很多技术实践者会维护一个"洞察引擎"，定期产出学习笔记、视频摘要、技术卡片等内容。这些内容往往散落在不同的日志、数据库或聊天记录里，缺少统一的入口。结果是：想找某条历史洞察时，只能翻日志；想按主题归类时，只能靠人工整理；同一条内容被多次收录时，数据库里会出现重复记录，后续检索和统计都会失真。

更具体的痛点包括：

• 新产生的洞察批次需要人工搬运到知识库
• 分类维度不统一，导致检索时只能靠关键词匹配
• 重复内容缺乏去重机制，stats 统计出来的记录数偏大

核心能力与工作流

knowledge-bridge 的目标是把这条链路自动化。它的核心路径是 run("ingest")：读取最新一个洞察周期，逐条解析 title 和 URL，用 MD5 生成去重指纹，写入 memory.db，同时通过 LlamaIndex 建立可语义检索的索引。

• 自动摄取：调用 ingest 后，技能会读取指定来源的日志文件，提取当前周期的条目列表
• 去重机制：每条内容以 MD5 作为唯一标识，已存在的记录不会重复入库
• 领域分类：按预设主题（如 AI/技术、商业/变现、教育/学习）自动打标，不需要人工指定
• 摘要与解释：写入后支持 search 检索和解释单条知识记录
• 历史回填：首次使用时执行 backfill，可以将所有历史周期一次性补齐

适用边界

这个技能的输入格式依赖特定的日志结构，如果上游洞察引擎的输出格式发生变化，需要同步调整解析逻辑。分类维度是预设的，遇到跨领域或新的子主题时，可能需要扩展分类规则。此外，它处理的是结构化文本条目，不能替代真正的知识图谱构建或跨文档推理。