concept-synthesis

concept-synthesis — 从原始存根到知识地图

约定： 回链执行与引文忠实度要求，参见 conventions/quality.md。

约定： 请参见 _brain-filing-rules.md——输出文件按主题归属规则存放于 concepts/ 下。

解决什么问题

许多摄取流水线（signal-detector、idea-ingest、voice-note-ingest）会为提到的每个想法创建一个概念页面。数月之后，这会产生：

• 数千个存根页面，其中很多是重复或近似重复的
• 时间线条目重复引用同一来源，分散在多个概念页面中
• 没有综合分析——只有“用户在某日提到了 X”
• 没有层级划分——所有内容扁平排列
• 没有聚类——相关想法之间没有链接

本技能将这些原始素材转化为经过整理的知识地图。

架构

Phase 1: Dedup + merge (deterministic)
  N stubs → ~N/4 canonical concepts
    ├── Jaccard dedup (word-overlap on titles + first-paragraph)
    ├── Substring dedup ("founder mode" vs "founder mode vs manager mode")
    ├── Semantic dedup (LLM: "are these the same idea?")
    └── Merge timelines + aliases from duplicates into the canonical page

Phase 2: Score + tier (deterministic + heuristic)
  Each canonical concept → scored and tiered
    ├── Frequency: distinct sources referencing this concept
    ├── Timespan: first mention → last mention in days
    ├── Breadth: distinct months it appears in
    ├── Engagement: avg engagement on concept-bearing sources (if available)
    └── Tier: T1 Canon | T2 Developing | T3 Speculative | T4 Riff

Phase 3: Synthesize (LLM, T1+T2 only)
  T1 + T2 concepts → rich synthesis
    ├── Evolution narrative: how the idea sharpened over time
    ├── Best articulation: highest-engagement or most precise quote
    ├── Related concepts: cross-links to other concepts
    ├── Context: what was happening when this idea emerged / evolved
    └── Counter-positions: what this idea argues against

Phase 4: Cluster + map (LLM)
  All tiered concepts → intellectual clusters
    ├── Group related concepts into domains (auto-named via LLM)
    ├── Generate cluster summary pages
    ├── Build a master concepts/README.md with the full map
    └── Identify idea genealogies (concept A → evolved into concept B)

Phase 5: Curation cull (rubric + reversible merge)
  Each concept → hard verdict: ELITE | KEEP | MERGE/REWRITE | DELETE
    ├── 6-axis rubric (substance 2x, packaging 1x) + minimum substance gate
    ├── Grounding labels (VERIFIED / OPINION / NEEDS_SOURCE / UNSAFE)
    ├── Cluster budgets + reputational-risk gate
    ├── Merge-with-backlinks into cluster canonicals (fully reversible)
    └── merge_count / independent_sources → emergent tier promotion

调用方式

本技能是 Markdown 格式的 Agent 指令。Agent 使用 gbrain 现有操作加上大模型处理步骤：

# 1. List all concept pages
gbrain query "type:concept" --limit 10000 --json

# 2. Phase 1 dedup — agent applies Jaccard + substring locally,
#    then LLM passes to identify semantic duplicates.

# 3. Phase 2 tier — agent scores each canonical concept based on
#    frequency / timespan / breadth and writes tier into frontmatter.

# 4. Phase 3 synthesis — for each T1/T2, agent reads the timeline
#    + associated source pages and writes a synthesis section
#    onto the concept page via put_page.

# 5. Phase 4 clustering — agent reads the tiered concept list
#    and writes concepts/README.md with the full intellectual map.

输出：概念页面格式（综合之后）

T1 Canon——完整综合

---
title: "concept name"
type: concept
tier: 1
tier_label: "Canon"
mention_count: 18
distinct_months: 8
first_mention: "YYYY-MM-DD"
last_mention: "YYYY-MM-DD"
composite_score: 78.4
aliases: ["alternate phrasing 1", "alternate phrasing 2"]
related: ["sibling-concept-1", "sibling-concept-2"]
---

# concept name

**Tier 1 — Canon** | 18 mentions across 8 months

## Synthesis

[2-4 paragraph narrative tracing how the idea evolved, what it means in
the user's worldview, why it matters. Third-person analytical voice.]

## Best Articulation

> "Verbatim quote from a source — the most precise or highest-engagement
> expression of this idea." — [Date](source-url)

## Evolution

| Period | Expression | Signal |
|--------|-----------|--------|
| YYYY-MM | "First articulation" | First use — aspiration frame |
| YYYY-MM | "Sharpening" | Anti-pattern emerges |
| YYYY-MM | "Peak form" | Cleanest expression |

## Related Concepts
- [sibling concept](sibling-concept.md) — relationship description
- [sibling concept](sibling-concept.md) — relationship description

## Timeline
[Full timeline with deduped entries, quotes, source links]

T3 / T4——仅存根（无大模型综合）

---
title: "concept name"
type: concept
tier: 4
tier_label: "Riff"
mention_count: 1
---

# concept name

**Tier 4 — Riff** | 1 mention

> "Quote from the source" — [Date](URL)

输出：位于 concepts/README.md 的聚类地图

# Intellectual Universe

## Canon (T1) — N concepts
The permanent intellectual fingerprint. Ideas that recur across years.

### [Cluster Name]
- [concept-slug](concept-slug.md) — one-line characterization
- ...

### [Other Cluster]
- ...

## Developing (T2) — N concepts
Sharpening. Might become canon.

## Speculative (T3) — N concepts
Testing in public.

## Stats
- Total concepts: N
- T1 Canon: N
- T2 Developing: N
- T3 Speculative: N
- T4 Riff: N
- Earliest source: YYYY-MM-DD
- Latest source: YYYY-MM-DD

第 5 阶段：策展筛选——保留/删除/合并准则

第 1–4 阶段只向上合并，从不删除任何内容。数月之后，语料库中充斥着空洞的存根，稀释了真正能够持续增值的概念。第 5 阶段即筛选：对每个概念给出明确判定，可按周期或按需运行，且每一个破坏性步骤都可以撤销。

约定： 参见 conventions/test-before-bulk.md——先筛选 3–5 个聚类，阅读实际输出，然后才运行完整流程。

核心问题

如果用户两年后毫无准备地调出这个概念，它会让某个想法变得更锐利，还是会催生新的东西？还是说，用户会把它当作填充内容直接略过？

被略过 = 删除。

六个维度（每项 1–5 分）

三个实质维度权重为 2 倍，三个包装与契合维度权重为 1 倍。实质决定概念本身的价值，包装则为其赢得展示空间。

实质（2 倍权重）：

维度	1	3	5
洞见与张力——承载真实的智识负荷：一种机制、一个非显而易见的因果联系、一种反转、一种隐藏的代价	陈词滥调（“创业很难”）	熟悉的观点，但有具体角度	一个可复用的命名机制
原创性与惊奇——新颖的框架，颠覆预期，而非任何人都能写出的老生常谈	心灵鸡汤（“纪律胜过动力”）	已知观点，经由用户的视角呈现	一个感觉像是新创、便于迁移的框架
具体性与完整性——自成一体的主张、机制或区分，包含具体细节，而不是需要缺失上下文才能理解的片段	含糊或被截断	完整但泛泛	具体、有证据支撑、完全独立成立

包装与契合（1 倍权重）：

维度	1	3	5
语言张力与机智——语言中的力量：一个尖锐的转折、一次凝练的压缩、一句有力的话	平淡 / 教科书式	清晰	值得引用，有冲击力
代表性——听起来像用户本人，或与用户已记录的世界观相连	任何人都可能写出	与用户的视角相符	明显带有用户的个人印记
有力且清晰——可直接使用的弹药（文章论点、演讲金句、会议框架），同时能传达用户究竟是怎样的人	无用的琐碎知识	稍加加工即可使用	可直接投入使用，并让用户更被人理解

评分 → 结论

加权分 = (Insight + Originality + Specificity) × 2 + (Voltage + Representative + Powerful) × 1。满分 = 45；以百分比表示。

加权百分比	结论	同时必须满足的门槛
≥85%	ELITE：保留并标记为可复用	任一维度不低于 3；至少 2 个 5 分，且其中至少一个在 SUBSTANCE 维度
75-84%	KEEP	(Insight ≥4 或 Originality ≥4) 且 Specificity ≥3 且 (Representative ≥3 或 Powerful ≥4)
55-74%	MERGE/REWRITE 或弱保留	想法不错但正文有缺陷 → 并入所属聚类的标准条目，或改写为可独立成立的内容。仅当来源罕见或填补覆盖空白时才原样保留。否则 DELETE。
<55%	DELETE	—

最低实质门槛（优先于百分比）： 若 Insight < 3 或 Originality < 3，则该概念永远不能为 KEEP 或 ELITE。文风无法弥补空洞的想法。

MERGE/REWRITE 是一个真正的第三种结论，而非回避。许多短条目里藏着有价值的想法，只是正文太弱——应将其并入聚类标准条目，或改写为可独立成立的内容。当 Insight ≥ 3，但 Specificity 或 Voltage 拉低了总分时，使用该结论。

硬性 DELETE 触发条件（满足任一即删除，无论得分如何）

• 俗语式废话 — 虽然正确，但说的东西连贺卡都不如；陈词滥调，没有机制。
• 残片 — 依赖无法获得的上下文；不能自成一体（除非来源罕见，即便如此也仅限于可理解且有用的情况）。
• 提取错误 — 转录乱码、话说到一半被截断、语义不连贯，或把分块标题误当作概念。
• 偏离使命的琐碎信息 — 准确，但与用户正在构建、相信或可能用到的任何东西都无关。
• 聚类内重复 — 未通过下面的操作性重复测试。
• 无依据的事实性断言 — 以事实形式陈述的事实性、历史性或因果性断言，且错误或无来源。修饰或删除。

依据标签（仅适用于事实类概念）— 贴标签，而非一味扣分

任何事实性、历史性、科学性或因果性断言都需要进行真实性检查，并添加 grounding: 前言标签：

• VERIFIED — 准确且有来源 → 可保留并投入使用。
• OPINION — 明确表述为用户自己的观点或论点 → 可保留。
• NEEDS_SOURCE — 合理但未注明来源、却以事实形式陈述 → 仅当改写为主张或观点时才保留。
• UNSAFE — 错误，或语气尖锐但不实 → DELETE 或修饰。

不要存储自信的错误陈述——一旦投入使用，它们会让用户更不被理解，而非更被理解。引用遵循 conventions/quality.md。

声誉风险门槛

一个概念如果语气尖锐，但可能让用户显得残酷、轻视他人或持有其并不认同的立场，就是负债而非弹药。即便在语气强度（voltage）上得分很高，也应标记为改写或删除。Powerful 指的是使用时不会招致反噬。

聚类预算（"规模化后的陈词滥调"问题）

当许多概念来自同一来源或共享同一想法时，应评估整个集合，而非孤立地逐条评估。每个语义聚类的默认预算为：

• 1 个标准概念（对机制最精准的表述）— 必备。
• 再加 1-2 个，且仅当每个都增加了独特的机制、具体示例、不同的情感基调、新的受众，或来自用户的独特措辞。
• 超过 3 个，仅当与某个活跃项目相关。

聚类中的其余内容应为 MERGE（优先选择，参见下文）或 DELETE。同一主题下四十条高度相似的短条目 → 一个机制性标准概念，或许加上一句出色的话。其余的并入标准概念。

操作性重复测试

不要凭感觉判断"重叠百分比"。将候选概念与其聚类中最佳的现有概念进行比较，并提问：它是否增加了新的机制、示例、情感基调、受众，或用户特定的措辞？ 如果没有 → MERGE（并入其中，保留其中的信号）或 DELETE。如果有 → 它所增加的内容，正是保留它的理由。

硬性保留覆盖（可挽救低分内容，但有下限）

每条覆盖规则仅在概念可理解且可能有用时适用：

• 独特语态：捕捉只有用户本人才会说出的内容。语态优先于文字润色，但不能凌驾于连贯性之上。
• 对进行中的项目负有关键作用：直接支撑某个已知论点或正在进行的工作。
• 稀有出处：真实的引述或时刻，无法重新生成（如一次会议、用户自己的笔记），且包含可追溯的含义。仅有“关于 AI 的那个观点很棒”这类无实质内容的表述不符合条件。

合并并保留反向链接（可逆，不销毁任何内容）

对于冗余簇，清理策略是反转的：不删除尾部内容，而是将其合并到规范主页面中，并由合并台账充当显著性指标。一个概念被独立重新推导 N 次，并非冗余，而是语料库在 N 种不同语境中标记出“此事重要”。删除重复项会丢失这一信号；合并则会保留它。

每次合并都会为规范页面增加三个 frontmatter 字段和一个正文章节：

• merge_count（整数）：被吸收页面的原始数量，包括来自同一来源的重复提取。
• independent_sources（整数）：该簇所涉及的不同来源数量。这是真正的显著性指标——当某一来源被反复重新提取时，原始 merge_count 会虚高；independent_sources 可以修正这一问题。
• backlinks（由 {source, angle, date} 组成的列表）：每个被吸收页面的来源及其带来的具体角度。所有视角均得以保留，只是不再作为独立的顶层页面存在。
• ## Facets（正文）：顶部为规范机制说明，之后每个被吸收页面对应一行简短的“如见于 {source}：{angle}”。该概念因此变为多角度视图，而非冗余内容。

合并质量门槛（拒绝不完整的合并）： 只有在满足以下两点时才会写入合并：(a) ## Facets 章节中，每个被吸收页面对应一行（包含来源和具体角度）；(b) 每条 backlinks 条目都包含来源、角度和日期。若 Facets 为空或存在悬空条目，则拒绝该合并，并将该簇标记为待人工审核。不允许半成品合并。

区分性防护是硬性否决，而非建议。 只有当 LLM 评审明确确认两个概念陈述的是相同机制时，看似重复的两个概念才会被合并。默认不合并；评审必须主动证明合并的必要性，其是/否判断及理由需按簇记录日志。不同的机制、示例或语体应归入各自独立的规范页面。相似度只是提出建议，最终由判断决定。

寻找合并候选项——采用定性区间，而非数值截断。 不要硬编码相似度阈值：gbrain search 返回的是混合（RRF 融合）得分，而非原始余弦相似度，任何固定数值都会随语料库和搜索模式的变化而失效。应采用定性方式：以每个概念的标题和第一段进行搜索；当两个概念在结果列表顶部互相出现，且与其余结果之间存在明显的得分差距时，将其视为合并候选。共享词汇但机制不同的概念通常位于列表中段——这正是区分性防护发挥作用的区间。在批量处理前，应根据自身语料库的分布进行校准。

合并机制（渐进式，完全可逆）

# 0. Inventory the stratum being culled
gbrain query "type:concept" --limit 10000 --json

# 1. Probe for merge candidates (mutual top-of-list hits)
gbrain search "concept title + first paragraph" --limit 10

# 2. Archive the absorbed page verbatim under _merged/ BEFORE touching it
#    (add merged_into: <canonical-slug> to its frontmatter). The _merged/
#    tree is the undo button.
gbrain get concepts/absorbed-stub
gbrain put concepts/_merged/cluster-name/absorbed-stub

# 3. Grow the canonical head: merge_count, independent_sources,
#    backlinks, and the ## Facets section
gbrain put concepts/canonical-slug

# 4. Soft-delete the absorbed original (restorable until purge)
gbrain delete concepts/absorbed-stub

# Undo paths: gbrain restore <slug> (within the purge window),
# the _merged/ copy (survives purge), and per-page version history:
gbrain history concepts/canonical-slug
gbrain revert concepts/canonical-slug <version_id>

逐步提交。清理过程中不进行任何硬删除；_merged/ 目录、软删除以及页面历史共同确保每一步都可逆。

合并台账 → 涌现式层级晋升

将 independent_sources 纳入第 2 阶段的频次维度。当某个规范概念的 independent_sources 跨过语料库直方图中的自然断层时（观察分布本身，不要硬编码整数），该概念即成为层级晋升候选（T4→T3、T3→T2、T2→T1 审核）。不设规模上限：持续吸收合并的概念理应变得更丰满。层级边界由此变为涌现式，而非人工划定——由语料库告诉你某个反复出现的想法已经赢得了它的层级。

质量门槛

去重质量

• 任意两个概念页面都不应是“同一个想法换了说法”。
• 在 frontmatter 中保留别名，便于搜索。
• 运行 gbrain query "type:concept"，抽查数量是否有所减少。

分级质量

• T1 应让人感觉“没错，这确实是我反复出现的框架之一”——可识别、反复出现、足够清晰。
• T2 应让人感觉“我正在研究它，它越来越清楚了”。
• 不应存在跨度不足 4 个月或提及次数少于 6 次的 T1 概念。
• 不应存在跨度超过 3 个月的 T4 概念。

综合质量

• 记录演变过程，而不只是重复。
• 使用逐字引语，而非转述。
• 链接到相关概念（使用 Markdown 链接，而非 wiki 链接）。
• 不得虚构来源或日期。

精简质量

• 概念若承载着该簇中关于某一机制的唯一表述，则不得删除——每次精简都必须保留规范页面。
• 每次合并都必须通过合并质量门槛：填充 ## Facets 并完整记录 backlinks 条目。不允许半完成的合并。
• 每个簇的区分性守卫判定都需记录在案；在写入任何合并之前，判定者必须明确给出“是”。
• 标记为 UNSAFE 的主张不得以事实形式保留。
• 每个被吸收的页面在其原件被软删除之前，都必须先有一份逐字副本存放于 _merged/。

Cron 集成

这是一项繁重的工作。应按节奏运行，而不是对每个信号都运行：

• 大批量摄取完成之后（信号检测器突发、归档爬虫运行等）。
• 每周定时运行，对新晋升的 T1/T2 概念进行增量综合。
• 当语料发生显著变化时，手动触发完整的重新综合。
• 第 5 阶段的精简运行频率低于综合——每月一次，或在大批量摄取使 stub 数量明显膨胀之后运行。始终先进行“先测试再批量”。

失败处理

对于任何 gbrain 错误 code、退出码、[AGENT] 块或通知块，均须遵循 agent 操作协议。本技能的特定要求如下：

• 若 LLM 判定或综合运行因成本上限而停止（cost_cap_exceeded，或退出码 11 并附带 resume_command）：汇报已完成的部分；仅在用户同意的预算范围内，使用打印出的命令恢复运行。
• 在用户设定上限的情况下出现 no_pricing：告知用户，查询该模型的每 token 单价；在用户同意后，请大模型宿主机的运维人员使用 gbrain pricing set <model> --input <usd-per-1M> --output <usd-per-1M> 进行注册。
• 重写概念页面时出现 revision_conflict：重新读取并合并；绝不覆盖一个你未曾重新读取过的页面。

反模式

• ❌ 对 T3/T4 运行综合——在可能永远不会清晰化的想法上浪费 API 预算。
• ❌ 虚构引语或日期。时间线必须能够与现有 brain 页面相互核实。
• ❌ 使用笼统的簇名称（如“各种主题”）。如果无法为簇命名，说明该簇并不真实。
• ❌ 在没有新源材料的情况下重新综合已综合过的 T1。应尊重幂等性。
• ❌ 为合并候选硬编码数值相似度阈值。搜索分数与语料和模式相关；应使用定性区间，并交由区分性守卫决定。
• ❌ 仅凭相似度进行合并。共享词汇不等于共享机制；区分性守卫是硬性否决，而非建议性意见。
• ❌ 删除冗余概念而非将其合并上升。删除会丢失驱动层级晋升的频次信号。
• ❌ 因措辞优美而保留空洞的概念。最低实质性门槛正是为此而设。
• ❌ 精简时硬删除。应归档到 _merged/ 并软删除；保持每一条撤销路径畅通。
• ❌ 未先进行 3-5 个簇的抽查就批量精简（参见 conventions/test-before-bulk.md）。

相关技能

• skills/signal-detector/SKILL.md — 从文本渠道创建原始概念 stub
• skills/voice-note-ingest/SKILL.md — 对音频渠道执行相同操作
• skills/idea-ingest/SKILL.md — 对链接/文章执行相同操作

契约

本技能保证：

• 路由与 frontmatter 中的标准触发词一致。
• 输出写入 writes_to: 中列出的目录（如适用）。
• 所引用的约定（quality.md、brain-first.md、_brain-filing-rules.md）均得到遵循。
• 隐私契约得到保持：不包含真实姓名、不包含分叉特定的文件系统路径字面量，也不包含上游分叉引用。

完整的行为契约记录在上方正文各节中；本节存在的目的是供一致性测试使用。

输出格式

本技能的输出结构在正文各节中有内联说明（参见“Output”“Brain page format”或同类章节）。此处的字面章节标题存在的目的是供一致性测试（test/skills-conformance.test.ts）使用。