name: kb-ingest tags: [knowledge-base, atomic-notes, content-extraction] creator: 传鹏 description: |- 单源精读与原子化方法。决定一个原材料应该拆成几个知识页、每页装什么、怎么命名，保证知识库颗粒度一致。kb-sync 调用它处理单个文件，也可单独用于"把这个文件整理进库"。

触发词：整理这个文件、精读、拆解资料、这个文档入库、原子化、把资料整理成笔记

单源精读与原子化

核心问题：一个文件该拆几页？

判据：读者会不会"只想看其中一部分"。

情形	拆几页
一份 60 页行业报告，含市场规模、竞争格局、技术趋势三大块	1 个 source 页 + 3 个 topic 页
一份客户需求表，只有时长/人数/要点	1 个 source 页（可能顺手并进已有客户 topic）
一份 200 页 PPT 课件	1 个 source 页 + N 个 module 页（每个可上课的单元一页）
一份纯广告宣传册	1 个 source 页，不派生
三段微信聊天记录截图	1 个 source 页（内容是碎片，别装进多个页）

反例：把一份报告拆成 20 个"知识点"页，每页 80 字 —— 这叫碎片化，不叫原子化。查的时候要在 20 个页之间跳，还不如读原报告。

原子化的正确含义：一页 = 一个完整的、能独立回答一个问题的知识单元。不是"一句话一页"。

颗粒度自检（写完每页问自己）

这页的标题能不能填进「关于 ___ 我该知道什么」的空里？填不进去 → 颗粒度不对
这页能不能被单独发给一个同事，他看完不需要问"上下文是什么"？
这页如果被删掉，会有别的页受影响吗？会 → 它是被依赖的核心页，值得存在；不会，且也没人引用 → 它可能不该单独存在

命名规则

类型	规则	好例子	坏例子
source	沿用原材料文件名（去扩展名）	`2026-AI培训行业白皮书.md`	`资料1.md`、`白皮书摘要.md`
topic	业务问题的名词短语，不带"研究""分析""总结"	`企业AI培训市场规模.md`、`客户决策链.md`	`市场分析.md`、`关于客户的一些思考.md`
entity	专有名词本名	`某国有大行.md`、`Coze.md`、`生成式AI服务管理暂行办法.md`	`银行客户.md`、`某工具.md`
module	`D<序号>-<模块名>`，与课表一致	`D1-提示词工程.md`、`D2-Agent编排.md`	`第一模块.md`、`提示词.md`

文件名即页面 stem，[[链接]] 用它。
不含空格，用中划线或直接连写。含空格会让双链和命令行都变难用。
一旦有页面引用它，不要改名（会让所有反链断裂）。必须改就走「改名四步」：改文件 → 全库 grep 老 stem → 批量替换 → kb.py graph + lint 验证。

抽取什么、不抽取什么

抽（有长期价值）

具体数字（规模、增速、单价、人数、时长）
可复用的方法/框架/步骤
客户原话（做课时的真实语料，比转述值钱十倍）
反常识的结论
明确的约束条件（"仅适用于 50 人以下"）

不抽

客套话、免责声明、目录页
已经被同页其他内容覆盖的重复表述
只有结论没有论据的断言（除非标注来源权威）
时效性极强的琐碎信息（某天的股价）

特别处理：客户沟通类资料

聊天记录、会议纪要、需求表——这类料的价值不在结论，在细节和原话。

一定要抽「客户原话」区，照抄不改写
一定要抽「隐含需求」：客户说的和真正要的往往不是一回事（"要讲 AI" 可能是"要给领导交差"）
单独建/更新 entity 页记录这个客户：行业、规模、决策人角色、历史合作、禁忌话题

定证据等级（每页必做，30 秒）

写完内容回头看一眼：这页里最强的那条信息，站得住吗？ 站不住就按最弱的定。

问自己	是 → 定
数字有一手出处、口径明确、能当场调出原文核对吗？	A
有报告/研究支撑，但样本小、口径不明、或者只有一家在做吗？	B
只是从业者经验、行业共识，说不出具体来源吗？	C
是我的推断、假设，还没人验证过吗？	D

两个容易搞错的地方：

客户口头说的数字是 C，不是 A。 客户说"我们现在 AI 使用率大概 30%"，没有书面数据支撑，就是 C。除非他给了台账。
行业报告里的行业数据是 B，不是 A。 咨询公司白皮书自己都标"测算"。只有国家统计局、上市公司财报这类才是 A。

topic 和 module 页的等级不得高于它所用素材的最低级。合成不会提高证据强度，只会稀释。

写完的验收清单

frontmatter 七个必填字段齐全（id/type/title/summary/evidence/tags/sources）
evidence 按上面那三问定的，不是顺手写的
sources: 填的是原材料相对路径，一字不差
正文 ≥ 100 字，且前 3 行内有结论
有具体信息的都带了 [^脚注] 或明确出处
带万/亿/%/倍/元的数字，同段落里有出处
推测的内容标了「（推测）」
没有"值得注意的是""本页介绍""综上所述"这类话
相关页面用 [[stem]] 链上了
kb.py mark 已登记（否则等于没做）

SKILL.md 5.5 KB Histórico Raw