starmen1265/openclaw-skills
Archived
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
This repository has been archived on 2026-02-15. You can view files and clone it. You cannot open issues or pull requests or push a commit.
Files
61dad2414de918d2cf4927c1a1861538c020834d
openclaw-skills/memory/plans/obsidian-kb-implementation.md
T
OpenClaw Agent 7e0acef4f9 feat: add skills and workspace files 
- Add complete skill set including feishu, github, ci-gen, etc.
- Add workspace documentation (AGENTS.md, SOUL.md, etc.)
- Add memory system and project context
2026-02-06 19:14:24 +08:00

8.8 KiB
Raw Blame History

Obsidian 知识库维护技能 - 实施计划

目标: 构建可扩展的多源内容知识库维护系统，支持B站/YouTube/知乎/本地Markdown汇入Obsidian 方法: 模块化架构 + 源适配器模式 + 主题聚合机制 预估总时间: ~4-6小时（可并行）

多代理并行模型分配策略

统一使用最强模型：kimi-coding/k2p5

追求代码质量和AI分析能力，不节省token

Checkpoint 任务类型 模型
Checkpoint 1-2 项目脚手架、数据模型 kimi-coding/k2p5
Checkpoint 3 B站适配器开发 kimi-coding/k2p5
Checkpoint 4 内容处理管道 kimi-coding/k2p5
Checkpoint 5 CLI命令实现 kimi-coding/k2p5
Checkpoint 6-7 模板与测试 kimi-coding/k2p5

实现方式：

# 所有子任务统一使用最强模型
sessions_spawn({
    "task": "...",
    "model": "kimi-coding/k2p5",
    "runTimeoutSeconds": 600
})

Checkpoint 1: 项目脚手架与配置 (~30min)

  • Task 1.1: 重命名/创建技能目录 skills/obsidian-kb/

    • Action: 基于现有 bilibili-obsidian 迁移或新建结构
    • Verify: skills/obsidian-kb/ 存在且包含 SKILL.md

  • Task 1.2: 创建技能元数据文件 SKILL.md

    • Action: 编写技能描述、命令列表、使用说明
    • Verify: 包含所有命令: /kb-subscribe, /kb-inbox, /kb-process, /kb-skip, /kb-status, /kb-search

  • Task 1.3: 创建项目结构

    obsidian-kb/
├── src/
│   ├── __init__.py
│   ├── cli.py              # 命令行入口
│   ├── config.py           # 配置管理
│   ├── models.py           # 统一元数据模型
│   ├── pipeline.py         # 内容处理管道
│   ├── storage.py          # 本地存储/Inbox管理
│   ├── git_sync.py         # Git同步
│   └── sources/
│       ├── __init__.py
│       ├── base.py         # 源适配器基类
│       ├── bilibili.py     # B站适配器
│       ├── youtube.py      # YouTube适配器 (placeholder)
│       ├── zhihu.py        # 知乎适配器 (placeholder)
│       └── local.py        # 本地Markdown扫描
│   └── templates/
│       ├── light_video.md
│       ├── tutorial_video.md
│       ├── article.md
│       └── topic_index.md  # 主题聚合页模板
├── tests/
└── requirements.txt
    • Verify: 目录结构完整

  • Task 1.4: 创建配置模板 config.yaml.example

    • Action: 定义所有配置项（API keys, Git repo, 路径等）
    • Verify: 包含: kimi_api_key, git_repo, git_token, obsidian_path, quality_threshold

Checkpoint 2: 核心数据模型与存储 (~40min)

  • Task 2.1: 实现 models.py - 统一元数据模型

    • Action: 定义 Content 类，包含所有核心字段和 source_meta 扩展
    • Verify: 可以通过单元测试创建 Content 对象，序列化/反序列化正常

  • Task 2.2: 实现 storage.py - Inbox/Topics存储管理

    • Action:
      • Inbox 队列管理（CRUD操作）
      • Topics 目录结构管理
      • 主题聚合页检测（相似度>阈值时归入同一主题）
    • Verify: 可以: 添加候选到Inbox、移动到Topics、检测主题相似度

  • Task 2.3: 实现 git_sync.py - Git自动同步

    • Action:
      • 检测文件变更
      • 自动生成commit message
      • 执行commit + push
    • Verify: 创建测试文件后能自动commit到指定repo

Checkpoint 3: 源适配器基类与B站实现 (~60min)

  • Task 3.1: 实现 sources/base.py - 源适配器基类

    • Action: 定义抽象基类 SourceAdapter，包含3个抽象方法
    • Verify: 无法直接实例化，子类必须实现所有方法

  • Task 3.2: 实现 sources/bilibili.py - B站适配器

    • Action:
      • fetch_new(): 获取收藏夹/UP主动态
      • extract_content(): 从URL提取元数据
      • get_transcript(): 获取字幕/AI生成摘要
    • Verify: 可以成功获取公开收藏夹内容，提取字幕

  • Task 3.3: 实现 sources/local.py - 本地Markdown扫描

    • Action: 扫描指定目录的Markdown文件，提取元数据
    • Verify: 能识别本地MD文件的YAML frontmatter

  • Task 3.4: 创建源注册表 sources/__init__.py

    • Action: SourceRegistry，支持动态注册新适配器
    • Verify: 可以通过名称获取对应适配器实例

Checkpoint 4: 内容处理管道 (~50min)

  • Task 4.1: 实现轻量扫描阶段

    • Action:
      • 调用AI生成一句话摘要
      • 提取关键词
      • 质量评分（0-10）
    • Verify: 输入视频URL，输出包含摘要、关键词、评分的Content对象

  • Task 4.2: 实现深度分析阶段

    • Action: 根据内容类型选择分析策略，生成结构化数据
    • Verify: 短视频输出轻量结构，长教程输出详细时间轴

  • Task 4.3: 实现自适应模板系统

    • Action: 创建模板渲染器，根据content_type和duration选择模板
    • Verify: 不同类型内容渲染出不同格式的Markdown

  • Task 4.4: 实现主题聚合检测

    • Action: AI对比新内容与现有Topics，计算相似度，建议聚合
    • Verify: 相似内容能被正确归入同一主题目录

  • Task 4.5: 实现 pipeline.py - 整合所有阶段

    • Action: 编排完整流程: 轻量扫描→入库→深度分析→生成笔记→Git同步
    • Verify: 端到端测试通过

Checkpoint 5: CLI命令实现 (~40min)

  • Task 5.1: 实现 /kb-subscribe 命令

    • Action: 支持订阅B站收藏夹、UP主、YouTube频道等
    • Verify: 可以添加订阅，存储到配置文件

  • Task 5.2: 实现 /kb-inbox 命令

    • Action: 显示待处理候选列表，带摘要和评分
    • Verify: 可以列出Inbox中的内容，格式清晰

  • Task 5.3: 实现 /kb-process 命令

    • Action: 处理指定ID或全部确认的内容
    • Verify: 可以深度分析并生成笔记

  • Task 5.4: 实现 /kb-skip 命令

    • Action: 跳过指定内容，记录跳过原因
    • Verify: 内容从Inbox移除，可选记录原因

  • Task 5.5: 实现 /kb-status 命令

    • Action: 显示同步状态、Inbox数量、今日处理量
    • Verify: 输出包含Git状态、Inbox统计

  • Task 5.6: 实现 /kb-search 命令

    • Action: 搜索已处理的笔记（标题、标签、内容）
    • Verify: 能根据关键词返回相关笔记列表

Checkpoint 6: 模板与文档 (~30min)

  • Task 6.1: 创建所有Markdown模板

    • Action:
      • light_video.md
      • tutorial_video.md
      • article.md
      • topic_index.md
    • Verify: 模板包含所有变量占位符，渲染测试通过

  • Task 6.2: 完善 SKILL.md 使用文档

    • Action: 更新完整的使用说明、配置指南、示例
    • Verify: 新用户能根据文档独立完成配置和使用

  • Task 6.3: 创建 README.md

    • Action: 项目介绍、功能特性、安装说明
    • Verify: 包含架构图、快速开始、命令参考

Checkpoint 7: 测试与验证 (~30min)

  • Task 7.1: 编写单元测试

    • Action: 测试核心模块: models, storage, pipeline
    • Verify: pytest 全部通过

  • Task 7.2: 集成测试

    • Action: 端到端测试: 订阅→爬取→分析→生成→同步
    • Verify: 完整流程在测试环境跑通

  • Task 7.3: 手动验证

    • Action: 实际处理1-2个B站视频，检查输出
    • Verify: Markdown格式正确，Git同步正常，Obsidian可读

Verification Criteria

  • 所有Checkpoints完成
  • 可以订阅B站收藏夹并获取新内容
  • Inbox预览功能正常，显示摘要和评分
  • 确认处理后生成格式正确的Markdown
  • 相似内容自动归入同一主题
  • Git自动同步工作正常
  • 代码通过基本测试
  • 文档完整可理解

执行选项

选项1: 单代理（本会话）

  • 我按顺序执行所有任务
  • 每个Checkpoint完成后汇报进度
  • 使用 kimi-coding/k2p5 模型
  • 适合：需要频繁确认、逐步调整方向

选项2: 多代理并行（推荐）

  • 同时启动多个子代理并行工作：
代理 Checkpoint 任务 模型
代理A 1-2 项目基础 + 数据模型 kimi-coding/k2p5
代理B 3 B站适配器 kimi-coding/k2p5
代理C 4 内容处理管道 kimi-coding/k2p5
代理D 5 CLI命令 kimi-coding/k2p5
代理E 6-7 模板 + 测试 kimi-coding/k2p5
  • 最后我来集成所有模块
  • 优势： 速度最快，全部用最强模型保证质量

推荐： 选项2（多代理并行）

你选择哪种执行方式？

Reference in New Issue View Git Blame Copy Permalink