diff --git a/skills/kb-workflow/SKILL.md b/skills/kb-workflow/SKILL.md
index 50df0a5..65cdcb2 100644
--- a/skills/kb-workflow/SKILL.md
+++ b/skills/kb-workflow/SKILL.md
@@ -1,6 +1,6 @@
 ---
 name: kb-workflow
-description: 知识库工作流编排技能。接收"添加到知识库 + 链接"消息，编排各子代理完成完整处理流程。
+description: 知识库工作流编排技能。接收"添加到知识库 + 链接"消息，完成完整处理流程。
 metadata:
   short-description: 知识库工作流编排
 ---
@@ -22,198 +22,69 @@ metadata:
 
 ### 步骤 1: 查重
 
-**操作：** 检查知识库是否已存在此内容。
-
-1. 根据 URL 中的 ID（如 `BVxxx`）扫描 `knowledge-base/metadata/` 和 `knowledge-base/archive/` 目录
-2. 如果存在：
-   - 汇报用户内容已存在及其状态
-   - 询问用户是要更新还是跳过
-   - 等待用户指示
-3. 如果不存在：继续步骤 2
-
-### 步骤 2: 调用 kb-link-parser
-
-**操作：** 解析 URL，获取平台和内容 ID。
-
-```python
-# 调用方式
-result = sessions_spawn(
-    agentId="kb-link-parser",
-    task="""解析以下URL，将结果保存到指定目录：
-
-URL: [用户的URL]
-
-输出目录: ~/work/knowledge-base/pending
-输出文件名格式: {platform}_{id}.link.json
-
-请解析URL中的平台和内容ID，将解析结果保存为JSON文件。
-返回结果时告诉我输出文件的完整路径。""",
-    timeoutSeconds=60
-)
+运行查重命令：
+```bash
+python3 kb_workflow.py --check --url "[URL]"
 ```
 
-**预期输出：** `pending/{platform}_{id}.link.json`
+- 如果存在：汇报用户并询问是更新还是跳过
+- 如果不存在：继续步骤 2
 
-### 步骤 3: 提取平台并调用对应元数据技能
+### 步骤 2: 链接解析
 
-**操作：** 从文件名提取平台（如 `bilibili`），调用对应平台的元数据技能。
-
-```python
-# 从返回结果中提取 output_file
-output_file = result.get("output_file")
-platform = output_file.split("/")[-1].split("_")[0]  # 从文件名提取平台
-content_id = output_file.split("/")[-1].split("_")[1].split(".")[0]
+运行 kb-link-parser：
+```bash
+cd kb-link-parser && python3 link-parser.py --url "[URL]"
 ```
 
-**调用元数据技能：**
+手动保存结果到：`~/work/knowledge-base/pending/{platform}_{id}.link.json`
 
-```python
-if platform == "bilibili":
-    agent = "kb-bilibili-metadata"
-elif platform == "zhihu":
-    agent = "kb-zhihu-metadata"
+### 步骤 3: 元数据提取
 
-result = sessions_spawn(
-    agentId=agent,
-    task="""获取链接的元数据：
+根据平台运行对应命令：
 
-链接文件: [上一步的output_file]
-输出目录: ~/work/knowledge-base/metadata
-
-请读取链接文件，提取URL，然后获取该链接的元数据（标题、作者、播放量等）。
-将元数据保存为JSON文件，文件名格式: {platform}_{id}.meta.json
-
-返回结果时告诉我输出文件的完整路径。""",
-    timeoutSeconds=120
-)
+Bilibili:
+```bash
+cd kb-bilibili-metadata && python3 bilibili_metadata.py --id [BV号] --type video --output ~/work/knowledge-base/metadata/{platform}_{id}.meta.json
 ```
 
-**预期输出：** `metadata/{platform}_{id}.meta.json`
+### 步骤 4: 内容下载
 
-### 步骤 4: 调用内容下载技能
+根据平台运行对应命令：
 
-**操作：** 根据平台调用内容下载技能。
-
-```python
-if platform == "bilibili":
-    agent = "kb-bilibili-content"
-
-result = sessions_spawn(
-    agentId=agent,
-    task="""下载视频内容：
-
-元数据文件: [上一步的output_file]
-下载目录: ~/work/knowledge-base/content
-
-请读取元数据文件，获取视频信息，然后下载视频和字幕。
-视频保存到: content/downloads/
-字幕保存到: content/subtitles/
-
-文件名格式: {platform}_{id}.mp4 和 {platform}_{id}.srt
-
-返回结果时告诉我下载的视频文件和字幕文件的完整路径。""",
-    timeoutSeconds=600
-)
+Bilibili:
+```bash
+cd kb-bilibili-content && python3 bilibili_content.py --id [BV号] --type video --output ~/work/knowledge-base/content
 ```
 
-**预期输出：**
-- `content/downloads/{platform}_{id}.mp4`
-- `content/subtitles/{platform}_{id}.srt`（可能没有）
-
 ### 步骤 5: OCR 处理
 
-**操作：** 对视频或字幕进行 OCR 提取文字。
-
-```python
-subtitle_file = result.get("subtitle") or result.get("subtitles")
-video_file = result.get("output_file")
-
-# 如果有字幕用字幕，没有就用视频
-ocr_source = subtitle_file or video_file
-
-result = sessions_spawn(
-    agentId="kb-ocr-processor",
-    task="""处理文件，提取文字内容：
-
-源文件: [ocr_source]
-输出目录: ~/work/knowledge-base/content
-
-请读取文件，提取文字内容。
-输出文件名格式: {platform}_{id}.txt
-
-返回结果时告诉我输出文件的完整路径。""",
-    timeoutSeconds=1800  # 30分钟
-)
+如果有字幕或视频，运行 OCR（30分钟超时）：
+```bash
+cd kb-ocr-processor && python3 ocr_processor.py --input [字幕或视频文件] --output ~/work/knowledge-base/content/{platform}_{id}.txt
 ```
 
-**预期输出：** `content/{platform}_{id}.txt`
-
 ### 步骤 6: 深度分析
 
-**操作：** 调用深度分析生成最终报告。
-
-```python
-result = sessions_spawn(
-    agentId="kb-deep-analyzer",
-    task="""深度分析内容：
-
-元数据文件: [步骤3的output_file]
-文字内容文件: [步骤5的output_file]（如果存在，否则用元数据文件）
-输出目录: ~/work/knowledge-base/analyzed
-
-请读取元数据和文字内容，进行深度分析。
-生成分析报告，保存为Markdown文件。
-文件名格式: {platform}_{id}.md
-
-分析报告应包含：
-- 一句话总结
-- 核心要点
-- 时间轴（如适用）
-- 推荐标签
-
-返回结果时告诉我输出文件的完整路径。""",
-    timeoutSeconds=180
-)
+运行深度分析：
+```bash
+cd kb-deep-analyzer && python3 deep_analyzer.py --metadata ~/work/knowledge-base/metadata/{platform}_{id}.meta.json --content [元数据或OCR结果] --output ~/work/knowledge-base/analyzed/{platform}_{id}.md
 ```
 
-**预期输出：** `analyzed/{platform}_{id}.md`
+### 步骤 7: 归档
 
-### 步骤 7: 归档和 Git
-
-**操作：** 移动文件到归档目录，提交 Git。
-
-```python
-# 1. 创建归档目录
-date_dir = Path.home() / "work/knowledge-base/archive" / datetime.now().strftime('%Y-%m-%d')
-date_dir.mkdir(parents=True, exist_ok=True)
-
-# 2. 移动分析报告
-analyzed_file = Path(result.get("output_file"))
-archive_file = date_dir / analyzed_file.name
-shutil.copy(analyzed_file, archive_file)
-
-# 3. 复制元数据
-meta_file = Path.home() / "work/knowledge-base/metadata" / f"{analyzed_file.stem}.meta.json"
-if meta_file.exists():
-    shutil.copy(meta_file, date_dir / meta_file.name)
-
-# 4. Git commit（如果已初始化）
-git_root = Path.home() / "work/knowledge-base/archive"
-subprocess.run(['git', 'add', '.'], cwd=str(git_root))
-subprocess.run(['git', 'commit', '-m', f"Archive: {analyzed_file.name}"], cwd=str(git_root))
+运行归档命令：
+```bash
+python3 kb_workflow.py --archive ~/work/knowledge-base/analyzed/{platform}_{id}.md
 ```
 
 ### 步骤 8: 汇报完成
 
-**操作：** 向用户汇报处理结果。
-
-```python
-汇报内容：
+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
-```
 
 ## 目录结构
 
@@ -221,38 +92,41 @@ subprocess.run(['git', 'commit', '-m', f"Archive: {analyzed_file.name}"], cwd=st
 ~/work/knowledge-base/
 ├── archive/
 │   └── YYYY-MM-DD/
-│       └── {platform}_{id}.md          # 分析报告
-│       └── {platform}_{id}.meta.json   # 元数据
+│       └── {platform}_{id}.md
+│       └── {platform}_{id}.meta.json
 ├── pending/
-│   └── {platform}_{id}.link.json       # 链接解析结果
+│   └── {platform}_{id}.link.json
 ├── metadata/
-│   └── {platform}_{id}.meta.json       # 元数据
+│   └── {platform}_{id}.meta.json
 ├── content/
 │   ├── downloads/
-│   │   └── {platform}_{id}.mp4         # 视频文件
+│   │   └── {platform}_{id}.mp4
 │   ├── subtitles/
-│   │   └── {platform}_{id}.srt         # 字幕文件
-│   └── {platform}_{id}.txt             # OCR结果
+│   │   └── {platform}_{id}.srt
+│   └── {platform}_{id}.txt
 └── analyzed/
-    └── {platform}_{id}.md              # 分析报告
+    └── {platform}_{id}.md
+```
+
+## 支持的平台
+
+| 平台 | 元数据命令 | 内容命令 |
+|------|-----------|---------|
+| Bilibili | kb-bilibili-metadata | kb-bilibili-content |
+| 知乎 | kb-zhihu-metadata | - |
+
+## 辅助命令
+
+```bash
+# 查重
+python3 kb_workflow.py --check --url "[URL]"
+
+# 归档
+python3 kb_workflow.py --archive "[分析报告路径]"
 ```
 
 ## 环境变量（可选）
 
 ```bash
-export KB_BASE_PATH="~/work/knowledge-base"  # 知识库根目录
+export KB_BASE_PATH="~/work/knowledge-base"
 ```
-
-## 支持的平台
-
-| 平台 | 元数据技能 | 内容技能 |
-|------|-----------|---------|
-| Bilibili | kb-bilibili-metadata | kb-bilibili-content |
-| 知乎 | kb-zhihu-metadata | - |
-
-## 注意事项
-
-1. **文件名提取平台：** 从文件名第一个下划线之前提取（如 `bilibili_BVxxx.link.json` → `bilibili`）
-2. **不读文件内容：** workflow 只根据文件名判断，不读取文件内部
-3. **超时设置：** OCR 步骤较长，建议 30 分钟超时
-4. **子代理权限：** 确保子代理已在 allowlist 中配置