starmen1265/openclaw-skills
Archived
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

refactor(kb-workflow): 简化SKILL.md，删除sessions_spawn代码流程

Browse Source 
改为命令行调用方式的简洁描述
This commit is contained in:
OpenClaw Agent
2026-02-10 22:32:13 +08:00
parent e370b6b39f
commit 28d64e711d
1 changed files with 58 additions and 184 deletions
Download Patch File Download Diff File Expand all files Collapse all files
skills/kb-workflow/SKILL.md
+58 -184
View File
@@ -1,6 +1,6 @@
--- ---
name: kb-workflow 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: metadata:
short-description: 知识库工作流编排 short-description: 知识库工作流编排
--- ---
@@ -22,198 +22,69 @@ metadata:
### 步骤 1: 查重 ### 步骤 1: 查重
**操作：** 检查知识库是否已存在此内容。 运行查重命令：
```bash
1. 根据 URL 中的 ID（如 `BVxxx`）扫描 `knowledge-base/metadata/` 和 `knowledge-base/archive/` 目录 python3 kb_workflow.py --check --url "[URL]"
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
)
``` ```
**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。 运行 kb-link-parser：
```bash
```python cd kb-link-parser && python3 link-parser.py --url "[URL]"
# 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]
``` ```
**调用元数据技能：** 手动保存结果到：`~/work/knowledge-base/pending/{platform}_{id}.link.json`
```python ### 步骤 3: 元数据提取
if platform == "bilibili":
agent = "kb-bilibili-metadata"
elif platform == "zhihu":
agent = "kb-zhihu-metadata"
result = sessions_spawn( 根据平台运行对应命令：
agentId=agent,
task="""获取链接的元数据：
链接文件: [上一步的output_file] Bilibili:
输出目录: ~/work/knowledge-base/metadata ```bash
cd kb-bilibili-metadata && python3 bilibili_metadata.py --id [BV号] --type video --output ~/work/knowledge-base/metadata/{platform}_{id}.meta.json
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
)
``` ```
**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。 Bilibili:
```bash
```python cd kb-bilibili-content && python3 bilibili_content.py --id [BV号] --type video --output ~/work/knowledge-base/content
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
)
``` ```
**预期输出：**
- `content/downloads/{platform}_{id}.mp4`
- `content/subtitles/{platform}_{id}.srt`（可能没有）
### 步骤 5: OCR 处理 ### 步骤 5: OCR 处理
**操作：** 对视频或字幕进行 OCR 提取文字。 如果有字幕或视频，运行 OCR（30分钟超时）：
```bash
```python cd kb-ocr-processor && python3 ocr_processor.py --input [字幕或视频文件] --output ~/work/knowledge-base/content/{platform}_{id}.txt
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
)
``` ```
**预期输出：** `content/{platform}_{id}.txt`
### 步骤 6: 深度分析 ### 步骤 6: 深度分析
**操作：** 调用深度分析生成最终报告。 运行深度分析：
```bash
```python 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
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
)
``` ```
**预期输出：** `analyzed/{platform}_{id}.md` ### 步骤 7: 归档
### 步骤 7: 归档和 Git 运行归档命令：
```bash
**操作：** 移动文件到归档目录，提交 Git。 python3 kb_workflow.py --archive ~/work/knowledge-base/analyzed/{platform}_{id}.md
```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))
``` ```
### 步骤 8: 汇报完成 ### 步骤 8: 汇报完成
**操作：** 向用户汇报处理结果。 向用户汇报：
```python
汇报内容：
- 视频标题 - 视频标题
- 处理阶段完成情况 - 处理阶段完成情况
- 最终文件路径 - 最终文件路径
- Git commit 信息 - Git commit 信息
```
## 目录结构 ## 目录结构
@@ -221,38 +92,41 @@ subprocess.run(['git', 'commit', '-m', f"Archive: {analyzed_file.name}"], cwd=st
~/work/knowledge-base/ ~/work/knowledge-base/
├── archive/ ├── archive/
│ └── YYYY-MM-DD/ │ └── YYYY-MM-DD/
│ └── {platform}_{id}.md # 分析报告 │ └── {platform}_{id}.md
│ └── {platform}_{id}.meta.json # 元数据 │ └── {platform}_{id}.meta.json
├── pending/ ├── pending/
│ └── {platform}_{id}.link.json # 链接解析结果 │ └── {platform}_{id}.link.json
├── metadata/ ├── metadata/
│ └── {platform}_{id}.meta.json # 元数据 │ └── {platform}_{id}.meta.json
├── content/ ├── content/
│ ├── downloads/ │ ├── downloads/
│ │ └── {platform}_{id}.mp4 # 视频文件 │ │ └── {platform}_{id}.mp4
│ ├── subtitles/ │ ├── subtitles/
│ │ └── {platform}_{id}.srt # 字幕文件 │ │ └── {platform}_{id}.srt
│ └── {platform}_{id}.txt # OCR结果 │ └── {platform}_{id}.txt
└── analyzed/ └── 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） ## 环境变量（可选）
```bash ```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