openclaw-skills/memory/plans/obsidian-kb-execution.md

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？