Second Brain Ai

Second Brain AI Skill v2.0 (Repair Build)

A lightweight skill for working with a user-chosen Markdown knowledge base with controlled write operations and attribution requirements.

Requirements

• Node.js >= 16.0.0
• Environment variable SECOND_BRAIN_VAULT must be set explicitly
• Optional: Frontmatter support (YAML)
• Optional: WikiLinks support [[Note Title]]

Configuration

export SECOND_BRAIN_VAULT="/absolute/path/to/your/vault"

Safety Boundaries

• Only operates within the configured vault path
• Write operations require allow_write: true
• Append operations require appended_by attribution
• Do not assume a private vault path. Use SECOND_BRAIN_VAULT or ask the user for the configured vault.
• Do not turn raw transcripts into permanent notes without summarizing, attributing, and asking for write approval.

Human-Brain Handshake Workflow

When the user is building long-term knowledge, optimize for a clean handoff between the agent and the user's 人脑.

1. Recall before write
   • Run search_notes, find_related, or build_context_pack before creating durable notes, unless the user explicitly asks for a quick capture.
   • Summarize what already exists and name the gap the new note fills.
2. Evidence and attribution
   • Label content as user-provided, agent-synthesized, imported, or inferred.
   • Keep source snippets short and attach note titles or paths when available.
   • Mark unresolved questions instead of smoothing them into false certainty.
3. Write gate
   • Ask for explicit approval before capture_note, append_note, or init_vault.
   • Require allow_write: true and a meaningful appended_by value for append operations.
   • Before appending, check for likely duplicate notes or conflicting claims.
4. Context-pack output
   • Provide relevant notes, strongest snippets, open questions, suggested links, and a recommended next thinking step.
   • Do not claim semantic search, vector indexing, or automatic conflict resolution; this repair build is file-scan based.

Preferred response shape:

Recall: 
Gap: 
Proposed write: 
Approval needed: 
Next thinking step: 

Tools

1. init_vault

Initialize a new vault with standard folder structure.

Input: { "allow_write": true }

2. capture_note

Create a new note.

Input:

{
  "allow_write": true,
  "title": "Note Title",
  "content": "Body content",
  "type": "idea",
  "tags": ["tag1", "tag2"],
  "links": ["Related Note"]
}

3. append_note

Append content to an existing note with attribution.

Input:

{
  "allow_write": true,
  "title": "Note Title",
  "content": "Additional content",
  "section": "Updates",
  "appended_by": "Agent Name"
}

Required: appended_by must identify who is appending.

4. search_notes

Search notes by keywords.

Input: { "query": "search terms", "limit": 5 }

5. find_related

Find notes related to a topic.

Input: { "topic": "Topic Name", "limit": 5 }

6. get_backlinks

Get notes that link to a specific note.

Input: { "note_title": "Target Note" }

7. build_context_pack

Build a context pack for agent consumption.

Input: { "topic": "Topic", "limit": 10 }

8. suggest_links

Get smart link suggestions for a note.

Input: { "title": "Note Title", "limit": 5 }

9. rebuild_index

Refresh index (currently returns skip status as SQLite is not implemented).

Input: {}

Note Format

Standard frontmatter:

---
id: 20260313
title: Note Title
type: idea
tags: [tag1, tag2]
created: 2026-03-13
updated: 2026-03-13
status: active
---

Append Attribution Format

When appending, the skill adds:

> Append Record
> Added by: {appended_by}
> Added at: {timestamp}

{content}

Limitations (Repair Build)

• SQLite indexing is not implemented; uses file-based scanning
• No semantic/vector search
• No automatic link insertion
• No conflict detection
• Single vault only

Testing

npm test

---

🚀 First-Success Path

30秒快速上手：三步开始使用第二大脑

1. 设置知识库路径 — 配置 SECOND_BRAIN_VAULT 环境变量指向你的 Obsidian/Logseq 笔记文件夹
2. 快速记录一条笔记 — 使用 capture_note 输入标题和内容，如"阅读《思考快与慢》笔记"
3. 搜索已有笔记 — 使用 search_notes 查找相关内容，验证笔记已成功建立

示例：capture_note → 标题 "今日灵感" → 内容 "关于AI Agent的记忆管理新思路" → search_notes 搜索"Agent 记忆"确认收录

---

📝 Sample Prompts

示例 1：快速记录新想法

用户输入：

帮我记一个想法：今天开会提到可以用知识图谱来优化推荐系统的冷启动问题。标签用「推荐系统」「知识图谱」。

期望输出：

✅ 笔记已创建

📝 推荐系统冷启动思路
─────────────────
标题: 推荐系统冷启动-知识图谱方案
类型: idea
标签: #推荐系统 #知识图谱
内容: 今天开会提到可以用知识图谱来优化推荐系统的冷启动问题。

你可以：
- `search_notes` 搜索"冷启动"查看相关笔记
- `find_related` 查找"推荐系统"相关内容
- `suggest_links` 获取关联建议链接

示例 2：搜索笔记内容

用户输入：

搜索一下我关于"注意力机制"的笔记

期望输出：

🔍 找到 5 条相关笔记

1️⃣ Transformer中的注意力机制详解
   路径: vault/AI/transformer-attention.md
   标签: #深度学习 #NLP #Transformer
   片段: "Self-Attention 的核心是QKV..."

2️⃣ 注意力机制与人类认知的类比
   路径: vault/思考/attention-cognition.md
   标签: #认知科学 #注意力
   片段: "人类注意力也是资源有限的..."

3️⃣ 推荐系统中的注意力池化
   路径: vault/推荐系统/attention-pooling.md
   标签: #推荐系统 #深度学习

📎 `find_related topic:"注意力机制"` 查看更多关联笔记

示例 3：查找相关笔记

用户输入：

帮我找找和「强化学习」有关的笔记

期望输出：

🔗 与「强化学习」相关的 5 条笔记

1️⃣ Policy Gradient 算法笔记
   关联度: ★★★★★
   标签: #强化学习 #深度学习

2️⃣ 马尔可夫决策过程基础
   关联度: ★★★★☆
   标签: #强化学习 #数学

3️⃣ AlphaGo 的技术演进
   关联度: ★★★☆☆
   标签: #AI #强化学习 #博弈

4️⃣ RLHF 在LLM中的应用
   关联度: ★★★★☆
   标签: #强化学习 #LLM

5️⃣ 多臂老虎机与推荐系统
   关联度: ★★★☆☆
   标签: #推荐系统 #强化学习

📎 需要构建上下文包？ → `build_context_pack topic:"强化学习"`

示例 4：构建上下文包

用户输入：

帮我整理一份关于「知识蒸馏」的上下文包，给我看 demo 和写文档用

期望输出：

📦 上下文包：知识蒸馏（10条笔记）

┌─ 知识蒸馏笔记（20XX-XX-XX）
├─ 蒸馏温度参数调优（20XX-XX-XX）
├─ Student-Teacher 框架（20XX-XX-XX）
├─ 蒸馏在BERT中的应用（20XX-XX-XX）
├─ 离线蒸馏 vs 在线蒸馏（20XX-XX-XX）
├─ 知识蒸馏的损失函数（20XX-XX-XX）
├─ KD 与剪枝/量化的对比（20XX-XX-XX）
├─ 知识蒸馏在推荐系统的实践（20XX-XX-XX）
├─ 蒸馏的 3 篇必读论文（20XX-XX-XX）
└─ 我的学习总结（20XX-XX-XX）

→ 已打包为 agent 上下文，可直接使用

示例 5：追加笔记内容

用户输入：

刚才那条"Transformer中的注意力机制详解"笔记，帮我追加一段最近看的关于Flash Attention的内容，标注是「金豆追加」

期望输出：

✅ 已追加内容

📝 Transformer中的注意力机制详解
─────────────────────
更新部分（由 金豆追加 于 2026-06-16）：

> Flash Attention 的关键改进：
> 1. 分块计算避免全局 O(n²) 内存占用
> 2. 利用 GPU 共享内存减少显存读写
> 3. 支持更长的序列长度

笔记现在共含 2 条更新记录。可查看 `Updates` 部分阅读完整内容。

---

📋 Real Task Examples