Agent 知识管家

要解决什么问题

工程师和创作者日常会堆链接、截图、笔记和文档，但很少有时间当场分类、打标签、写摘要。事后想「那篇讲 XX 的」往往只能靠记忆或全文搜索对话历史，可检索、可复用的知识资产很难沉淀下来。

技能如何工作

Agent 知识管家把「转发即收录」当作主路径：你丢 URL、纯文本、文档或图片，技能先提取标题与来源、判断领域与身份归属，再按模式决定是否追问，最后生成知识卡片并追加到 ./MEMORY.md 的对应分区，同时更新索引与 progress.json。

核心机制包括：

• 结构化存储：卡片含 core_takeaway、来源、标签、应用场景等；检索时先扫索引区关键词，再用 memory_search 做语义补充，合并去重后输出。
• 多身份分区：主身份完整归档，副身份只写引用卡（「详见→XX区/XXX」）；/管家 搜索 限当前主身份，/管家 全局搜索 跨分区。
• 追问三档：正常 / 轻量（只问一题）/ 安静（直接归档）；新领域前几条会多问，条数多了会自动减问；跳过追问的字段标 [待补充]，可用 /管家 补充 批量补全。
• 图片处理：L1 元数据 → L2 OCR → L3 AI 识别，失败自动降级；报价、参数等精确数字仍建议人工核对。

还支持 /管家 导入、/管家 导出、模板扩展字段，以及按领域独立的退化机制（长期不互动则减少追问或提醒是否继续维护）。

适用边界

OCR 与视觉识别受图片质量、工具可用性影响，不是精确抄数工具。一条内容最多关联三个身份分区，避免过度打标签。退化与追问策略按领域独立计时，切换主身份后检索默认只搜新主身份分区，跨域检索需显式用全局搜索。