mcpField
K
knowledge-consolidation

knowledge-consolidation

github.com/huytieu生产力1.3k195 次安装6 天前更新
代码仓库

关于 knowledge-consolidation

knowledge-consolidation 是用于 COG 的知识整理技能,面向希望从零散记录中提炼模式并维护知识库的用户。它通过证据追溯、去重和循环检查,将洞见整理为可持续更新的框架与报告。

主要功能

  1. 01扫描并整理多来源笔记
  2. 02识别重复主题与时间变化
  3. 03分析跨领域关联和矛盾
  4. 04基于来源构建可操作框架
  5. 05生成报告并标记处理状态

适用场景

  1. 01定期汇总个人或工作记录
  2. 02从累积的 braindumps 提取模式
  3. 03为重大决策整理参考框架
  4. 04复盘项目并沉淀经验

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/huytieu/cog-second-brain --skill knowledge-consolidation

安装后在 Claude Code 中输入/knowledge-consolidation确认已加载。

附带文件references/templates.md

详细介绍

COG 知识整合技能

目的

通过模式识别和系统综合,将零散的见解(来自灵感速记、每日简报和签到记录)转化为连贯的框架和“唯一可信来源”知识文档。

何时调用

  • 用户想整合自己的见解
  • 用户说“整合知识”“构建框架”或“综合见解”
  • 到了定期维护知识库的时间(每周、每月、每季度)
  • 用户想从积累的灵感速记中提取模式
  • 在可能受益于框架参考的重要决策之前

Agent 模式说明

检查 00-inbox/MY-PROFILE.md frontmatter 中的 agent_mode:

  • 如果 agent_mode: team,则将扫描和模式提取工作委派给并行子 Agent(例如,按领域分配:个人灵感速记、职业灵感速记、项目专属内容、每日简报)。每个 Agent 识别主题和模式,然后由综合 Agent 将发现整合为框架。
  • 如果 agent_mode: solo(默认值),则直接处理所有扫描、模式识别和框架构建工作。不进行委派。

启动前检查

获取当前时间戳(生成任何文件前必须执行):

  1. 使用 Bash 运行 date '+%Y-%m-%d %H:%M',获取实际的当前日期和时间
  2. 保存此值,并将其用于 created: frontmatter 字段
  3. 绝不能猜测或伪造时间——始终使用 date 命令返回的值

流程

1. 数据收集

扫描知识库,查找尚未处理或仅部分处理的内容:

  • 上次整合之后的所有灵感速记:

    • 02-personal/braindumps/
    • 03-professional/braindumps/
    • 04-projects/*/braindumps/
    • 00-inbox/braindump-*.md(混合领域)
  • 每日简报和签到记录:

    • 01-daily/briefs/
    • 01-daily/checkins/
  • 以下位置中的任何会议记录或项目文档:

    • 04-projects/*/planning/
    • 04-projects/*/resources/

确定范围:

  • 询问用户:“应分析哪个时间段?(上周、上个月、上季度、全部时间或自定义范围?)”
  • 找出尚未处理的内容(检查是否存在 status: "captured" 或是否缺少整合元数据)

收集统计信息:

  • 要分析的文档总数
  • 按领域和类型分类的数量
  • 覆盖的日期范围
2. 模式识别

对所有内容进行系统的模式检测:

频率分析

哪些内容反复出现?

  • 识别多个文档中提到的主题
  • 跟踪主题出现频率和聚类情况
  • 识别持续存在的问题或担忧
  • 发现反复出现的待办事项或决策
时间聚类

哪些见解是在同一时期出现的?

  • 按时间段归纳相关见解
  • 识别思路随时间的演变
  • 找出思路发生转变的转折点
  • 梳理触发变化的诱因
领域关联

哪些模式跨越多个领域?

  • 个人见解对职业思考的影响
  • 将职业经验应用于项目
  • 项目经验对个人成长的启发
  • 横跨所有领域的战略主题
矛盾分析

哪些思路彼此冲突?

  • 识别相互矛盾的想法或做法
  • 区分思路的演变与不一致
  • 理解矛盾是如何解决的,或是否仍存在张力
  • 跟踪观点随时间的变化
跨领域模式

跨所有维度的元模式:

  • 决策方式
  • 问题解决策略
  • 学习模式
  • 情绪/精力模式
  • 人际关系模式
  • 创作流程
3. 框架构建

将模式综合为可执行的框架:

识别核心原则

从零散见解到基本真理:

  • 哪些模式揭示了更深层的原则?
  • 有哪些规则或经验法则浮现出来?
  • 正在形成哪些心智模型?
  • 哪些策略正在证明有效?
对照证据检验

使用源材料验证框架:

  • 源材料中的洞见是否支持这些原则?
  • 是否存在反例或例外情况?
  • 我们对这个框架有多大把握?
  • 边界条件是什么?
明确边界

框架何时适用/不适用?

  • 这个框架适用于哪些情境?
  • 它有哪些局限?
  • 何时不应使用?
  • 它依赖哪些假设?
创建应用

如何使用这个框架:

  • 具体用例
  • 决策应用
  • 问题解决模板
  • 实际实施步骤
4. 知识整合

更新并创建知识库文档:

更新现有框架

对于每个需要更新的框架,请使用 references/templates.md 中的整合知识模板。

保存到:05-knowledge/consolidated/[framework-name]-framework.md

创建新框架

对于新发现的框架,请使用 references/templates.md 中的新框架模板。

保存到:05-knowledge/consolidated/[framework-name]-framework.md

更新模式文档

使用 references/templates.md 中的模式模板记录该模式。

保存到:05-knowledge/patterns/pattern-[name].md

创建时间线条目

使用 references/templates.md 中的思维演变模板编写时间线条目。

保存到:05-knowledge/timeline/[topic]-evolution-YYYY-MM.md

5. 生成整合报告

使用报告模板创建整合总文档。

保存到:05-knowledge/consolidated/consolidation-YYYY-MM-DD.md

6. 清理与归档

标记已处理的脑力倾倒文档: 更新已处理的脑力倾倒文档中的 frontmatter:

status: "consolidated"
consolidated_in: "[[consolidation-YYYY-MM-DD]]"
consolidated_date: "YYYY-MM-DD"

归档过时内容: 将已被取代的框架或洞见移至: 00-inbox/archive/[filename]-archived-YYYY-MM-DD.md

添加说明,解释归档原因以及取代它的内容。

维护整洁的知识库:

  • 删除冗余内容,同时保留重要背景信息
  • 更新交叉引用
  • 修复失效链接
  • 确保标签一致
7. 确认完成

整合完成后:

  • 向用户显示:“知识整合完成!已处理 [X] 份文档”
  • 突出显示:“已更新 [X] 个框架,创建 [X] 个新框架”
  • 显示:“整合报告已保存至 [file path]”
  • 建议查看创建或更新的关键框架
  • 提供详细讲解特定框架的选项

循环工程

整合是一种持续循环直至无新发现的提取过程,并配有完整性审查机制,而非一次性扫描。共享术语请参见 .claude/skills/loop-engineering/SKILL.md。

循环流程: 扫描一批范围内的文档 → 提取主题、模式和候选框架原则 → 运行完整性审查(“是否还有范围内的文档尚未阅读?是否有跨越 N+ 篇文档反复出现、但尚无框架涵盖的主题?”)→ 如果审查发现新内容,则再进行一轮提取 → 连续 2 轮没有新发现时停止(无新发现)。在 agent_mode: team 下,首次扫描会按领域分派工作者(个人 / 职业 / 各项目 / 简报);每位工作者仅返回结论,再由综合阶段合并。

验证器(尽可能采用确定性验证):

  • 可追溯性: 每条框架原则至少关联一份源文档。没有 [[source]] 的原则会被舍弃,不予发布。这是机械式验证,也是 COG 在整合中优先验证的规则。
  • 覆盖率: 每份范围内的文档最终都应标记为 status: "consolidated",并带有 consolidated_in 反向链接。
  • 去重: 创建框架前,先检查 05-knowledge/consolidated/,确保更新现有框架,而非重复创建。
  • 完整性审查(“是否遗漏了某个主题?”)是唯一依赖判断的检查;应明确记录,并关联证据。

终止条件(分层):

  • 无新发现: 连续 K=2 轮没有发现新主题或新文档。
  • 覆盖完成: 所有范围内的文档均已标记为已整合。
  • 硬性上限: 设置提取轮次上限,避免内容嘈杂的语料导致循环无休止。

模式: 持续循环直至无新发现(主干)+计划-执行-验证(每轮)+协调者-工作者(团队模式下按领域扫描)+完整性审查。

循环中的上下文管理: 逐步撰写整合报告,并将新主题与当前主题集去重,而不是与对话内容去重。将内容写入报告文件,才能避免大型语料撑满上下文窗口。

整合指南

重质量而非数量
  • 不要强行纳入尚未成熟的见解
  • 让模式自然地从证据中浮现
  • 对尚不完整的思考保持耐心
  • 高质量框架需要时间和证据
  • 将框架标记为“初现”“可用”或“稳定”
保留细微差异
  • 不要过度简化复杂见解
  • 保留重要的背景和条件
  • 说明框架的局限性
  • 保留尚未解决的矛盾
  • 明确说明不确定性
保持可追溯性
  • 始终链接回源文档
  • 展示框架的证据链
  • 记录思路的演变
  • 便于未来验证或修订
  • 让框架主张易于审查
持续更新的文档
  • 框架应随新见解不断演进
  • 定期更新胜过追求完美的初稿
  • 使用清晰的状态标记(初现 / 可用 / 稳定)
  • 鼓励迭代和完善
  • 通过 Git 保留版本历史

分析技术参考

模式检测方法
  1. 频率分析: 统计提及次数,对主题进行聚类
  2. 时间聚类: 按时间分组,追踪演变
  3. 领域关联: 识别跨领域联系
  4. 矛盾分析: 识别冲突,追踪解决过程
  5. 能量模式检测: 分析情绪和实践模式
框架综合流程
  1. 识别核心原则: 提取基本真理
  2. 对照证据检验: 使用来源进行验证
  3. 界定边界: 确定适用范围
  4. 创建应用: 开发使用场景
  5. 记录演变: 追踪随时间的发展
时间线构建方法
  1. 标记转折点: 思路发生转变的时刻
  2. 识别催化因素: 触发变化的因素
  3. 记录演变: 理解如何发展
  4. 提炼经验: 总结演变带来的启示

成功指标

  • 完整性:处理所有相关见解
  • 连贯性:框架在逻辑上保持一致
  • 可追溯性:与源材料清晰关联
  • 可操作性:框架可用于辅助决策
  • 演进:记录思考的进展
  • 用户价值:框架确实在实践中得到应用

常见用例

  • 每周归纳: 将一周的见解整理为模式
  • 每月框架开发: 构建战略框架
  • 每季度战略综合: 从全局视角进行归纳
  • 每年清理知识库: 保持质量和相关性
  • 决策前咨询框架: 将框架应用于重大决策
  • 项目回顾: 提炼经验教训并纳入框架

理念

知识归纳技能体现了 COG 的自我演进智能:

  • 将零散想法转化为战略框架
  • 尊重思考随时间推移而不断演进
  • 构建作为“唯一可信来源”的动态文档
  • 保持可追溯性和基于证据的推理
  • 创建可操作的知识,助力更好地决策
  • 在寻求模式的同时尊重细微差异
  • 重视迭代和持续改进

评论

支持 Markdown