knowledge-absorber

用法

把链接、文档、图片或代码整理成一份可学习、可搜索、可继续提问的学习成品，并输出：

• knowledge_card.md
• knowledge_card.interactive.html

只需要一条命令：

python scripts/run_full_pipeline.py “<链接或本地文件路径>” [“<更多链接或文件路径>”]

示例：

python scripts/run_full_pipeline.py “https://example.com/article”
python scripts/run_full_pipeline.py “E:\资料\AI导论.pdf”
python scripts/run_full_pipeline.py “E:\资料\架构图.png”
python scripts/run_full_pipeline.py “E:\repo\main.py”
python scripts/run_full_pipeline.py “https://example.com/article” “E:\资料\补充说明.pdf”

也支持这种自然语言写法：

python scripts/run_full_pipeline.py “学习这个 https://example.com/article”

核心流程

本技能采用 真理锚定协议 (Truth Anchoring Protocol) 确保内容准确性。

第一步：智能摄取 (Content Ingestion)

运行脚本获取干净的内容。脚本会自动清洗 HTML 噪音、广告和无用内容，并处理多模态内容（PDF/OCR）。

清理机制：

• 自动移除广告、导航、页脚、社交分享等UI元素
• 过滤包含噪音关键词的短文本（登录、注册、下载、关注等）
• 识别并移除广告容器（通过class/id模式匹配）
• 不保留明显的UI元素和营销内容
• 不保留”谢谢大佬的支持”等打赏提示
• 不保留页面导航和推荐链接

第二步：真理锚定 (Truth Anchoring)

”不要轻信任何文本，哪怕它看起来很专业。”

在生成内容之前，必须先对摄取的内容进行准确性校验。

验证流程：

1. 提取核心主张：识别文中所有关键事实性主张（具体数据、API用法、历史事件、绝对化论断）
2. 联网审计：调用 WebSearch 验证每个主张，搜索必须包含当前年份（2026）以确保时效性
3. 生成校准报告：构建”红队报告”，标注错误、过时或有争议的内容
4. 显式标注：在最终输出中明确标注所有不确定或有争议的信息

验证要求：

• 每个关键主张都必须经过搜索验证
• 不得直接使用未经验证的原文内容
• 不得忽略明显的时效性问题（如”2020年最新”）
• 不得省略对绝对化论断的验证（”总是”、”从不”、”必须”）
• 不得在发现错误后不标注就直接使用

标注规范：

• 过时信息必须标注”[已过时]”
• 有争议内容必须标注”[存在争议]”
• 无法确认的内容必须标注”[待确认]”

第三步：生成教学内容

根据清洗后的内容和校准报告，生成多模态输出。

内容适配：

• 技术类：使用现代清爽风格（Apple Design 风格）
• 国学/人文类：使用水墨国学风格（传统中文字体、水墨背景、印章装饰）

国学风格触发条件： 当标题、来源、标签或内容前几段包含以下任一关键词时，自动应用国学风格：

• 经典文献：论语、庄子、道德经、史记、诗经、易经、孟子、荀子、春秋、左传、礼记、周易、尚书、大学、中庸
• 学派思想：国学、古文、佛、儒、道、哲学、人文、儒家、道家、佛家、法家、墨家、兵家、禅宗、理学、心学、玄学
• 历史人物：孔子、老子、孟子、庄子、荀子、墨子、韩非子、朱熹、王阳明、程颐、程颢
• 文学体裁：古诗、词、赋、骈文、散文、文言文
• 其他：经史子集、四书五经、诸子百家、传统文化

第四步：质量验收 (Quality Assurance)

交付前必须确认以下项目：

1. ✅ HTML 包含 <script> 搜索逻辑
2. ✅ 国学模式下使用传统中文字体（宋体、思源宋体）和水墨风格
3. ✅ 包含 Mermaid 认知地图
4. ✅ 包含 5-8 个 FAQ
5. ✅ 内容已清理干净（无广告、无UI元素、无打赏提示）
6. ✅ 所有关键主张经过真理锚定验证
7. ✅ 不确定内容有明确标注

不得出现以下情况：

• 输出包含广告或营销内容的HTML
• 输出未经验证的事实性主张
• 国学模式下使用现代西文字体
• 省略搜索功能
• 省略Mermaid图表

若任一项不符合要求，必须重新生成。

输出位置与文件

脚本会在 outputs/knowledge_YYYYMMDD_* 下生成一个输出文件夹，且最终只保留两个文件：

• knowledge_card.md
• knowledge_card.interactive.html

导师模式（交互 HTML 可选）

导师模式需要本地 relay 才能在浏览器里调用模型：

• python scripts/mentor_relay.py（默认 http://127.0.0.1:8760）

如果只是阅读/搜索正文，不需要启动 relay。

支持的输入

• URL 链接
• PDF / Word / Markdown / TXT
• PNG / JPG / JPEG / WEBP
• Python / JavaScript / TypeScript / Java / C / C++ / Go / Rust 等代码文件
• 一次传入多个链接或文件