Ingest Document

Skill: ingest_document — 日常单条资料入库

用途

把用户日常发来的单个资料入库到个人知识库、团队知识库，或用户明确要求时双写两个库。

支持类型：

• 论文 paper
• 行业调研 survey
• 开源项目 project
• 技术文档 doc
• 实验记录 experiment
• 会议纪要 meeting
• 代码仓库总览 codebase
• 个人笔记 note

触发条件

Activate when:

• 用户上传单个 PDF/Word/Excel/txt/md 文件并要求保存
• 用户发一段会议纪要、实验记录、想法并要求保存
• 用户发链接并要求保存，不是批量资料源接入
• 用户明确说“存到个人库 / 团队库 / 两边都存”

Do NOT activate when:

• Gitea 仓库批量编译 → batch_compile
• 查询知识库 → query_kb
• GitHub repo 评估“值不值得/能不能复现” → eval_repo
• 用户未注册 → init_workspace

目标库判断

先调用：

python3 scripts/ingest_one.py \
  --sender_id  \
  --chat_type  \
  --chat_id  \
  --message_sid  \
  --message "<用户消息>" \
  [--type_hint meeting]

规则：

• 私聊默认个人知识库，身份使用 SenderId。
• 团队群里明确 @bot 入库时，必须先用 GroupSubject 查 chat_bindings.json。
• 群聊未绑定团队：拒绝入库，提示管理员先绑定本群。
• 群聊默认入当前群绑定的团队知识库。
• 群聊中不允许存入个人知识库；个人资料必须私聊处理。
• 群聊发送者 SenderId 必须是绑定团队成员。
• 私聊内容像团队会议/项目资料时，先追问存个人库还是团队库。
• 私聊内容需要确认入库目标时，优先使用脚本返回的 interactive_card 发送飞书互动卡片；按钮值 ingest_target:personal/team/both 先交给 resolve_target_action.py，再按返回的 explicit_target 再次调用 ingest_one.py。
• 普通成员可以提交单条资料到团队库。
• 普通成员不能创建新项目。
• 用户明确要求“两边都存”时才双写。

OpenClaw 语义步骤

1. 提取正文：文件用 text_extractors.py，纯文本直接写临时 txt。
2. 判断资料类型。
3. 调 render_summary_template.py 获取该资料类型的结构模板；把返回 JSON 里的 rules、quality_checklist、must_capture_fields 和 markdown_template 一起交给 MiniMax，让它严格按模板生成 Markdown 草稿，写到 /tmp/paperkb/draft_summary.md。
4. 单条查重：确定重复/疑似重复都要问用户，优先发送 check_duplicate.py 返回的 interactive_card。按钮值 duplicate:overwrite/save_new/cancel 交给 resolve_duplicate_action.py 转成保存策略。
5. 调 save_document.py 保存 summary。
6. 如生成概念/资源/人物/综述页，调 save_page.py。
7. 如果是团队会议纪要或实验记录，调 update_project_people.py 更新项目与人物聚合页。

生成草稿前调用：

python3 scripts/render_summary_template.py \
  --type_key  \
  --title "<标题>" \
  --project_id  \
  --source_id "" \
  --source_path "" \
  --source_url "" \
  --source_commit "" \
  --save_to /tmp/paperkb/summary_template.json

MiniMax 生成时必须遵守：

• 模板中的章节不要删除；原文没有的信息填“未提及”。
• 不得补充外部常识或自己猜测；不确定但有原文线索时写“资料显示不完整：<线索>”。
• 保留关键数字、实验结果、版本、路径、链接、页码等可追溯证据。
• 每篇都必须填写“知识库定位”“证据索引”“关键词与实体”，方便后续查询、项目聚合和引用。
• 会议和实验必须抽取行动项；缺负责人或截止时间则写“未提及”。
• 最后一节必须保留“来源与可追溯信息”。

各类型重点记录：

• paper：研究问题、任务边界、核心贡献、方法流程、数据/指标/基线、主结果、消融、失败案例、局限、团队可复用点。
• survey：调研范围、资料来源可信度、分类框架、关键结论与证据、主要玩家/方案、趋势、机会、风险、信息缺口。
• project：目标场景、功能边界、架构、依赖、许可证、安装运行、测试复现、成熟度、安全隐私风险、团队改造成本。
• doc：适用版本、前置条件、核心概念、步骤/API/命令/配置、示例、约束、排错、项目关系。
• experiment：目标、假设、成功标准、变量和对照、环境、代码 commit、数据/模型、结果、异常、结论、产物、下一步行动。
• meeting：时间、参会人、议题、讨论分歧、决定、行动项、风险阻塞、开放问题、项目页更新建议。
• codebase：仓库目标、入口、目录结构、核心模块、数据流/调用链、环境配置、外部服务、运行测试、复现风险、改造建议。
• note：产生背景、触发材料、核心想法、依据、假设、不确定点、关联知识、可执行下一步、待验证问题。

保存文档

保存前先查重：

python3 scripts/check_duplicate.py --owner  --repo  \
  --title "<标题>" --source_id "" --source_path ""

确定重复时询问是否覆盖；疑似重复时询问是否继续保存。

python3 scripts/save_document.py \
  --owner  --repo  \
  --title "<标题>" \
  --summary_file /tmp/paperkb/draft_summary.md \
  --type_key meeting \
  --brief "<一句话简介>" \
  --keywords "关键词1,关键词2" \
  --scope team \
  --team_id  \
  --project_id general \
  --people "张三,李四" \
  --source_file_path "<本地原始文件路径>"

--source_file_path 会把原始文档归档到 source_files/。 群聊入库时，把 SenderId 记录为操作者，把 GroupSubject 记录为来源群，把 MessageSid 记录为消息来源。

更新项目/人物页

python3 scripts/update_project_people.py \
  --owner  --repo  \
  --project_id  \
  --title "<资料标题>" \
  --doc_path "" \
  --people "张三,李四" \
  --timeline "<时间线事件>" \
  --decisions "<达成决定>" \
  --open_questions "<未解决问题>"

回复要求

回复必须说明：

• 存入个人库/团队库/双写
• 资料类型
• 所属项目
• 生成页面链接
• 更新了哪些项目/人物/概念页

所有链接都来自脚本返回的 Gitea URL。

脚本清单

• ingest_one.py：解析私聊/群聊目标知识库
• chat_context.py：解析 OpenClaw 群聊上下文和群绑定
• resolve_target_action.py：解析入库目标选择卡片按钮
• render_summary_template.py：输出不同资料类型的结构化 summary 模板
• summary_templates.py：维护资料类型模板和生成规则
• check_duplicate.py：单条入库查重
• resolve_duplicate_action.py：解析重复资料处理卡片按钮
• save_document.py：保存 summary 和原始文件
• save_page.py：保存概念/资源/人物等聚合页
• update_project_people.py：更新团队项目和人物聚合页
• cards.py：生成飞书互动卡片 payload