# Obsidian KB 技能开发 - 执行计划

**项目**: obsidian-kb-complete  
**目标**: 构建多源内容知识库维护系统，含长视频分段分析  
**执行方式**: 多代理并行  
**验收标准**: 所有测试通过，代码提交至Git  

---

## 代理分配

| 代理 | Checkpoint | 任务 | 依赖 | 模型 |
|------|-----------|------|------|------|
| **代理A** | 1-2 | 项目脚手架 + 数据模型 + 存储 | 无 | kimi-coding/k2p5 |
| **代理B** | 3 | B站适配器 | 代理A的models | kimi-coding/k2p5 |
| **代理C** | 4-5 | 内容管道 + 长视频分段 | 代理A的models, config | kimi-coding/k2p5 |
| **代理D** | 6 | CLI命令 | 代理C的pipeline | kimi-coding/k2p5 |
| **代理E** | 7-8 | 模板 + 测试 + 文档 | 全部 | kimi-coding/k2p5 |

---

## 代理A: 项目脚手架与数据模型 (~60min)

### Checkpoint 1: 项目脚手架

**任务A1.1**: 创建目录结构
- **Action**: 创建 `skills/obsidian-kb/` 及所有子目录
- **Verify**: 目录结构完整

**任务A1.2**: 创建 SKILL.md
- **Action**: 编写技能元数据、命令列表、使用说明
- **Verify**: 包含所有6个命令

**任务A1.3**: 创建 requirements.txt
- **Action**: 列出依赖: requests, pyyaml 等
- **Verify**: pip install -r requirements.txt 成功

### Checkpoint 2: 核心数据模型

**任务A2.1**: 实现 models.py
- **Action**: 定义 Content, ContentType, ContentStatus 类
- **字段**: id, source, url, title, author, duration, transcript, etc.
- **Verify**: 可以创建实例并序列化

**任务A2.2**: 实现 config.py
- **Action**: 配置读取，支持 config.yaml
- **Verify**: 能读取API key, git配置, chunking配置

**任务A2.3**: 实现 storage.py
- **Action**: Inbox/Topics存储，JSON文件管理
- **Verify**: 能存取Content对象

**任务A2.4**: 实现 git_sync.py
- **Action**: Git仓库初始化、commit、push
- **Verify**: 能创建测试文件并推送

---

## 代理B: B站适配器 (~45min)

### Checkpoint 3: B站适配器

**前置条件**: 代理A的 models.py 完成

**任务B3.1**: 实现 sources/base.py
- **Action**: 定义 SourceAdapter 抽象基类
- **方法**: fetch_new(), extract_content(), get_transcript()

**任务B3.2**: 实现 sources/bilibili.py
- **Action**: B站API封装
  - fetch_new(): 获取收藏夹视频列表
  - extract_content(): 从URL提取视频元数据
  - get_transcript(): 获取字幕（使用B站官方API）
- **Verify**: 能获取真实B站视频信息和字幕

**任务B3.3**: 实现 sources/__init__.py
- **Action**: SourceRegistry 注册表
- **Verify**: 可以通过名称获取适配器

---

## 代理C: 内容管道与长视频分段 (~75min)

### Checkpoint 4: 内容处理管道

**前置条件**: 代理A的 models.py, config.py 完成

**任务C4.1**: 实现轻量扫描
- **Action**: 调用AI生成一句话摘要、关键词、质量评分
- **Verify**: 输入URL输出评分对象

**任务C4.2**: 实现深度分析基础
- **Action**: 根据duration选择分析策略
- **Verify**: 短视频(<10min)和长视频(>10min)不同处理

**任务C4.3**: 实现 pipeline.py
- **Action**: 整合轻量扫描→入库→深度分析→生成笔记→Git同步
- **Verify**: 端到端流程可运行

### Checkpoint 5: 长视频分段分析

**任务C5.1**: 实现 content_chunker.py
- **Action**: ContentChunker类，chunk_by_duration()方法
- **Verify**: 能按时间分割SRT字幕

**任务C5.2**: 实现分段策略
- **Action**: get_chunking_strategy()函数
- **策略**: <10min直接, 10-30min截断, 30-60min分2段, 60min+每15分钟一段

**任务C5.3**: 实现AI客户端分段逻辑
- **Action**: _analyze_in_chunks(), _analyze_chunk(), _merge_summaries()
- **Verify**: 长视频能正常分析不报错

---

## 代理D: CLI命令 (~40min)

### Checkpoint 6: CLI命令

**前置条件**: 代理C的 pipeline.py 完成

**任务D6.1**: 实现 cli.py 框架
- **Action**: argparse命令解析框架

**任务D6.2**: 实现 /kb-subscribe
- **Action**: 订阅B站收藏夹/UP主
- **Verify**: 配置能保存到config

**任务D6.3**: 实现 /kb-inbox
- **Action**: 显示待处理列表
- **Verify**: 显示标题、评分、摘要

**任务D6.4**: 实现 /kb-process
- **Action**: 处理指定ID或全部
- **Verify**: 能调用pipeline完成分析

**任务D6.5**: 实现 /kb-skip, /kb-status, /kb-search
- **Action**: 跳过、状态、搜索命令
- **Verify**: 功能正常

---

## 代理E: 模板、测试与文档 (~45min)

### Checkpoint 7: 模板与文档

**前置条件**: 全部代理完成

**任务E7.1**: 创建Markdown模板
- light_video.md, tutorial_video.md, article.md, topic_index.md
- **Verify**: 模板能正确渲染

**任务E7.2**: 实现 template_renderer.py
- **Action**: 根据content_type选择模板渲染
- **Verify**: 不同类型输出不同格式

**任务E7.3**: 完善 SKILL.md 和 README.md
- **Action**: 使用说明、配置指南、示例

### Checkpoint 8: 测试与验证

**任务E8.1**: 编写单元测试
- **Action**: tests/test_*.py 覆盖核心模块
- **Verify**: pytest 通过

**任务E8.2**: 集成测试
- **Action**: 端到端测试完整流程
- **Verify**: 订阅→爬取→分析→同步

**任务E8.3**: Git提交
- **Action**: git add, commit, push
- **消息**: "feat: implement obsidian-kb skill with long video chunking"
- **Verify**: 代码已推送到远程仓库

---

## 执行顺序

```
并行启动:
  代理A (1-2) ─┬→ 代理B (3)
               ├→ 代理C (4-5) ─→ 代理D (6)
               └→ 代理E (7-8, 等待其他)
```

## 验收标准

- [ ] 所有代理任务完成
- [ ] pytest 测试通过
- [ ] 能成功分析一个B站视频（含长视频分段）
- [ ] Markdown输出格式正确
- [ ] Git自动同步工作
- [ ] 代码已提交到Git仓库

---

**计划已保存**: `memory/plans/obsidian-kb-execution.md`

**准备启动多代理并行开发？**