阿拉丁个人知识库工作台

问题：笔记越攒越多，思路却连不起来

现状通常是两类工具各自为战：笔记 App 的同步客户端只负责搬运和检索，不会抽取实体、不会建链、不会提醒复习；读书摘录工具只把划线句子堆在一起，不分类、不原子化。结果是收藏即遗忘——存了几百篇"以后再看"、写了几万字笔记，半年后想找某个观点时，笔记之间没有连接，拼不回当时的思考路径。

工作原理：一条纯本地的"碎片 → 知识库"链路

这个技能把整条链路收口成三段式脚本，全程只用 Python 标准库，离线运行，数据不出本机：

• 输入归一（knowledge_ingest.py）：接受 Markdown、TXT、DOCX、CSV、JSON 或整个笔记目录，统一为 aladin.kb-ir/v1 记录，自适应 GB18030/UTF-8/UTF-16 编码，按标题+正文指纹去重。
• 知识抽取（knowledge_build.py）：以中文最大串锚点分词抽取实体与关键词，按 PARA（项目/领域/资源/归档）启发式分类，解析显式 [[wikilink]] 并基于共享显著实体构建隐式反链，再做 Zettelkasten 原子卡拆分、MOC 内容地图、5 层渐进式总结与间隔复习卡生成。
• 交付报告（knowledge_report.py）：产出三件套——HTML 健康度驾驶舱（评分环、域分布、反链图、笔记卡片、MOC、复习卡）、Markdown 知识库手册（含全部原子卡）和 CSV 矩阵（utf-8-sig，Excel 直开）。

同一输入双跑结果逐字节一致，便于回归与审计。

适用边界

• 纯抽取式，不生成内容：只重组原文句，不编造事实，重要信息需以原文核实。
• 不联网、不调外部 API：无法抓取网页或订阅外部信息源，实时数据不在能力范围内。
• 分类是启发式：PARA 归类与实体抽取均为规则提示，无领域信号的笔记归入"未分类"，需要人工校准。
• 不渲染图谱图片：输出结构化数据与导航源码，可视化交给你自己的渲染器。