本地外脑·知识库自动搭建

要解决的问题

本地外脑适合处理这类问题：笔记、Agent 会话、项目文档、网页剪藏和临时资料散落在多个目录里，后续靠人反复整理、重命名、补链接。相比每次查询时再做检索的传统 RAG，它强调编译式知识沉淀：先把原始素材读成可维护的结构化页面，再让知识在 Markdown Wiki 里持续复用。

如何工作

技能围绕一条本地管道运行：

• 增量扫描：agent_inbox_scanner.py 每 30 分钟检查监控目录，把新增或修改文件放入收件箱。
• AI 编译入库：agent_inbox_compiler.py 每天 23:00 将待处理素材编译为 Wiki 页面，页面带 YAML frontmatter、[[分类/页面名]] 交叉引用和来源标注。
• 每周体检：weekly_deep_organize.py 检查孤儿页、断链和过期内容，并尝试自动修复。
• 版本与备份：默认使用本地 Git 做版本控制，也可扩展到移动硬盘或对象存储。
• 无 Key 模式：缺少 LLM 密钥时，编译器可生成 _compile_task.md，由任意 AI 助手手动处理后再落盘。
• 跨 Agent 桥接：可导出 _holographic_sync.jsonl，让其他 Agent 以标准 JSONL 读取实体与关系。

边界与注意点

它更适合管理 5～8 个核心目录中的文本资料，不建议把整个盘加入监控。单文件文本上限约 16KB，目录深度约 3 层，超过部分可能被截断或忽略。技能不读取浏览器历史或聊天记录，不修改原始文件，云端备份也是可选项。API Key 主要影响自动编译，不影响扫描、备份和体检。