7.1 KiB
7.1 KiB
name, description
| name | description |
|---|---|
| knowledge-base | 个人知识库数据结构框架 - 面向创作者的树形知识体系+创意作品解构管理 |
触发方式
Claude 原触发:/kb。在 Codex 中,用户提到该命令、技能名或相关任务时,先读取并遵循本 skill。
/kb (knowledge-base)
面向创作者的树形知识库框架,支持科学知识体系化整理 + 创意作品精细化拆解。
核心设计理念
- 严格树形知识架构:科学知识按学科层级组织,支持从根到叶的无限延伸
- 标签分类树:标签不是扁平的,而是有层级、可继承的分类体系
- 作品组件树支持:对动漫、小说等作品按任意维度拆解(角色、世界观、剧情、主题等)
- 混合导航:树形结构为主 + 标签横向关联
核心数据实体
1. KnowledgeNode(知识树节点)
id: uuid
parent_id: uuid | null
name: string # 概念名
full_path: string # 如"科学/生物学/进化论/性选择"
node_type: enum [domain, category, concept, fact, trivia]
# domain=学科根, category=子分类, concept=核心概念, fact=具体事实, trivia=趣味/冷知识
content: markdown # 定义、理解、笔记
depth_level: int # 层级深度
# 关联
prerequisites: [node_ids] # 前置知识
related_nodes: [{node_id, relation_type, note}]
# 溯源
sources: [{
source_type: enum [book, paper, article, video, podcast, course, conversation],
title: string,
author: string,
url: string,
timestamp: string
}]
# 元数据
tags: [tag_full_paths]
created_at: datetime
updated_at: datetime
review_count: int
mastery_level: enum [exposed, familiar, understood, mastered, can_teach]
2. Tag(标签树)
id: uuid
name: string
parent_id: uuid
full_path: string # 如"创作研究/叙事/结构/三幕式"
color: hex
description: string
aliases: [string]
usage_count: int
标签树结构:
创作研究/
├── 叙事/结构/[三幕式,英雄之旅,多线叙事]
├── 角色/原型/[成长型英雄,悲剧英雄,导师]
├── 世界观/
└── 情感/[热血,治愈,悬疑,荒诞]
知识状态/[待整理,待理解,已掌握,可输出]
关联类型/[支持强化,矛盾颠覆,类比隐喻,因果推导]
3. CreativeWork(创意作品容器)
id: uuid
title: string
type: enum [animation, manga, novel, film, game, short_video]
creators: [{role, name}]
release_year: int
status: enum [planned, consuming, consumed, re_consuming]
personal_rating: 1-10
research_depth: enum [surface, component, deep_analysis]
components: [WorkComponent] # 树形组件
tags: [tag_full_paths]
4. WorkComponent(作品组件树)
id: uuid
work_id: uuid
parent_id: uuid | null # 支持无限嵌套
component_type: enum
- narrative_arc # 叙事弧/篇章
- scene # 场景/名场面
- character # 角色
- world_element # 世界观元素
- theme # 主题/母题
- technique # 创作技法
- item # 道具/设定
- dialogue # 对白
name: string
span: {start, end} # 时间范围
summary: string
analysis: markdown # 你的详细研究
# 角色特有
character_profile:
role_type: enum [protagonist, deuteragonist, antagonist, support]
motivation: string
arc_type: enum [positive_change, negative_change, flat, transformative]
relationships: [{ # 双向关系追踪
target_component_id: uuid,
relation_type: enum [family, friend, rival, mentor, enemy, complex],
dynamics: string, # A对B
reciprocal_dynamics: string # B对A(可选)
evolution: string
}]
# 世界观特有
world_profile:
category: enum [geography, history, politics, technology, magic_system, culture]
rules: [{rule, implications, broken_in_story}]
# 关联
inspired_knowledge: [{knowledge_node_id, connection_note}]
tags: [tag_full_paths]
order_index: int
5. QuickCapture(快速捕获)
id: uuid
captured_at: datetime
raw_content: string
status: enum [inbox, processing, triaged_to_knowledge, triaged_to_work, archived]
auto_parsed:
likely_type: enum [knowledge, work_observation, cross_insight]
suggested_knowledge_parent: string
suggested_tags: [tag_paths]
mentioned_works: [string]
mentioned_concepts: [string]
使用场景
捕获新知识
/kb capture "热力学第二定律的微观解释是熵增原理,即孤立系统总是趋向于更混乱的状态"
→ 解析建议: 添加到 "科学/物理学/热力学/熵"
→ 标签建议: 知识状态/待整理
拆解作品
/kb decompose "进击的巨人" --type animation
→ 创建作品容器
→ 建议组件: 角色[艾伦,三笠,阿尔敏], 世界观[墙内社会,巨人起源], 主题[自由与宿命]
建立关联
/kb link --from-component "艾伦的动机" --to-knowledge "认知失调理论"
→ 在WorkComponent.inspired_knowledge中创建记录
数据关系图谱
[KnowledgeNode] ←tree→ [KnowledgeNode]
↑ ↓
prerequisite related
↓ ↑
[KnowledgeNode] ←inspired→ [WorkComponent]
↑
tree (components)
↓
[CreativeWork]
↓
tagged
↓
[Tag] ←tree→ [Tag]
目录结构
TenkajinKB/
├── 00_System/ # 系统配置层(全局资产)
│ ├── Tags/ # 全局标签定义
│ │ ├── 创作研究.md
│ │ ├── 知识状态.md
│ │ └── 关联类型.md
│ └── Config/ # 其他系统配置
│ └── knowledge-base-schema.yaml
│
├── 01_Active_Projects/ # 项目(引用全局标签)
├── 02_Knowledge_Base/ # 知识(引用全局标签)
└── 03_Inbox/ # 收集箱(引用全局标签)
为何 Tags 在 00_System:
- 标签是全局资产,跨三个一级模块共享
- 树形标签定义在中央位置,确保一致性
- Dashboard 通过 tags.html 提供可视化树形浏览器
设计原则
- 树形优先:知识必须有明确父子归属,查找时层级清晰
- 标签辅助:横向关联通过标签树的叶子节点实现
- 作品可拆解:任何作品可按"篇章→场景→角色"或"主题→子主题"任意嵌套
- 快速捕获不归类:先捕获,后整理,inbox机制避免打断流
- 关系双向存储:角色关系统一存储,支持不同的A→B和B→A描述
迭代机制
mastery_level和review_count支持间隔复习research_depth追踪对作品的拆解深度usage_count让高频标签自动靠前
Version: 0.1.0 Author: user-defined Last Updated: 2026-04-19