temple-generator

Temple Generator

从任意 Obsidian 库生成 3D 交互式知识可视化。输出是一个包含同心实体环、音频、探索机制和多尺度语义缩放的独立 HTML 文件（Three.js）。

适用场景

• 用户希望将任意 Obsidian 库可视化为 3D 知识地图
• 用户希望以可视化方式比较两个库或文档集
• 用户希望重新分析库并从头生成神殿

架构

由两部分组成：

1. 生成流水线（此技能）：发现结构、为其命名、评估置信度并导出场景包
2. 运行时渲染器（模板）：处理导航、过渡、音频和探索

预先生成含义。运行时渲染体验。

工作流

步骤 1：扫描库

运行 python3 ~/.claude/skills/temple-generator/scripts/extract_entities.py <vault_path>。

这会生成 vault-scan.json，其中包含：

• 文件：路径、标题、标签、出链、反向链接计数、字数、文件夹、frontmatter
• 图：包含双向链接计数的邻接表
• 中心性：每个节点的度中心性
• 簇：检测到的紧密链接笔记群组

步骤 2：阅读扫描结果并抽样笔记

1. 阅读 vault-scan.json
2. 阅读中心性最高的约 20 个节点（每个节点的前 100 行）
3. 阅读 references/classification-guide.md，了解实体类型的启发式规则
4. 阅读 3-5 篇有代表性的笔记，以把握库的“风格”（正式或非正式、领域术语、语言）

步骤 3：分类实体

使用 references/classification-guide.md，为每个重要节点分配一种实体类型。维护两套词汇：

• 规范名：中性标签，便于移植（anxiety-management、fermentation-process）
• 诗性名：用于装置作品的神话式或艺术化名称（The Ferment Gate、The Cortisol Throne）

各类型目标数量（根据库的规模调整）：

类型	小型库（< 100）	中型库（100-500）	大型库（500+）
神祇	2-3	3-5	5-7
半神	3-7	5-12	8-15
张力	2-4	3-7	5-9
叙事	2-5	5-10	8-12
盲点	1-3	3-5	4-7
灵体	1-3	3-5	3-5
研究	5-15	10-25	15-30
价值观	2-5	3-8	5-10
路径	2-5	3-8	5-10
问题	3-6	5-10	8-12
深度	2-5	5-10	8-15
晶体	1-3	2-5	3-6

步骤 4：构建抽象层级

层级由置信度门控——只有当库提供足够依据时才纳入该层级。

层级 0 — 实体（始终存在）：带有位置、连接和描述的独立节点。

层级 1 — 领域（至少需要 3 个有意义的簇）：相关实体的分组。每个领域包含：

• canonical + poetic 名称
• 成员实体键
• 质心位置（成员位置的加权平均值）
• 代表性范例（中心性最高的成员）
• 描述（以库的风格写 1-2 句话）
• 置信度分数（0-1）

层级 2 — 轴（至少需要 2 组可解释的对立项）：根本性张力。每个轴包含：

• 两个带有名称和描述的极点
• 每个极点所含的成员领域
• 轴描述
• 置信度分数

层级 3 — 比较（需要两个库且对齐程度足够）：共享项/独有项分析。

双图逻辑请参阅 references/merge-algorithm.md。

步骤 5：生成场景包

按照 references/entity-schema.md 中的架构生成 temple-data.json。

包含：

• entities：所有已分类的节点
• levels：带缩放阈值的抽象层
• mappings：实体 → 领域 → 轴的交叉映射
• comparison：（如果是双图）共享项/独有项/对齐数据
• audio：按类型和层级提供的主题提示
• style：诗性词汇、介绍文本、调色板、层定义
• confidence：各抽象层和对齐项的置信度分数

步骤 6：生成 HTML

1. 将 ~/.claude/skills/temple-generator/assets/temple-template.html 复制到输出位置
2. 如果提供了 --inline 标志：在 HTML 中将 JSON 数据嵌入为 const TEMPLE_DATA = {...};
3. 否则：将 temple-data.json 放在 HTML 旁边

步骤 7：报告

向用户展示：

• 按类型统计的实体数量
• 生成的抽象层级（含置信度评分）
• 排名前 5 的神祇/核心实体
• 检测到的张力
• 如果为双图模式：重叠百分比和共享领域

双图模式

提供 --compare vault_path_2 时：

1. 独立扫描两个 vault（步骤 1）
2. 对每个 vault 分类实体（步骤 2–3）
3. 执行 references/merge-algorithm.md 中的合并算法
4. 生成带来源归属信息的合并场景包
5. 模板使用偏移量渲染共享框架，以呈现差异

质量指南

• 跳过琐碎的笔记（日常待办、管理日志、空白占位文件）
• 优先选择能揭示 vault 实际关注点的节点，而非其归档系统
• 使用 vault 自身的表达方式，并根据样本笔记进行调整
• 如果某个层级的置信度不足，则省略该层级，而不是凭空编造结构
• 每个抽象层级都必须有成员权重、示例和来源依据支持
• “抽象层级结构应基于语义，而不只是几何关系”

模板音频指南

模板的音频系统应在不同缩放级别之间保持层级连续性：

• L0（近景）：局部化、富有特征——实体低语和纹理
• L1（中景）：区域性和声铺底、簇脉冲
• L2（远景）：稀疏的持续音、基于张力的音调变化
• L3（比较）：两个 vault 声音之间的立体声/对话式呈现

缩放应让人感觉是在改变分辨率，而非切换宇宙。各个尺度的主题应彼此关联。