TWBG_Materials/知识库Agent构建.md

知识库 Agent 构建方案：面向 核心资料汇总_MD 的文本 + 图片多模态版本

问题开始时间：2026-05-30-16-16-29

0. 本次下载与阅读范围

本次已在 文档润色流和知识库构建流 中保存：

• Karpathy LLM Wiki 原文：文档润色流和知识库构建流/llm-wiki.md
• 原文 URL：https://gist.githubusercontent.com/karpathy/442a6bf555914893e9891c11519de94f/raw/ac46de1ad27f92b28ac95459c782c07f6b8c964a/llm-wiki.md
• Claude Scholar Git 下载：文档润色流和知识库构建流/claude-scholar-upstream
• 重点参考：OBSIDIAN_SETUP.zh-CN.md、commands/kb-*.md、skills/obsidian-*.md、skills/zotero-obsidian-bridge/SKILL.md

当前本项目材料状态：

• 核心资料汇总_MD 中已有 Markdown：19 个
• 核心资料汇总_MD 中已有图片：1718 个
• Mineru 输出还包含 *_content_list.json、*_content_list_v2.json、*_middle.json、*_model.json、*_origin.pdf、*_layout.pdf

这些文件足够构建一个“文本 + 图片 + 元数据”的多模态知识库。

1. LLM Wiki 核心思想

Karpathy 的 llm-wiki.md 反对只把材料丢进传统 RAG 后每次提问重新检索。它建议让 LLM 在原始材料和用户之间维护一个持久 Markdown Wiki。

核心区别：

传统 RAG:
Raw documents -> query-time chunk retrieval -> answer

LLM Wiki:
Raw sources -> LLM-maintained persistent wiki -> query / synthesis / writing

关键原则：

• 原始材料不可改，是 source of truth。
• Wiki 是 LLM 维护的结构化知识层。
• 每次新增 source，不只是建索引，而是更新实体页、主题页、综合页、矛盾记录、交叉链接和日志。
• 高价值问答也可以沉淀成新 Wiki 页面，让知识随着使用持续积累。
• Obsidian 可作为浏览和图谱界面，LLM 负责编辑和维护。

对本项目的目标：

核心资料汇总_MD
  -> Source Notes
  -> Evidence Records
  -> Project Knowledge Pages
  -> Writing Assets / Claim Ledger / Figures Index
  -> 面向申报、成果总结、答辩、知识问答的持久知识库

2. 三层架构

2.1 Raw Sources：原始资料层

原则：只读、完整保留、可追溯。

建议直接保留现有目录：

核心资料汇总/
  *.pdf

核心资料汇总_MD/
  {材料名}/
    {材料名}.md
    {材料名}_origin.pdf
    {材料名}_layout.pdf
    {材料名}_content_list.json
    {材料名}_content_list_v2.json
    {材料名}_middle.json
    {材料名}_model.json
    images...

读取策略：

• .md：主文本来源。
• images/ 或同目录图片：图、表、流程图、系统界面、架构图、截图。
• *_content_list_v2.json：段落、图片、表格等结构化块索引，适合自动抽取图文位置。
• *_origin.pdf：原始可核对来源。
• *_layout.pdf：用于排版或页面定位复核。

2.2 Wiki：LLM 维护层

建议新建独立知识库目录，不直接混在 raw source 中：

项目知识库/
  index.md
  log.md
  00-项目总览.md
  01-问题与任务板.md
  Sources/
    Docs/
    Proposals/
    Theses/
    BusinessPlans/
    Slides/
    Images/
  Knowledge/
    项目脉络.md
    技术体系.md
    手术图文报告生成.md
    手术导航与配准.md
    腔镜视觉智能分析.md
    SurClaw系统.md
    自主协同机器人.md
    临床价值与应用场景.md
    成果转化与知识产权.md
    Claim-Evidence-Ledger.md
  Figures/
    figure-index.md
    image-notes/
  Writing/
    项目申报书素材库.md
    成果总结素材库.md
    答辩PPT素材库.md
    商业计划书素材库.md
  Maps/
    project-map.canvas
    evidence-map.canvas
  Daily/
  Archive/
  _system/
    schema.md
    lint-report.md

如果使用 Claude Scholar 的 Obsidian KB 结构，可采用：

Research/{project-slug}/
  00-Hub.md
  01-Plan.md
  02-Index.md
  Sources/
    Papers/
    Web/
    Docs/
    Data/
    Interviews/
    Notes/
  Knowledge/
  Experiments/
  Results/
    Reports/
  Writing/
  Daily/
  Maps/
  Archive/
  _system/
    registry.md
    schema.md
    lint-report.md

2.3 Schema：Agent 规则层

需要一个项目规则文件，建议放在：

项目知识库/_system/schema.md

最小规则：

• Raw sources 只读，不修改 核心资料汇总 和 核心资料汇总_MD。
• 每个原始材料先生成 Sources/* 下的 Source Note。
• 每个可复用结论必须写成 Evidence Record。
• 只有通过证据门槛的结论才能进入 Knowledge/*。
• 面向写作的内容进入 Writing/*，但必须回链 Evidence Record。
• 图片必须建立 Image Note，记录路径、来源材料、页码/图号、视觉描述、可支持论断、复用建议。
• index.md 维护内容索引，log.md 维护时间线。
• 不删除历史，过时内容进入 Archive/ 或在页内标注 superseded。

3. 多模态入库流程

3.1 文本资料入库

单份文档处理流程：

读取 {材料名}.md
  -> 识别材料类型
  -> 建 Source Note
  -> 抽取关键事实、指标、系统模块、项目目标
  -> 生成 Evidence Records
  -> 更新 Knowledge 页
  -> 更新 Writing 素材库
  -> 更新 index.md 与 log.md

材料类型建议：

类型	例子	主要抽取内容
博士论文	※2026_3_博士毕业-论文终稿...	方法、实验、系统设计、创新点、结果、图表
答辩 PPT	※2026_2_博士毕业-毕业答辩PPT...	概念图、汇报逻辑、成果亮点、答辩表述
项目申请书	2026_申请表...、2026_申报书...	目标、研究内容、技术路线、预算/团队/转化
支撑材料	2026_项目支撑材料...	证据附件、应用基础、前期成果
BP	BP-2024...、BP-2025...	产品定位、市场、商业模式、竞争优势
奖项/申报	2016_省奖推荐书、研究生创新成果奖	成果描述、社会价值、专家认可

Source Note 模板：

# Source: {材料名}

source_type:
raw_path:
md_path:
origin_pdf:
date_ingested:
status: draft | reviewed | promoted

## 一句话摘要

## 材料结构

## 可复用事实

## 可复用表述

## 图表与图片

## Evidence Records

## 可进入 Knowledge 的主题

## 写作复用建议

## 限制与风险

Evidence Record 模板：

## ER-{YYYYMMDD}-{source_slug}-{序号}

Source:
Source type:
Location: 章节 / 页码 / 图片路径 / JSON block id
Claim supported:
Evidence:
Limitations:
Related topics:
Claim strength: speculative | stated | observed | supported | strong
Allowed wording:
Forbidden stronger wording:
Links:

3.2 图片资料入库

Karpathy 的建议是把图片本地化，因为外链会失效，而且 LLM 需要单独查看关键图片。当前 核心资料汇总_MD 已经有 1718 张图片，适合单独建立 Figures/ 层。

图片处理流程：

扫描 Markdown 图片引用与 content_list JSON
  -> 建 figure-index.md
  -> 对关键图片建立 Image Note
  -> OCR/人工描述图片文本
  -> 记录图中节点、箭头、坐标轴、界面元素、表格字段
  -> 关联 Evidence Record
  -> 标注可复用写作位置

图片分类：

图片类型	处理重点
系统架构图	模块名称、数据流、输入输出、算法组件
技术路线图	任务分解、流程顺序、关键里程碑
手术图像/腔镜图像	病灶、器械、组织、场景、标注含义
实验结果图	坐标轴、分组、指标、趋势、统计显著性
表格截图	表头、指标、对比对象、结论
产品/BP 图	产品定位、用户流程、商业模式、市场数据
证书/公示/证明材料	机构、时间、编号、证明对象、可支撑论断

Image Note 模板：

# Image: {短标题}

image_path:
source_document:
source_md:
page_or_block:
date_ingested:
image_type:

## Visual Description

## OCR / Extracted Labels

## What This Image Supports

## Evidence Records

## Reuse Plan
- 可用于：立项依据 | 技术路线 | 研究基础 | 成果总结 | BP | 答辩
- 是否需要重绘：
- 重绘建议：

## Links

图片调用口令：

请读取这份 Markdown 的图片引用和 content_list_v2.json，
筛选出系统架构图、技术路线图、实验结果图和证据证明类图片，
为每张关键图片建立 Image Note，并说明它能支撑哪些项目论断。

请查看这张图片，提取图中模块、箭头方向、文字标签、坐标轴和可复用结论，
并判断它适合放入申报书的哪个章节。

4. Index 与 Log 设计

index.md 是内容索引，服务于导航和查询。

建议字段：

# Index

## Sources
| Note | Type | Summary | Status | Key Topics |

## Knowledge
| Page | Summary | Evidence Count | Last Updated |

## Figures
| Image Note | Type | Source | Reuse |

## Writing Assets
| Page | Purpose | Linked Evidence |

log.md 是时间线，服务于追踪和增量维护。条目使用稳定前缀，便于用 rg 或 shell 查询：

## [2026-05-30-16-16-29] ingest | 初始化核心资料汇总_MD
- Processed:
- Created:
- Updated:
- Risks:

5. Query / Ingest / Lint 三类操作

5.1 Ingest：新增材料

目标：把原始材料变成 Source Note + Evidence Record + Knowledge 更新。
输入：单个 md/pdf/image/json 或一个文件夹。
输出：Sources/*、Knowledge/*、Figures/*、index.md、log.md。

建议口令：

请入库 `核心资料汇总_MD/2026_申请表-...`：
1. 建 Source Note；
2. 抽取 Evidence Records；
3. 更新“自主协同机器人”“临床价值与应用场景”“成果转化与知识产权”页面；
4. 建立关键图片 Image Notes；
5. 更新 index.md 和 log.md。

5.2 Query：面向写作和问答

目标：先查 Wiki，再查 Raw Sources，输出可追溯回答。

回答格式建议：

## 结论

## 证据
| Claim | Evidence Record | Source |

## 可写入正文的表述

## 风险或待补证据

## 建议更新的 Wiki 页面

示例口令：

请基于知识库回答：SurClaw 手术图文病历报告自动生成系统有哪些核心创新？
要求每个创新点至少回链 1 条 Evidence Record 和 1 个原始材料路径。

5.3 Lint：知识库健康检查

周期性检查：

• index.md 是否覆盖所有 Source Note。
• Source Note 是否都有 Evidence Record。
• Knowledge 页是否有孤立结论。
• Writing 页是否引用了 Evidence Record。
• 图片是否存在断链。
• 是否有矛盾说法，例如同一系统名称、专利数量、临床应用范围前后不一致。
• 是否有“强结论但弱证据”的写法。

示例口令：

请对项目知识库做一次 lint：
检查断链、孤立页、未引用证据的论断、重复主题页、过强表述和图片缺失。
输出 P0/P1/P2 问题清单，并给出建议修复路径。

6. 与 Claude Scholar 命令的对应关系

本方案操作	Claude Scholar 命令/Skill	用法
初始化知识库	/kb-init / obsidian-project-kb-core	创建 Research/{project-slug}/ 或项目本地 KB
导入材料	/kb-ingest / obsidian-source-ingestion	把 核心资料汇总_MD 路由到 Sources/Docs
生成知识页	/kb-promote	将稳定 Evidence 提升到 Knowledge/
生成文献综述	/kb-literature-review	后续外部论文进入 Sources/Papers 后使用
刷新索引	/kb-index	更新 02-Index.md 或本地 index.md
生成关系图	/kb-map / obsidian-kb-artifacts	生成 project-map.canvas、evidence-map.canvas
健康检查	/kb-lint	检查 registry、断链、canvas、索引覆盖
同步维护	/kb-sync	批量入库或移动文件后执行
每日记录	/kb-log	记录当天处理了哪些材料

7. 面向本项目的主题页建议

第一批应建主题页：

页面	内容
项目脉络.md	从微创手术导航到图文报告生成、智能感知、机器人协同的演进
核心成果时间线.md	项目、论文、专利、成果转化、公示、奖项、BP 时间线
技术体系.md	视觉分析、事件识别、图文生成、导航配准、机器人协同等模块
手术图文报告生成.md	SurClaw、术中事件理解、自动报告、医保质控/费控
手术导航与配准.md	磁定位、多模态融合、组织自动配准、术中导航
腔镜视觉智能分析.md	CV 模型、场景识别、器械/组织/动作分析
自主协同机器人.md	肝胆胰微创手术智能感知与机器人系统
临床价值与应用场景.md	医保质控、临床记录、教学培训、手术导航、机器人辅助
成果转化与知识产权.md	专利许可、公示、公司化、BP、产品价值
Claim-Evidence-Ledger.md	所有可写入申报书/答辩/成果总结的核心论断
Figure-Reuse-Index.md	可复用图片、图表、系统界面、技术路线图索引

8. 推荐执行顺序

Phase 1：初始化

1. 建 `项目知识库/` 基础目录。
2. 建 `index.md`、`log.md`、`_system/schema.md`。
3. 扫描 `核心资料汇总_MD`，建立 source inventory。
4. 按材料类型分组。

Phase 2：批量 Source Notes

1. 每份 Markdown 生成一个 Source Note。
2. 先只写摘要、材料结构、关键事实、图片清单。
3. 不急于生成综合结论。

Phase 3：Evidence Records

1. 从 Source Notes 抽取项目核心论断。
2. 每条论断标注 source、location、claim strength。
3. 建 `Claim-Evidence-Ledger.md`。

Phase 4：Knowledge Pages

1. 将重复出现且证据充分的主题提升到 `Knowledge/`。
2. 建立 wikilink。
3. 标记矛盾、重复和待补证据。

Phase 5：Figures

1. 从 1718 张图片中筛选关键图。
2. 建 `figure-index.md`。
3. 为系统架构图、技术路线图、结果图和证明材料建 Image Notes。

Phase 6：Writing Assets

1. 为申报书、成果总结、答辩、BP 建素材库。
2. 每段素材回链 Evidence Record。
3. 对弱证据素材标注“只能作为目标/假设/预期”。

Phase 7：Lint 与备份

1. 检查断链、孤立页、弱证据强表述。
2. 更新 index.md、log.md。
3. Git 提交并推送 Gitea。

9. 多模态知识库调用方法

9.1 查文本

rg "SurClaw|手术图文|导航|机器人|医保质控|成果转化" 核心资料汇总_MD 项目知识库

Agent 口令：

请先读 `项目知识库/index.md` 和 `Claim-Evidence-Ledger.md`，
再回答“项目核心创新是什么”，每个结论必须给出来源路径。

9.2 查图片

find 核心资料汇总_MD -type f \( -iname '*.png' -o -iname '*.jpg' -o -iname '*.jpeg' \)

Agent 口令：

请根据 `Figure-Reuse-Index.md` 找出适合放入“技术路线”和“研究基础”的图片，
逐张查看并说明：图意、支持论断、是否需要重绘、建议图注。

9.3 生成写作素材

请基于 `项目知识库/Knowledge/手术图文报告生成.md` 和 `Claim-Evidence-Ledger.md`，
生成 800 字“项目基础与创新性”草稿。
要求每段后用 HTML 注释写出 Evidence Record ID。

9.4 增量更新

我新增了几份 PDF/MD，请执行增量入库：
1. 只处理新增材料；
2. 不改 raw source；
3. 更新 Source Note、Evidence Ledger、index 和 log；
4. 报告新增/更新/待人工复核数量。

10. 风险控制

• 不把 核心资料汇总_MD 当作可任意重写的知识库层，它是 Mineru 产物和原始来源的近似转写，应保持只读。
• 商业计划书中的市场规模、收益、产品领先性等表述应标注为“商业表达/待核验”，不能直接提升为强事实。
• 博士论文和项目申报书中的实验结果可作为项目内部证据，但面向公开写作时仍要核查伦理、数据来源、发表状态和可公开范围。
• 图片可视信息必须有人工或 Agent 描述，不能只依赖文件名。
• 高价值综合页要保留反证、限制和“不确定”部分，避免知识库越来越像宣传稿。
• 每次批量入库后必须更新 log.md，并通过 Git 保留版本历史。