ima真ima

IMA 知识库自动分类整理与 RAG 生成

概述

此技能解决 IMA 知识库"只进不出、无法分类整理"的痛点。IMA API 不支持删除、移动、建文件夹操作，本技能采用逻辑分类方案：用本地追踪文件记录每篇内容的分类归属，用 Word/Markdown 索引文档替代物理文件夹，通过 fetch_media_content 按需拉取全文实现 RAG 检索增强生成。

前置条件

• IMA 知识库 MCP 连接器已连接（ima-mcp）
• 已安装 python-docx（pip install python-docx）

核心工作流

工作流 1：首次设置

为用户搭建完整的知识库分类整理体系。

步骤：

1. 获取知识库列表 调用 mcp__ima-mcp__get_knowledge_base_list，参数 {"params": [{"limit": 50, "type": "KBT_MINE_KB"}]}，获取用户所有知识库。

2. 扫描知识库内容 对每个知识库调用 mcp__ima-mcp__get_knowledge_list，参数 {"knowledge_base_id": "", "limit": 50, "sort_type": "UPDATE_TS_DESC_SORT_TYPE"}。如果 is_end 为 false，使用 next_cursor 翻页获取全部内容。

3. 与用户确认分类规则 根据扫描到的内容，与用户讨论确定分类方案。参考 references/category_rules.md 中的分类原则。通常 4-6 个分类为宜。

4. 创建配置文件 复制 assets/config_template.json 到项目工作区 .workbuddy/ima-tracker/config.json，填入：

   • 用户的知识库 ID 和名称
   • 输出目录（用户指定保存索引文档的路径）
   • 分类规则（名称、描述、关键词、排除词）
   • RAG 设置

5. 创建追踪文件 在 .workbuddy/ima-tracker/tracker.json 中创建基线数据，记录每篇内容的 media_id、title、source、type、first_seen 和所属分类。格式：

   {
     "schema_version": "1.0",
     "last_scan_time": "ISO时间",
     "knowledge_bases": {
       "": {
         "name": "知识库名称",
         "categories": {
           "分类名": {
             "description": "分类描述",
             "items": [
               {"media_id": "...", "title": "...", "source": "...", "type": "...", "first_seen": "..."}
             ]
           }
         }
       }
     }
   }
   

6. 生成索引文档 运行脚本：

    /scripts/generate_index_docs.py --config .workbuddy/ima-tracker/config.json
   

   将在配置的 output_directory 中生成每个分类的 Word 和 Markdown 索引文档。

7. 创建定期自动化任务 使用 automation_update 工具创建 recurring 自动化任务。自动化 prompt 应包含：

   • 读取 tracker.json 基线
   • 扫描知识库新增内容
   • 按分类规则分类
   • 更新 tracker.json
   • 运行 generate_index_docs.py 重新生成索引文档
   • 生成 Markdown 整理报告
   • 参考下方"自动化任务 prompt 模板"

工作流 2：定期扫描分类（自动化执行）

由自动化任务定期触发，处理用户新增到知识库的内容。

步骤：

1. 读取 .workbuddy/ima-tracker/tracker.json，记录所有已知 media_id
2. 调用 mcp__ima-mcp__get_knowledge_list 扫描每个知识库
3. 比对找出新增内容（media_id 不在追踪文件中的）
4. 按分类规则（标题 + 简介 + 来源）对新增内容分类
   • 如需更高精度，可调用 mcp__ima-mcp__fetch_media_content 获取内容摘要辅助分类
5. 将新增内容写入 tracker.json 对应分类
6. 更新 last_scan_time
7. 运行 generate_index_docs.py 重新生成索引文档
8. 生成整理报告到 .workbuddy/ima-tracker/reports/report-YYYY-MM-DD.md

工作流 3：RAG 文档生成

用户撰写文档时，基于分类索引从 IMA 拉取全文生成。

步骤：

1. 用户指定要使用的分类（如"用 AI+体育 分类的资料帮我写..."）
2. 读取 .workbuddy/ima-tracker/tracker.json 获取该分类下所有 media_id
3. 选择 RAG 模式（参考 references/rag_workflow.md）：
   • 搜索优先（推荐，资料多时）：用 mcp__ima-mcp__search_knowledge 搜索主题关键词，取 top 3-5 相关条目
   • 全量拉取（资料少时，≤5篇）：逐篇调用 mcp__ima-mcp__fetch_media_content 拉全文
4. 检查本地缓存（.workbuddy/ima-tracker/content_cache/），已有缓存直接读取
5. 以拉取的全文作为上下文生成文档
6. 在生成的文档中标注每段内容的来源资料

自动化任务 prompt 模板

创建自动化任务时，将以下内容填入 prompt（替换尖括号中的内容）：

你是 IMA 知识库整理助手。执行以下步骤完成本周扫描分类整理。

## 配置
- 配置文件：/.workbuddy/ima-tracker/config.json
- 追踪文件：/.workbuddy/ima-tracker/tracker.json
- 报告目录：/.workbuddy/ima-tracker/reports/
- Python 路径：
- 脚本路径：/scripts/generate_index_docs.py

## 步骤
1. 读取 tracker.json，记录所有已知 media_id
2. 读取 config.json 获取知识库 ID 列表
3. 对每个知识库调用 mcp__ima-mcp__get_knowledge_list 扫描全部内容
4. 比对找出新增内容（media_id 不在 tracker 中）
5. 按 config.json 中的分类规则对新增内容分类
6. 将新增内容写入 tracker.json，更新 last_scan_time
7. 运行 generate_index_docs.py 重新生成索引文档
8. 生成 Markdown 整理报告（含新增内容标题、来源、分类结果）
9. 简要汇报扫描结果

## 注意
- 无新增内容也要更新 last_scan_time 和重新生成文档
- tracker.json 格式必须正确
- 始终使用简体中文

关键资源

scripts/

• generate_index_docs.py — 分类索引文档生成器，读取 config.json 和 tracker.json，生成 Word + Markdown 索引文档并复制到用户指定目录。用法：python generate_index_docs.py --config

references/

• ima_api_reference.md — IMA MCP 工具完整能力说明和 API 限制
• category_rules.md — 分类规则定义指南（MECE 原则、颗粒度、多标签、配置格式）
• rag_workflow.md — RAG 检索增强生成工作流（搜索优先 vs 全量拉取、缓存策略、质量保障）

assets/

• config_template.json — 配置文件模板，包含知识库 ID、输出目录、分类规则、RAG 设置

注意事项

• IMA API 不支持删除、移动、建文件夹、打标签操作，所有整理通过逻辑分类实现
• 用户只需将新资料丢入知识库根目录（作为"收件箱"），自动化任务负责分类和更新索引
• 索引文档生成后自动复制到用户在 config.json 中指定的 output_directory
• 如分类规则需要调整，修改 config.json 后重新全量扫描分类即可
• fetch_media_content 拉取的全文建议缓存到本地，避免重复 API 调用