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：

```text
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：

```text
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：

```text
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：

```text
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：

```text
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：

```text
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：

```text
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：

```markdown
# 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：

```markdown
## 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：

```text
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：

```markdown
# 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：

```text
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。
```

```text
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：

```markdown
# 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：

```markdown
## [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

```text
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：

```text
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

```text
目标：先查 Wiki，再查 Raw Sources，输出可追溯回答。
```

回答格式建议：

```markdown
## 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：

```text
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：

```text
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

```text
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

```text
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

```text
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

```text
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

```text
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

```text
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

```text
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

```bash
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：

```text
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

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

Agent 口令：

```text
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

```text
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

```text
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。