ingest

Ingest Skill

将会议、文章、媒体、文档和对话摄入到大脑中。

归档规则： 在创建任何新页面之前，请先阅读 skills/_brain-filing-rules.md。

约定

• 写入大脑页面的每一条事实都必须带有行内 [Source: ...] 引用，并注明日期和来源。
• 每次提及实体时，都要从该实体的页面建立一条指向提及它的页面的反向链接（铁律）。
• 通过 gbrain files upload-raw 保留原始来源以便溯源，并自动按大小分流。
• 状态（State）章节应以当前的最佳理解重写，绝不追加。
• 用户明确选择开启自动捕获之后（参见 skills/signal-detector/SKILL.md），每条有实质内容的入站消息都会触发实体检测，值得关注的实体将获得新页面或更新。未开启该选项时，仅捕获用户要求保存的内容。
• 创建任何新实体页面之前需通过显著性门槛：已有页面应直接更新；只有对于值得关注的实体，并且只有在网络搜索或现有大脑上下文提供了有实质意义的内容时，才创建新页面，不创建占位页。非显著实体的提及只作为所在页面的行内引用保留。

约定： 有关铁律反向链接的内容，参见 skills/conventions/quality.md。

每次提及已有大脑页面的人物或公司，都必须创建一条从该实体页面指向提及它的页面的反向链接。未建立链接的提及会破坏大脑的完整性。格式参见 skills/_brain-filing-rules.md。

引用要求（强制）

写入大脑页面的每一条事实都必须带有行内 [Source: ...] 引用。

• 用户陈述： [Source: User, {context}, YYYY-MM-DD]
• 会议数据： [Source: Meeting "{title}", YYYY-MM-DD]
• 邮件/消息： [Source: email from {name} re: {subject}, YYYY-MM-DD]
• 网络内容： [Source: {publication}, {URL}, YYYY-MM-DD]
• 社交媒体： [Source: X/@handle, YYYY-MM-DD](URL)（需包含链接）
• 综合整理： [Source: compiled from {sources}]

阶段

路由说明： 本技能是一个路由器。如需专门的摄入流程，请参见：idea-ingest、media-ingest、meeting-ingestion。

1. 解析来源。 从输入中提取人物、公司、日期和事件。
2. 针对每个提及的实体：
   • 从 gbrain 读取该实体的页面，检查其是否存在
   • 如果存在：更新 compiled_truth（用新信息重写 State 章节，不要追加）
   • 如果是新实体：先通过显著性门槛检查，然后以合适的类型和 slug 将页面存入 gbrain
3. 追加到时间线。 为每个事件在 gbrain 中添加时间线条目，包含日期、摘要和来源引用。
4. 创建交叉引用链接。 对于每一对一同被提及的实体，在 gbrain 中使用合适的关系类型将它们关联起来。
5. 为所有实体建立反向链接。 更新每个被提及实体的页面，添加一条指向本页面的反向链接（铁律）。
6. 合并时间线。 同一事件会出现在所有被提及实体的时间线上。如果 Alice 在 Acme Corp 见到了 Bob，该事件应同时记入 Alice 的页面、Bob 的页面和 Acme Corp 的页面。

每条消息的实体检测（开启选项后）

自动捕获默认关闭。一旦用户针对该大脑明确选择开启自动捕获（即 skills/signal-detector/SKILL.md 在写入前检查的已存储选项），生产环境中的 Agent 会对每条有实质内容的入站消息进行实体提及检测。这一信号检测循环使大脑能够随时间不断积累。未开启该选项时，仅写入用户要求保存的内容。

Protocol

1. 扫描消息，查找实体提及：人物、公司、概念、原创思考。在用户已记录同意的前提下，对每条实质性消息都要触发（跳过纯操作性消息，并遵循针对单条消息的更窄指令）。
2. 对每个检测到的实体：
   • gbrain search "name" -- 页面是否已存在？
   • 若存在： 使用 gbrain get <slug> 加载上下文。利用编译后的真相来指导你的回应。若消息包含新信息，则更新页面。
   • 若不存在： 评估显著性（参见 skills/_brain-filing-rules.md）。若实体值得追踪，则使用 gbrain put <type/slug> 创建新页面，并填入你已知的内容。
3. 创建或更新页面之后： 同步到 gbrain：

   gbrain sync --no-pull --no-embed
   

4. 不要阻塞对话。 实体检测与补充应与回应同时进行，而非先于回应。用户不应为了获得答案而等待大脑写入完成。

什么算作显著

• 用户交互或讨论的人物（而非随意提及）
• 与用户工作或兴趣相关的公司
• 用户提及或创造的概念或框架
• 用户自己的原创思考（想法、论点、观察）——价值最高
• 完整的显著性门槛参见 skills/_brain-filing-rules.md

从用户自身思考中捕获什么

原创思考是最有价值的信号。请记录准确措辞——用户的语言本身就是洞见。不要转述。

• 新颖的观察或论点
• 框架、心智模型、启发式方法
• 他人忽略的观点之间的联系
• 附带理由的反向立场
• 对外部刺激的强烈反应（触发原因及原因分析）

媒体工作流

用户接触到的内容应当被记录到大脑中。按主要主题归档，而非按格式归档（参见 skills/_brain-filing-rules.md）。

文章与网页内容

输入： 用户分享的 URL，或对话中提及的文章。

流程：

1. 获取内容（web_fetch 或同类工具）
2. 提取：标题、作者、发布机构、日期、全文
3. 总结：执行摘要 + 主要论点（而非复述）
4. 提取实体：人物、公司、提及的概念
5. 保存原始来源以便追溯（参见下方“原始来源保存”）
6. 为用户做分析：不要只是总结。结合你对用户的了解，指出什么有趣，标注关联、矛盾与内容机会。

写入位置： 根据归档规则写入相应目录（关于人物 -> people/，关于公司 -> companies/，可复用框架 -> concepts/，原始数据 -> sources/）

视频与播客

输入： URL（YouTube、播客等）或本地音频/视频文件。

流程：

1. 获取转录文本——如可能，进行说话人区分（如 Diarize.io 等服务可提供带说话人标签的词级时间戳）
2. 保存原始转录文本（同时保存 JSON 和便于阅读的 TXT）
3. 分析：执行摘要、关键观点、带说话人归属的关键引语、值得注意的故事/轶事、提及的人物和公司
4. 提取并交叉引用所有提及的实体
5. 硬性规则： 每个视频/播客的大脑页面都必须链接到原始的说话人区分转录文本。没有转录链接的页面视为不完整。

写入位置： media/videos/ 或 media/podcasts/，并回链至所有实体。

质量标准：

• 引人注目的标题（而非“本视频讨论了……”）
• 能让人想观看或收听的执行摘要
• “关键观点”应为真正的洞见，而非主题标签
• 逐字引语需标注真实说话人姓名（而非“speaker_0”）
• 所有实体均已提取，附带上下文并回链

PDF 与文档

输入： 文件路径或 URL。

流程：

1. 提取文本（若为扫描件或图片型 PDF，则进行 OCR）
2. 保存原始来源以便追溯
3. 总结：执行摘要 + 关键章节 + 值得注意的数据
4. 提取实体
5. 从实体页面进行交叉引用

写入位置： 按归档规则（按主要主题归档，而非按格式归档）。

截图与图片

输入： 图片文件。

处理流程：

1. 分析内容（文字较多的图片用 OCR，照片则生成描述）
2. 若为推文截图：提取文本、作者、日期，转交社交媒体工作流
3. 若为文章截图：提取文本，转交文章工作流
4. 若为数据或图表：提取数据点，描述发现

写入位置： 视内容而定，转交上述相应工作流。

会议记录

输入： 会议录制服务生成的转录稿，或手动笔记。

处理流程：

1. 获取完整转录稿（以此为事实依据，AI 摘要的可信度为中低）
2. 保存原始转录稿以备溯源
3. 在分隔线上方撰写会议页面（包含你的分析），分隔线下方放置原始转录稿
4. 实体传播（强制）： 对每位参会人和所讨论的每家公司：
   • 若出现新信息，更新其 brain 页面的状态（State）部分
   • 在其时间线（Timeline）中追加条目，并链接到会议页面
   • 若人员或公司较为重要但尚无页面，则创建页面
5. 只有在所有实体页面都更新完毕后，会议才算完整录入

写入位置： meetings/YYYY-MM-DD-short-description.md

优质会议页面的标准：

• 揭示真正的核心问题，而非罗列要点
• 关联已有的 brain 页面（人员、公司、交易）
• 标明发生了哪些变化（状态、决策、新信息）
• 指出存在的张力或未说出口的内容
• 捕捉真实的互动动态，而非表演式的总结

社交媒体内容

输入： 推文、串文或社交媒体帖子。

处理流程：

1. 获取完整内容（串文、引用推文、上下文）
2. 若含图片：通过视觉模型进行 OCR，提取完整文本
3. 总结：在说什么、为何重要、涉及哪些人或实体
4. 提取实体并更新 brain 页面
5. 附上原帖的直接链接（引用必备）

写入位置： media/x/ 用于每日汇总，若帖子主要涉及某人或某公司，则写入对应的实体目录。

原始素材保存

每条录入的内容都必须保留其原始素材以备溯源。

使用 gbrain files upload-raw 进行自动大小分流：

gbrain files upload-raw <file> --page <page-slug> --type <type>

• < 100 MB 的文本或 PDF：保存在 git 中（brain 仓库的 .raw/ 旁路目录）
• >= 100 MB 或媒体文件（视频、音频、图片）：通过 TUS 断点续传上传至云存储，并在 brain 仓库中留下 .redirect.yaml 指针文件

.redirect.yaml 指针文件格式：

target: supabase://brain-files/page-slug/filename.mp4
bucket: brain-files
storage_path: page-slug/filename.mp4
size: 524288000
size_human: 500 MB
hash: sha256:abc123...
mime: video/mp4
uploaded: 2026-04-11T...
type: transcript

访问已保存的文件：

• gbrain files signed-url <storage-path> —— 生成有效期 1 小时的签名 URL，用于查看或分享
• gbrain files restore <dir> —— 从云存储下载回本地

使用 gbrain 中的 put_raw_data 存储原始 API 响应及元数据（JSON 格式，非二进制）。

批量处理前先测试

处理多个条目时（如批量视频录入、批量会议处理等）：

1. 先在 3-5 个条目上测试。 如有测试模式，请使用测试模式运行。
2. 阅读实际输出。 质量是否达标？标题是否有吸引力（而非"本视频讨论了……"）？实体是否已提取并回链？格式是否整洁？
3. 修正方法或技能本身的问题，而非逐个打补丁。
4. 确认无误后再批量执行，并进行限速，每处理 5-10 个条目提交一次。

先测试 3 个条目的边际成本几乎为零，而清理 100 个错误页面的代价却极其高昂。

质量规则

• compiled_truth 中的执行摘要必须更新，而不能只追加时间线
• 状态（State）部分是重写而非追加，只保留当前的最佳理解
• 时间线条目按时间倒序排列（最新的在前）
• 每位提及的人员或公司，若足够重要，都应建立页面（参见归档规则）
• 链接类型：knows、works_at、invested_in、founded、met_at、discussed
• 来源标注：每条时间线条目都须包含 [Source: ...] 引用
• 反向链接：每次提及实体都必须建立反向链接（铁律）
• 归档：按主要主题归档，而非按格式或来源归档（参见归档规则）

失败处理

对于任何 gbrain 错误 code、退出码、[AGENT] 块或提示块，请遵循 Agent 操作协议。本技能特有的规则如下：

• 本技能路由到的子技能失败时：报告是哪一个子技能以及失败原因，并依据该子技能自身的失败指引处理；不要悄悄改走通用的页面写入。
• put_page 返回 write_pending（退出码 10）或 revision_conflict 时：轮询 gbrain write-request <request_id>，或重新读取并合并；绝不要写入重复页面。
• gbrain files upload-raw 因大小或路径被拒绝时：存储一个指针，并告知用户原始文件未上传。

反模式

• 追加到 State 小节。 每次更新时，State 都应以当前最佳理解重写。只追加的 State 小节会逐渐过时并自相矛盾。
• 导入时不建立反向链接。 未链接的提及意味着知识库是断裂的。每个被提及的实体，都必须有从其页面指向提及它的页面的反向链接。
• 跳过原始来源保存。 每个导入的条目都必须保存其原始来源。没有出处信息的知识库页面无法验证。
• 未经抽样测试就进行批量处理。 先在 3-5 个条目上测试。应通过修正处理方法来解决质量问题，而不是逐个打补丁。
• 改写用户的原始思路。 用户的原话本身就是洞见。对于观点、论点和框架，应逐字保留其措辞。

输出格式

INGESTED: [title]
==================

Page: [slug]
Type: [person / company / meeting / media / concept]
Source: [source description]

Entities detected: N
- [entity] -> [created / updated] ([slug])

Back-links created: N
Timeline entries: N
Raw source: [preserved at path / uploaded to cloud]

使用的工具

• 从 gbrain 读取页面（get_page）
• 在 gbrain 中存储/更新页面（put_page）
• 在 gbrain 中添加时间线条目（add_timeline_entry）
• 在 gbrain 中关联实体（add_link）
• 列出页面的标签（get_tags）
• 在 gbrain 中为页面添加标签（add_tag）
• 在 gbrain 中存储原始数据（put_raw_data）
• 检查 gbrain 中的反向链接（get_backlinks）