diff --git a/kb-workflow/SKILL.md b/kb-workflow/SKILL.md
index e88bb8a..a4c8573 100644
--- a/kb-workflow/SKILL.md
+++ b/kb-workflow/SKILL.md
@@ -38,510 +38,167 @@ export AI_BASE_URL="https://open.bigmodel.cn/api/coding/paas/v4"
 | `KB_GIT_EMAIL` | Git提交邮箱 | `your@email.com` |
 | `KB_ARCHIVE_PATH` | 归档目录路径 | `~/work/zq/30.资源/AI分析` |
 | `KB_GIT_ROOT` | Git仓库根目录 | `~/work/zq` |
+| `HF_TOKEN` | HuggingFace Token（说话者分离） | `hf_xxx` |
 
 ### 检查命令
 
 ```bash
-# 检查必须的环境变量
-echo "AI_API_KEY: ${AI_API_KEY:0:10}..."
-echo "AI_PROVIDER: $AI_PROVIDER"
-echo "AI_MODEL: $AI_MODEL"
-echo "AI_BASE_URL: $AI_BASE_URL"
-
-# 验证方式1: 检查变量是否存在
-if [ -z "$AI_API_KEY" ]; then
-    echo "❌ AI_API_KEY 未设置"
-    exit 1
-fi
-
-# 验证方式2: 执行测试调用
-python3 -c "
-import os
-if not os.environ.get('AI_API_KEY'):
-    raise RuntimeError('AI_API_KEY 未设置')
-print('✅ 环境变量检查通过')
-"
-```
-
-
-## Workflow 执行方式
-
-主代理直接执行以下步骤，无需启动 kb-workflow 子代理：
-
-1. 主代理启动子代理调用 kb-link-parser
-2. 主代理启动子代理调用 kb-平台-metadata
-3. 主代理启动子代理调用 kb-平台-content
-4. 主代理启动子代理调用 kb-ocr-processor（如需要）
-5. 主代理启动子代理调用 kb-deep-analyzer
-6. 主代理执行 `kb_workflow.py --archive-file` 归档
-
-
-## Workflow 执行步骤
-
-当触发后，按照以下步骤执行：
-
-### 步骤 1: 环境变量检查
-
-**❌ 禁止跳过此步骤！必须先检查环境变量。**
-
-```bash
-# 0. 从 ~/.kb_env 加载环境变量（专门的知识库配置文件，不受 bashrc 交互式检查影响）
+# 从 ~/.kb_env 加载环境变量
 if [ -f ~/.kb_env ]; then
     source ~/.kb_env
 fi
 
-# 1. 检查必须的环境变量是否存在
+# 检查必须的环境变量
 if [ -z "$AI_API_KEY" ] || [ -z "$AI_PROVIDER" ] || [ -z "$AI_MODEL" ] || [ -z "$AI_BASE_URL" ]; then
     echo "❌ 错误：必须的环境变量未设置"
-    echo "请配置以下环境变量："
-    echo "  - AI_API_KEY"
-    echo "  - AI_PROVIDER (zhipu/openai/minimax)"
-    echo "  - AI_MODEL"
-    echo "  - AI_BASE_URL"
+    echo "请配置 ~/.kb_env 文件"
     exit 1
 fi
 
 echo "✅ 环境变量检查通过"
-echo "   AI_PROVIDER: $AI_PROVIDER"
-echo "   AI_MODEL: $AI_MODEL"
 ```
 
-**如果检查不通过，必须**：
-1. 报错提示用户
-2. 退出，不执行后续步骤
-3. 等待用户配置好环境变量后重新执行
+## Workflow 执行方式
+
+### 方式一：一键处理（推荐）
+
+使用管道 CLI 一键完成所有步骤：
+
+```bash
+python3 kb-workflow/kb_workflow.py process "https://www.bilibili.com/video/BVxxx"
+```
+
+**该命令自动执行：**
+1. URL 解析 → 识别平台和内容 ID
+2. 元数据提取 → 获取标题、作者等信息
+3. 内容下载 → 字幕/视频/文章内容
+4. 语音识别 → Whisper/FunASR（如需要）
+5. 深度分析 → AI 生成分析报告
+6. 归档 → 移动到归档目录
+
+**命令参数：**
+```bash
+# 指定输出目录
+python3 kb-workflow/kb_workflow.py process "https://..." -o /path/to/output
+
+# 强制重新执行（忽略已完成状态）
+python3 kb-workflow/kb_workflow.py process "https://..." --no-skip
+```
+
+### 方式二：手动分步执行（高级）
+
+如需更细粒度控制，可手动调用各子技能：
+
+```bash
+# 1. 查重
+python3 kb-workflow/kb_workflow.py --check --url "https://..."
+
+# 2. 一键处理
+python3 kb-workflow/kb_workflow.py process "https://..."
+
+# 3. 归档
+python3 kb-workflow/kb_workflow.py --archive-file "/path/to/report.md"
+```
+
+## 支持的平台和内容类型
+
+| 平台 | 内容类型 | URL 示例 |
+|------|----------|----------|
+| B站 | 视频 | `bilibili.com/video/BVxxx` |
+| B站 | 专栏 | `bilibili.com/read/cvxxx` |
+| 知乎 | 问答 | `zhihu.com/question/xxx` |
+| 知乎 | 专栏 | `zhuanlan.zhihu.com/p/xxx` |
+| 知乎 | 视频 | `zhihu.com/zvideo/xxx` |
+
+## 处理流程
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│                    kb-workflow process                       │
+├─────────────────────────────────────────────────────────────┤
+│  1. Parse     → LinkParser 解析 URL                         │
+│  2. Download  → 平台适配器获取元数据和内容                    │
+│  3. ASR       → 语音识别（视频无字幕时）                      │
+│  4. Analyze   → DeepAnalyzer 生成分析报告                    │
+│  5. Archive   → 归档到 KB_ARCHIVE_PATH                      │
+└─────────────────────────────────────────────────────────────┘
+```
+
+## 目录结构
+
+**工作目录（默认 ~/work/knowledge-base/）：**
+```
+~/work/knowledge-base/
+├── pending/           # 待处理链接
+├── metadata/          # 元数据 JSON
+├── content/           # 内容文件
+│   └── downloads/     # 下载的视频/字幕
+└── analyzed/          # 分析报告
+```
+
+**归档目录（默认 ~/work/zq/30.资源/AI分析/）：**
+```
+~/work/zq/30.资源/AI分析/
+└── YYYY-MM-DD/
+    └── {platform}_{id}.md  # 深度分析报告
+```
 
 ## ⚠️ 严格失败处理原则
 
 > **深度分析步骤必须成功，否则整个流程失败**
 
-在执行工作流时，必须遵守以下原则：
-1. **深度分析不可跳过**：kb-deep-analyzer 是必须成功执行的步骤
-2. **失败即终止**：如果深度分析返回 `success: false`，必须立即停止并汇报失败
+1. **深度分析不可跳过**：AI 分析是必须成功执行的步骤
+2. **失败即终止**：如果分析返回失败，必须立即停止并汇报
 3. **禁止降级处理**：不能使用预设模板或简单摘要来"假装成功"
 4. **每次执行都要使用 AI**：必须有真实的 AI API 调用记录
 
-### 步骤 2: 链接解析
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --pending
-```
-
-2. 启动子代理调用 kb-link-parser：
-```bash
-python3 /path/to/link-parser.py --url "[URL]"
-```
-
-3. 解析输出 JSON，提取 filename 和 platform
-
-### 步骤 3: 元数据提取
-
-1. 获取元数据目录路径：
-```bash
-python3 kb_workflow.py --metadata
-# 返回: {"path": "/home/admin/work/knowledge-base/metadata"}
-```
-
-2. 构建输出文件路径：`${metadata_dir}/${platform}_${id}.meta.json`
-
-3. 启动子代理调用对应平台的 metadata 技能（传入 `--output`）：
-```bash
-# Bilibili
-python3 /path/to/bilibili_metadata.py --id "[ID]" --type video --output "${metadata_dir}/bilibili_[ID].meta.json"
-
-# Zhihu
-python3 /path/to/zhihu_metadata.py --id "[ID]" --type question --output "${metadata_dir}/zhihu_[ID].meta.json"
-```
-
-4. 解析输出 JSON，提取 filename
-
-### 步骤 4: 内容下载
-
-> ⚠️ **根据内容类型选择处理方式**：
-> - **视频 (video)**：下载字幕/视频（B站视频）
-> - **知乎视频 (zvideo)**：下载视频
-> - **专栏文章 (article)**：提取文字内容（跳过步骤5）
-> - **知乎问答/专栏**：提取文字内容（跳过步骤5）
-
-#### 4.1 视频内容处理（B站视频 type=video）
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --content_downloads
-python3 kb_workflow.py --content
-```
-
-2. 启动子代理调用对应平台的 content 技能：
-```bash
-# Bilibili 字幕下载（自动检测是否有官方字幕）
-python3 /path/to/bilibili_content.py --id "[ID]" --type subtitle-download --output [content_dir]
-
-# 返回 JSON 包含 has_subtitle 字段
-```
-
-3. 解析输出 JSON：
-- **has_subtitle = true**: 有官方字幕，直接进入步骤 6
-- **has_subtitle = false**: 没有官方字幕，继续步骤 5
-
-> ⚠️ **重要提示**：没有找到官方字幕是**正常的**！很多视频没有自动生成的字幕。不要因为没有字幕就停止工作流，继续执行 Whisper 步骤即可。
-
-#### 4.1.2 知乎视频处理（type=zvideo）
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --content_downloads
-python3 kb_workflow.py --content
-```
-
-2. 启动子代理调用知乎 content 技能：
-```bash
-# 知乎视频下载
-python3 /path/to/zhihu_content.py --id "[ID]" --type video --output [content_dir]
-```
-
-3. 知乎视频没有官方字幕，直接进入步骤 5（Whisper 语音识别）
-
-#### 4.2 专栏文章处理（type=article/zhuanlan/question）
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --content
-```
-
-2. 启动子代理调用对应平台的 content 技能提取文字：
-
-**B站专栏 (article)**：
-```bash
-# 提取专栏文字内容
-python3 /path/to/bilibili_content.py --id "cv[ID]" --type article --output [content_dir]
-
-# 示例：cv43780186 → id 填 43780186
-python3 /path/to/bilibili_content.py --id "43780186" --type article --output [content_dir]
-```
-
-**知乎文章/问答**：
-```bash
-# 知乎专栏文章（推荐方式：自动爬取）
-python3 /path/to/zhihu_content.py --id "2013919514258072086" --type zhuanlan --output [content_dir]
-# 或使用完整 URL
-python3 /path/to/zhihu_content.py --id "https://zhuanlan.zhihu.com/p/2013919514258072086" --type zhuanlan --output [content_dir]
-
-# 如果已有 MediaCrawler 数据，可直接读取
-python3 /path/to/zhihu_content.py --type article-from-media --input [json文件路径] --output [content_dir]
-```
-
-3. 解析输出 JSON，提取文字内容用于深度分析
-
-> ⚠️ **重要**：专栏文章不需要 Whisper 步骤，提取完文字后直接进入步骤 6（深度分析）
-
-### 步骤 5: 语音识别转文字（仅当没有官方字幕时执行）
-
-> ⚠️ **重要**：此步骤仅在**没有官方字幕**时执行。如果有官方字幕，**跳过此步骤**。
-
-此步骤使用 Whisper 进行语音识别：
-- **严禁跳过**：必须等待识别完成
-- **定时汇报**：每2-3分钟向用户汇报进度
-- **超时时间**：30分钟
-- **耐心等待**：不要中途启动其他步骤，必须串行执行
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --content
-```
-
-2. **选择识别方式**：
-
-**方式 A: 普通识别（不区分说话者）**
-```bash
-python3 /path/to/whisper.py --input [video_path] --model base --output [content_dir]
-```
-
-**方式 B: 带说话者分离（推荐用于访谈、对话类视频）**
-```bash
-# 先检查 HF_TOKEN 环境变量
-if [ -z "$HF_TOKEN" ]; then
-    echo "⚠️ HF_TOKEN 未设置，将使用普通识别（不区分说话者）"
-    python3 /path/to/whisper.py --input [video_path] --model base --output [content_dir]
-else
-    echo "✅ 使用说话者分离模式"
-    python3 /path/to/whisper_diarization.py --input [video_path] --model base --diarize --output [content_dir]
-fi
-```
-
-**方式 C: kb-funasr（备用方案，Whisper 效果不佳时使用）**
-```bash
-# 当 Whisper 识别效果不好时，可尝试使用 FunAudioLLM 的 SenseVoice 模型
-# 支持中文、英文、粤语、日语、韩语等
-python3 /path/to/funasr_runner.py --input [video_path] --model sensevoice --output [content_dir]
-
-# 或使用 Paraformer 模型（更精准但稍慢）
-python3 /path/to/funasr_runner.py --input [video_path] --model paraformer --output [content_dir]
-```
-
-**方式 D: OCR 识别（当语音识别困难时的替代方案）**
-> ⚠️ **适用场景**：音频质量差、有背景音乐干扰、多种语言混合等情况，语音识别效果不佳时使用 OCR 作为补充或替代。
-
-```bash
-# 使用 kb-ocr-processor 进行视频 OCR 识别
-# 会截取视频帧并进行文字识别
-python3 /path/to/ocr_processor.py --input [video_path] --output [content_dir]
-```
-
-> 📌 **识别方式选择建议**：
-> - **首选 Whisper**（通用性强）
-> - **Whisper 效果不佳时**尝试 kb-funasr（中文支持更好）
-> - **音频质量极差或多种语言混合**时考虑 OCR
-> - **访谈/对话类视频**推荐使用带说话者分离的 Whisper
-
-3. 等待 Whisper 完成（定时汇报进度）
-
-4. 解析输出 JSON：
-- 普通识别：生成 `xxx.json`, `xxx.txt`, `xxx.srt`
-- 说话者分离：生成 `xxx_diarized.json`, `xxx_diarized.txt`, `xxx_diarized.srt`
-
-#### 说话者分离环境变量
-
-| 变量名 | 用途 | 获取方式 |
-|--------|------|----------|
-| `HF_TOKEN` | HuggingFace Token | 见下方说明 |
-
-**获取 HuggingFace Token：**
-1. 注册 HuggingFace 账号：https://huggingface.co/join
-2. 申请 pyannote 模型访问权限：
-   - https://huggingface.co/pyannote/speaker-diarization （点击 "Access"）
-   - https://huggingface.co/pyannote/segmentation （点击 "Access"）
-3. 创建 Token：https://huggingface.co/settings/tokens → New token → Read
-4. 设置环境变量：
-   ```bash
-   # 添加到 ~/.kb_env
-   echo 'export HF_TOKEN="hf_xxxxxxxxxxxxxxxxxxxxxx"' >> ~/.kb_env
-   source ~/.kb_env
-   ```
-
-### 步骤 6: 深度分析
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --analyzed
-```
-
-2. 准备 content JSON 文件（包含 subtitle/description）
-
-3. 如果有官方字幕，使用官方字幕的 SRT 文件
-4. 如果没有官方字幕，使用 Whisper 识别的结果
-
-5. 启动子代理调用 kb-deep-analyzer（使用 g5 模型）：
-
-**根据内容类型选择 --type 参数：**
-- 视频（video/zvideo）：`--type video`
-- 文章（article/zhuanlan/question）：`--type article`
-
-```bash
-# 视频
-python3 /path/to/deep_analyzer.py --metadata [meta_path] --content [content_path] --output [analyzed_dir]/[filename].md --type video --provider zhipu --model glm-5
-
-# 文章
-python3 /path/to/deep_analyzer.py --metadata [meta_path] --content [content_path] --output [analyzed_dir]/[filename].md --type article --provider zhipu --model glm-5
-```
-
-**文章类型输出格式：**
-- 300 字以内的摘要（核心观点）
-- 主要主题
-- 完整原文
-
-**环境变量设置**（在子代理中设置）：
-- `AI_PROVIDER=zhipu`
-- `AI_MODEL=glm-5`
-
-6. 解析输出 JSON，检查 `success` 字段：
-
-> ⚠️ **深度分析失败 = 整个流程失败**
-> - 如果 `success = true`：继续步骤 7（归档）
-> - 如果 `success = false`：**立即终止流程**，向用户汇报失败原因
-> - **严禁**继续执行后续步骤或使用降级内容"假装成功"
-
-### 步骤 7: 归档
-
-运行归档命令：
-```bash
-python3 kb_workflow.py --archive-file "[分析报告文件路径]"
-```
-
-### 步骤 8: 汇报完成
-
-向用户汇报：
-- 视频标题
-- 处理阶段完成情况
-- 最终文件路径
-- Git commit 信息
-
-
-## 子技能清单
-
-| 步骤 | 子技能 | 命令示例 | 输出 | 备注 |
-|------|--------|----------|------|------|
-| 2 | kb-link-parser | `--url "BVxxx"` | `{p}_{id}.link.json` | |
-| 3 | kb-bilibili-metadata | `--id "BVxxx" --type video` | `{p}_{id}.meta.json` | |
-| 3 | kb-bilibili-metadata | `--id "cvxxx" --type article` | `{p}_{id}.meta.json` | 专栏元数据 |
-| 3 | kb-zhihu-metadata | `--id "xxx" --type question` | `{p}_{id}.meta.json` | 知乎问答 |
-| 3 | kb-zhihu-metadata | `--id "xxx" --type answer` | `{p}_{id}.meta.json` | 知乎回答 |
-| 3 | kb-zhihu-metadata | `--id "xxx" --type zvideo` | `{p}_{id}.meta.json` | 知乎视频 |
-| 4 | kb-bilibili-content | `--id "BVxxx" --type subtitle-download` | `{p}_{id}.srt` | 如果没有字幕是正常的 |
-| 4 | kb-bilibili-content | `--id "BVxxx" --type video` | `{p}_{id}.mp4` | 如果需要下载视频 |
-| 4 | kb-bilibili-content | `--id "cvxxx" --type article` | `{p}_{id}.txt` | **专栏文章提取文字** |
-| 4 | kb-zhihu-content | `--id "xxx" --type video` | `{p}_{id}.mp4` | **知乎视频下载** |
-| 5 | kb-whisper | `--input xxx.mp4 --model base` | `{p}_{id}.json`, `{p}_{id}.txt` | 仅当没有官方字幕时执行 |
-| 5 | kb-whisper-diarization | `--input xxx.mp4 --model base --diarize` | `{p}_{id}_diarized.json` | 带说话者分离（需 HF_TOKEN） |
-| 5 | kb-funasr | `--input xxx.mp4 --model sensevoice` | `{p}_{id}.json`, `{p}_{id}.txt` | **推荐用于中文视频** |
-| 5 | kb-ocr-processor | `--input xxx.mp4` | `{p}_{id}_ocr.json` | 语音识别困难时的替代方案 |
-| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --type video --provider zhipu --model glm-5` | `{p}_{id}.md` | **视频分析，使用 g5 模型** |
-| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --type article --provider zhipu --model glm-5` | `{p}_{id}.md` | **文章分析，300字摘要+原文** |
-
-## 条件分支逻辑
-
-### 内容类型判断
-
-链接解析后，根据 `type` 字段判断内容类型：
-
-| type 值 | 内容类型 | 处理方式 |
-|---------|---------|---------|
-| `video` | B站视频 | 下载视频/字幕，可能需要 Whisper |
-| `zvideo` | 知乎视频 | 下载视频，需要 Whisper 语音识别 |
-| `article` | B站专栏 | 直接提取文字内容 |
-| `zhuanlan` | 知乎专栏 | 直接提取文字内容 |
-| `question` / `answer` | 知乎问答 | 直接提取文字内容 |
-| `note` | 小红书 | 下载图片 |
-
-### 视频处理流程（type=video/zvideo）
-
-```
-步骤3: 获取元数据
-   ↓
-步骤4: 下载字幕 (--type subtitle-download)
-   ↓
-┌─────────────────────────────────────┐
-│ has_subtitle = true?                │
-├─────────────────────────────────────┤
-│ 是 → 直接进入步骤6（深度分析）       │
-│ 否 → 进入步骤5（Whisper语音识别）    │
-└─────────────────────────────────────┘
-           ↓
-步骤6: 深度分析
-   ↓
-┌─────────────────────────────────────┐
-│ kb-deep-analyzer 执行结果           │
-├─────────────────────────────────────┤
-│ success = true  → 步骤7（归档）     │
-│ success = false → ❌ 整个流程失败    │
-└─────────────────────────────────────┘
-```
-
-### 专栏文章处理流程（type=article/zhuanlan/question）
-
-```
-步骤3: 获取元数据
-   ↓
-步骤4: 提取专栏/文章文字内容
-   │   命令: python3 bilibili_content.py --id "cvxxx" --type article
-   ↓
-步骤6: 深度分析（使用 --type article）
-   │   命令: python3 deep_analyzer.py --type article
-   │   输出: 300字摘要 + 原文
-   ↓
-步骤6: 深度分析（直接使用提取的文字）
-   ↓
-┌─────────────────────────────────────┐
-│ kb-deep-analyzer 执行结果           │
-├─────────────────────────────────────┤
-│ success = true  → 步骤7（归档）     │
-│ success = false → ❌ 整个流程失败    │
-└─────────────────────────────────────┘
-```
-
-> ⚠️ **重要：深度分析失败则整个流程失败**
-> - 深度分析必须使用正确的 AI 模型（glm-5）完整分析字幕内容
-> - 如果 `kb-deep-analyzer` 返回 `success: false`，**必须汇报失败**，不能继续执行后续步骤
-> - 不能使用预设模板或降级内容来"假装成功"
-> - 失败时必须向用户报告具体的错误原因
-
-> ⚠️ **重要**：没有找到官方字幕是**正常的**！很多视频没有自动生成的字幕。
-> - 如果 `has_subtitle = false`，继续执行 Whisper 步骤
-> - 如果 `has_subtitle = true`，跳过 Whisper 步骤，直接使用官方字幕
-
-## 目录结构
-
-**工作目录（~/work/knowledge-base/）：**
-```
-~/work/knowledge-base/
-├── pending/
-│   └── {platform}_{id}.link.json
-├── metadata/
-│   └── {platform}_{id}.meta.json
-├── content/
-│   ├── downloads/
-│   │   └── {platform}_{id}.mp4
-│   ├── {platform}_{id}.txt        # Whisper 识别的文本
-│   └── {platform}_{id}.json       # Whisper 完整结果
-└── analyzed/
-    └── {platform}_{id}.md
-```
-
-**归档目录（~/work/zq/30.资源/AI分析/）：**
-```
-~/work/zq/30.资源/AI分析/
-└── YYYY-MM-DD/
-    ├── {platform}_{id}.md         # 深度分析报告
-    └── {platform}_{id}.meta.json  # 元数据（可选）
-```
-
-> 📌 **注意**：归档目录通过 `KB_ARCHIVE_PATH` 环境变量配置，默认为 `~/work/zq/30.资源/AI分析`
-
 ## 辅助命令
 
 ```bash
-# ------------------- 查重与归档 -------------------
-
 # 查重
-python3 kb_workflow.py --check --url "[URL]"
+python3 kb-workflow/kb_workflow.py --check --url "https://..."
+
+# 获取目录路径
+python3 kb-workflow/kb_workflow.py --base-path
+python3 kb-workflow/kb_workflow.py --metadata
+python3 kb-workflow/kb_workflow.py --content
+python3 kb-workflow/kb_workflow.py --analyzed
 
 # 归档分析报告
-python3 kb_workflow.py --archive-file "[分析报告路径]"
-
-
-# ------------------- 目录路径查询 -------------------
-
-# 获取知识库根目录（默认 ~/work/knowledge-base）
-python3 kb_workflow.py --base-path "~/custom/path"
-
-# 获取待处理目录（pending）
-python3 kb_workflow.py --pending
-
-# 获取元数据目录
-python3 kb_workflow.py --metadata
-
-# 获取内容目录
-python3 kb_workflow.py --content
-
-# 获取内容下载目录
-python3 kb_workflow.py --content_downloads
-
-# 获取字幕目录
-python3 kb_workflow.py --content_subtitles
-
-# 获取深度分析目录
-python3 kb_workflow.py --analyzed
-
-# 获取归档目录
-python3 kb_workflow.py --archive
-
-# 获取订阅信息目录
-python3 kb_workflow.py --archive_subscriptions
-
-
-# ------------------- 工具函数 -------------------
-
-# 从文件名提取平台名称
-python3 kb_workflow.py --extract_platform "bilibili_BVxxx.mp4"
+python3 kb-workflow/kb_workflow.py --archive-file "/path/to/report.md"
 ```
 
+## 示例
+
+```
+用户: 添加到知识库 https://www.bilibili.com/video/BV1xx
+
+Claude:
+✅ 环境变量检查通过
+
+◆ 处理中...
+  → 解析 URL: bilibili 视频 BV1xx
+  → 获取元数据...
+  → 下载字幕...
+  → 深度分析...
+
+✅ 完成！
+
+标题: 【教程】如何使用 Python 进行数据分析
+处理阶段: 全部完成
+最终文件: ~/work/zq/30.资源/AI分析/2026-03-15/bilibili_BV1xx.md
+```
+
+## 技术架构
+
+```
+kb-workflow/kb_workflow.py (CLI)
+    └── kb_pipeline/ (核心管道包)
+        ├── pipeline.py      — Pipeline 编排引擎
+        ├── processors/      — 处理器实现
+        │   ├── parse.py     — URL 解析
+        │   ├── download.py  — 内容下载
+        │   ├── asr.py       — 语音识别
+        │   └── analyze.py   — 深度分析
+        └── schemas.py       — 数据模型
+```