Remove kb- skills from skills directory

skills/kb-workflow/SKILL.md

@@ -1,360 +0,0 @@
----
-name: kb-workflow
-description: 当收到"添加到知识库 + 链接" 或"保存到知识库 + 链接"时使用
----
-
-# KB Workflow
-
-## 什么时候使用
-
-当用户发送包含以下模式的消息时，此技能自动触发：
-
-| 触发词 | 行为 | 示例 |
-|--------|------|------|
-| `添加到知识库` + 链接 | 添加到知识库并处理 | "添加到知识库 https://www.bilibili.com/video/BVxxx" |
-| `保存到知识库` + 链接 | 同上 | "保存到知识库 https://www.bilibili.com/video/BVxxx" |
-
-## 环境变量
-
-### 执行前必须检查
-
-在执行 workflow 之前，必须检查环境变量是否已经设置。
-
-**必须的环境变量**（缺失则报错退出）：
-
-配置方式：将变量写入 `~/.kb_env` 文件：
-```bash
-export AI_API_KEY="your-api-key"
-export AI_PROVIDER="zhipu"
-export AI_MODEL="glm-5"
-export AI_BASE_URL="https://open.bigmodel.cn/api/coding/paas/v4"
-```
-
-**可选的环境变量**：
-| 变量名 | 用途 | 示例 |
-|--------|------|------|
-| `BILIBILI_COOKIE` | 下载会员视频 | `SESSDATA=xxx; bili_jct=xxx` |
-| `KB_GIT_USER` | Git提交用户名 | `Your Name` |
-| `KB_GIT_EMAIL` | Git提交邮箱 | `your@email.com` |
-
-### 检查命令
-
-```bash
-# 检查必须的环境变量
-echo "AI_API_KEY: ${AI_API_KEY:0:10}..."
-echo "AI_PROVIDER: $AI_PROVIDER"
-echo "AI_MODEL: $AI_MODEL"
-echo "AI_BASE_URL: $AI_BASE_URL"
-
-# 验证方式1: 检查变量是否存在
-if [ -z "$AI_API_KEY" ]; then
-    echo "❌ AI_API_KEY 未设置"
-    exit 1
-fi
-
-# 验证方式2: 执行测试调用
-python3 -c "
-import os
-if not os.environ.get('AI_API_KEY'):
-    raise RuntimeError('AI_API_KEY 未设置')
-print('✅ 环境变量检查通过')
-"
-```
-
-
-## Workflow 执行方式
-
-主代理直接执行以下步骤，无需启动 kb-workflow 子代理：
-
-1. 主代理启动子代理调用 kb-link-parser
-2. 主代理启动子代理调用 kb-平台-metadata
-3. 主代理启动子代理调用 kb-平台-content
-4. 主代理启动子代理调用 kb-ocr-processor（如需要）
-5. 主代理启动子代理调用 kb-deep-analyzer
-6. 主代理执行 `kb_workflow.py --archive-file` 归档
-
-
-## Workflow 执行步骤
-
-当触发后，按照以下步骤执行：
-
-### 步骤 1: 环境变量检查
-
-**❌ 禁止跳过此步骤！必须先检查环境变量。**
-
-```bash
-# 0. 从 ~/.kb_env 加载环境变量（专门的知识库配置文件，不受 bashrc 交互式检查影响）
-if [ -f ~/.kb_env ]; then
-    source ~/.kb_env
-fi
-
-# 1. 检查必须的环境变量是否存在
-if [ -z "$AI_API_KEY" ] || [ -z "$AI_PROVIDER" ] || [ -z "$AI_MODEL" ] || [ -z "$AI_BASE_URL" ]; then
-    echo "❌ 错误：必须的环境变量未设置"
-    echo "请配置以下环境变量："
-    echo "  - AI_API_KEY"
-    echo "  - AI_PROVIDER (zhipu/openai/minimax)"
-    echo "  - AI_MODEL"
-    echo "  - AI_BASE_URL"
-    exit 1
-fi
-
-echo "✅ 环境变量检查通过"
-echo "   AI_PROVIDER: $AI_PROVIDER"
-echo "   AI_MODEL: $AI_MODEL"
-```
-
-**如果检查不通过，必须**：
-1. 报错提示用户
-2. 退出，不执行后续步骤
-3. 等待用户配置好环境变量后重新执行
-
-## ⚠️ 严格失败处理原则
-
-> **深度分析步骤必须成功，否则整个流程失败**
-
-在执行工作流时，必须遵守以下原则：
-1. **深度分析不可跳过**：kb-deep-analyzer 是必须成功执行的步骤
-2. **失败即终止**：如果深度分析返回 `success: false`，必须立即停止并汇报失败
-3. **禁止降级处理**：不能使用预设模板或简单摘要来"假装成功"
-4. **每次执行都要使用 AI**：必须有真实的 AI API 调用记录
-
-### 步骤 2: 链接解析
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --pending
-```
-
-2. 启动子代理调用 kb-link-parser：
-```bash
-python3 /path/to/link-parser.py --url "[URL]"
-```
-
-3. 解析输出 JSON，提取 filename 和 platform
-
-### 步骤 3: 元数据提取
-
-1. 获取元数据目录路径：
-```bash
-python3 kb_workflow.py --metadata
-# 返回: {"path": "/home/admin/work/knowledge-base/metadata"}
-```
-
-2. 构建输出文件路径：`${metadata_dir}/${platform}_${id}.meta.json`
-
-3. 启动子代理调用对应平台的 metadata 技能（传入 `--output`）：
-```bash
-# Bilibili
-python3 /path/to/bilibili_metadata.py --id "[ID]" --type video --output "${metadata_dir}/bilibili_[ID].meta.json"
-
-# Zhihu
-python3 /path/to/zhihu_metadata.py --id "[ID]" --type question --output "${metadata_dir}/zhihu_[ID].meta.json"
-```
-
-4. 解析输出 JSON，提取 filename
-
-### 步骤 4: 内容下载
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --content_downloads
-python3 kb_workflow.py --content
-```
-
-2. 启动子代理调用对应平台的 content 技能：
-```bash
-# Bilibili 字幕下载（自动检测是否有官方字幕）
-python3 /path/to/bilibili_content.py --id "[ID]" --type subtitle-download --output [content_dir]
-
-# 返回 JSON 包含 has_subtitle 字段
-```
-
-3. 解析输出 JSON：
-- **has_subtitle = true**: 有官方字幕，直接进入步骤 6
-- **has_subtitle = false**: 没有官方字幕，继续步骤 5
-
-> ⚠️ **重要提示**：没有找到官方字幕是**正常的**！很多视频没有自动生成的字幕。不要因为没有字幕就停止工作流，继续执行 Whisper 步骤即可。
-
-### 步骤 5: 语音识别转文字（仅当没有官方字幕时执行）
-
-> ⚠️ **重要**：此步骤仅在**没有官方字幕**时执行。如果有官方字幕，**跳过此步骤**。
-
-此步骤使用 Whisper 进行语音识别：
-- **严禁跳过**：必须等待识别完成
-- **定时汇报**：每2-3分钟向用户汇报进度
-- **超时时间**：30分钟
-- **耐心等待**：不要中途启动其他步骤，必须串行执行
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --content
-```
-
-2. 启动子代理调用 kb-whisper（传入视频路径）：
-```bash
-# 必须传入 --output 完整路径
-python3 /path/to/whisper.py --input [video_path] --model base --output [content_dir]
-```
-
-3. 等待 Whisper 完成（定时汇报进度）
-
-4. 解析输出 JSON，生成 content 文件供步骤6使用
-
-### 步骤 6: 深度分析
-
-1. 获取目录路径：
-```bash
-python3 kb_workflow.py --analyzed
-```
-
-2. 准备 content JSON 文件（包含 subtitle/description）
-
-3. 如果有官方字幕，使用官方字幕的 SRT 文件
-4. 如果没有官方字幕，使用 Whisper 识别的结果
-
-5. 启动子代理调用 kb-deep-analyzer（使用 g5 模型）：
-```bash
-python3 /path/to/deep_analyzer.py --metadata [meta_path] --content [content_path] --output [analyzed_dir]/[filename].md --provider zhipu --model glm-5
-```
-
-**环境变量设置**（在子代理中设置）：
-- `AI_PROVIDER=zhipu`
-- `AI_MODEL=glm-5`
-
-6. 解析输出 JSON，检查 `success` 字段：
-
-> ⚠️ **深度分析失败 = 整个流程失败**
-> - 如果 `success = true`：继续步骤 7（归档）
-> - 如果 `success = false`：**立即终止流程**，向用户汇报失败原因
-> - **严禁**继续执行后续步骤或使用降级内容"假装成功"
-
-### 步骤 7: 归档
-
-运行归档命令：
-```bash
-python3 kb_workflow.py --archive-file "[分析报告文件路径]"
-```
-
-### 步骤 8: 汇报完成
-
-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
-
-
-## 子技能清单
-
-| 步骤 | 子技能 | 命令示例 | 输出 | 备注 |
-|------|--------|----------|------|------|
-| 2 | kb-link-parser | `--url "BVxxx"` | `{p}_{id}.link.json` | |
-| 3 | kb-bilibili-metadata | `--id "BVxxx" --type video` | `{p}_{id}.meta.json` | |
-| 3 | kb-zhihu-metadata | `--id "xxx" --type question` | `{p}_{id}.meta.json` | |
-| 4 | kb-bilibili-content | `--id "BVxxx" --type subtitle-download` | `{p}_{id}.srt` | 如果没有字幕是正常的 |
-| 4 | kb-bilibili-content | `--id "BVxxx" --type video` | `{p}_{id}.mp4` | 如果需要下载视频 |
-| 5 | kb-whisper | `--input xxx.mp4 --model base` | `{p}_{id}.json`, `{p}_{id}.txt` | 仅当没有官方字幕时执行 |
-| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --provider zhipu --model glm-5` | `{p}_{id}.md` | **使用 g5 模型，必须成功** |
-
-## 条件分支逻辑
-
-```
-步骤3: 获取元数据
-   ↓
-步骤4: 下载字幕 (--type subtitle-download)
-   ↓
-┌─────────────────────────────────────┐
-│ has_subtitle = true?                │
-├─────────────────────────────────────┤
-│ 是 → 直接进入步骤6（深度分析）       │
-│ 否 → 进入步骤5（Whisper语音识别）    │
-└─────────────────────────────────────┘
-           ↓
-步骤6: 深度分析
-   ↓
-┌─────────────────────────────────────┐
-│ kb-deep-analyzer 执行结果           │
-├─────────────────────────────────────┤
-│ success = true  → 步骤7（归档）     │
-│ success = false → ❌ 整个流程失败    │
-└─────────────────────────────────────┘
-```
-
-> ⚠️ **重要：深度分析失败则整个流程失败**
-> - 深度分析必须使用正确的 AI 模型（glm-4.7）完整分析字幕内容
-> - 如果 `kb-deep-analyzer` 返回 `success: false`，**必须汇报失败**，不能继续执行后续步骤
-> - 不能使用预设模板或降级内容来"假装成功"
-> - 失败时必须向用户报告具体的错误原因
-
-> ⚠️ **重要**：没有找到官方字幕是**正常的**！很多视频没有自动生成的字幕。
-> - 如果 `has_subtitle = false`，继续执行 Whisper 步骤
-> - 如果 `has_subtitle = true`，跳过 Whisper 步骤，直接使用官方字幕
-
-## 目录结构
-
-```
-~/work/knowledge-base/
-├── archive/
-│   └── YYYY-MM-DD/
-├── pending/
-│   └── {platform}_{id}.link.json
-├── metadata/
-│   └── {platform}_{id}.meta.json
-├── content/
-│   ├── downloads/
-│   │   └── {platform}_{id}.mp4
-│   ├── {platform}_{id}.txt        # Whisper 识别的文本
-│   └── {platform}_{id}.json       # Whisper 完整结果
-└── analyzed/
-    └── {platform}_{id}.md
-```
-
-## 辅助命令
-
-```bash
-# ------------------- 查重与归档 -------------------
-
-# 查重
-python3 kb_workflow.py --check --url "[URL]"
-
-# 归档分析报告
-python3 kb_workflow.py --archive-file "[分析报告路径]"
-
-
-# ------------------- 目录路径查询 -------------------
-
-# 获取知识库根目录（默认 ~/work/knowledge-base）
-python3 kb_workflow.py --base-path "~/custom/path"
-
-# 获取待处理目录（pending）
-python3 kb_workflow.py --pending
-
-# 获取元数据目录
-python3 kb_workflow.py --metadata
-
-# 获取内容目录
-python3 kb_workflow.py --content
-
-# 获取内容下载目录
-python3 kb_workflow.py --content_downloads
-
-# 获取字幕目录
-python3 kb_workflow.py --content_subtitles
-
-# 获取深度分析目录
-python3 kb_workflow.py --analyzed
-
-# 获取归档目录
-python3 kb_workflow.py --archive
-
-# 获取订阅信息目录
-python3 kb_workflow.py --archive_subscriptions
-
-
-# ------------------- 工具函数 -------------------
-
-# 从文件名提取平台名称
-python3 kb_workflow.py --extract_platform "bilibili_BVxxx.mp4"
-```
-