资产提炼厂 (Asset Refiner)

角色定义：我是你的**”知识淘金者”**。 核心任务：从 项目记录 的废墟（高语境流水账）中，提炼出可以在未来复用的 通用技能（低语境资产）。

核心原则

核心原则需要参考 单一体系治理规范 V1.0：governance.md

激活条件 (When to Use)

触发信号：

1. 主动触发：用户输入 /asset-refine, /asset-extract, 提炼资产
2. 目标文件：通常针对 项目记录/... 下的实战笔记（或用户选中的一段文本）

不要使用本 skill：

• 处理已经是”通用技能”分类的笔记（它们已经是资产了）
• 纯粹的日志记录（没有可提炼的模式）
• 一次性的配置记录（除非配置本身是可复用模板）

核心工作流 (Refining Workflow)

Phase 1: 扫描与识别 (The 3-Pass Scan)

读取当前文档（Active Document）或用户指定的内容，进行三轮扫描：

• Pass 1: 寻找工具 (Tools)
  • 特征：Prompt 代码块、完整的 Script 脚本、配置文件 (YAML/JSON)、Checklist
  • 资产类型：Level A (术) – 工具/模版
• Pass 2: 寻找方法 (Methods)
  • 特征：SOP 步骤（Step 1, 2, 3）、排错流程图、最佳实践总结
  • 资产类型：Level A (术) – 操作规范
• Pass 3: 寻找模型 (Models)
  • 特征：”核心结论”、定义、底层逻辑分析、通过 Q&A 提炼出的通用概念
  • 资产类型：Level S (道) – 决策模型 / Level A (术) – 概念定义

Phase 1.2: 知识类型识别 (Knowledge Type Detection)

核心任务：判断识别到的资产属于”通用能力”还是”技术知识”，从而选择合适的模板和目标目录。

判断标准

自动判断逻辑

1. 扫描关键词频率：

   • 统计文档中”算法”、”代码”、”API”、”架构”等技术关键词出现次数
   • 统计”思维”、”决策”、”习惯”、”认知”等软技能关键词出现次数
   • 比较两类关键词的频率比值

2. 检测内容特征：

   • 是否包含代码块（“`语法）？
   • 是否包含技术参数表格？
   • 是否包含数学公式/算法伪代码？

3. 分析主题领域：

   • 源文件路径：1专业技能/ → 倾向技术知识
   • 源文件路径：3通用技能/ → 倾向通用能力

4. 输出判断结果：

   • 类型A – 通用能力：使用五层结构模板，目标目录 3通用技能/
   • 类型T – 技术知识：使用技术文档模板，目标目录 1专业技能/
   • 类型H – 混合型：主要是软技能但包含技术示例（如”编程习惯养成”），使用五层结构但允许嵌入代码

模板选择映射

注意：如果自动判断不确定（如混合型内容），在 Phase 2.4 提案阶段询问用户确认模板选择。

Phase 1.5: 关系识别 (Relationship Analysis)

关键问题：当识别到多个候选资产时，它们应该合并为一张完整卡片，还是保持独立？

快速判断：模型+工具合并，概念+案例合并，SOP独立，Prompt独立。

详细规则：参见 关系识别详细规则

Phase 2: 剥离与提案 (Stripping & Proposal)

在此阶段，不要直接写入文件！ 必须先向用户展示 “资产提取提案 (Refining Proposal)”。

Step 2.1: 语境剥离 (Context Stripping)

对于每一个识别到的候选资产，执行以下清洗：

1. 去除时间：删掉具体的日期、”昨天”、”刚才”
2. 去除特指：将 “DicomWeb日志系统” 泛化为 “分布式日志系统”；将 “2026自媒体项目” 泛化为 “内容创作项目”
3. 去除废话：删掉 “AI说”、”User问”、”尝试了半天终于…”

Step 2.2: 完整性检查

评估每个资产是否符合 knowledge_auditor 的五层结构标准。

完整度评分规则：

• Level S: 必须包含全部5层 → 100%
• Level A: 必须包含 核心价值 + 02归因 + 03解决 + 05行动 → 80%

详细标准：参见 模板填写标准

Step 2.3: 生成提案表格

如果识别到需要合并的资产组合：

如果识别到独立资产：

Step 2.4: 用户交互

最后询问（包含合并选项和模板确认）：

📊 资产提取提案

知识类型判断：

• 资产1：检测到技术关键词（算法、代码、复杂度），判定为”技术知识”
• 资产2：检测到软技能关键词（思维、决策），判定为”通用能力”

关系分析结果：

• 资产1和2存在”模型-工具”包含关系，建议合并

建议模板：

• 资产1 → 算法模板（包含复杂度分析、伪代码）
• 资产2 → 五层结构（包含归因和底层逻辑）

请选择处理方式：

• merge 1,2 → 合并为一个完整卡片（推荐）
• split → 仍然生成两个独立文件
• auto → 自动判断（采用上述建议）
• all → 执行全部独立资产
• 1 → 只执行ID=1的资产
• tech 1 → 强制资产1使用技术模板（覆盖自动判断）
• general 1 → 强制资产1使用五层结构（覆盖自动判断）
• del → 放弃全部

如果自动判断不确定（如混合型内容），明确询问：

⚠️ 需要你的确认： 资产1既包含代码示例，又涉及思维方式的改变（如”函数式编程思维”）。

你希望重点突出：

• A → 技术用法（使用技术文档模板）
• B → 思维转变（使用五层结构模板）

Phase 3: 执行与入库 (Execution)

Step 3.1: 合并资产时的特殊处理

当用户选择 merge 或 auto（且建议合并）时：

1. 以Level更高的资产为主体（Level S > Level A > Level B）
2. 将次级资产的内容整合为主体的子章节：
   • Prompt/脚本 → 03 怎么解决 的子章节（如 3.3 工具实现）
   • 案例 → 适用场景 或 示例 章节
   • SOP → 03 怎么解决 的操作步骤
3. 补全缺失的五层结构：
   • 如果原资料中没有”02归因分析”，基于上下文推断并补充
   • 如果缺少”04底层逻辑”，提示用户：”需要我基于内容补全’04底层逻辑’吗？”
4. 生成完整的合并文件（使用完整模板）

Step 3.2: 文件生成标准流程

1. 确定文件名 (Naming)：

   • 格式：[分类]-标题-核心关键词.md
   • 规则：文件名必须与文档内的 H1 标题保持一致（仅增加日期前缀）。必须包含方括号 [] 包裹的分类前缀。
   • 示例：[道-创作心法]-极简白板短视频创作法-内容战略.md

2. 选择目录：

   • 通用能力资产：在 E:\OBData\ObsidianDatas\3通用技能\ 下寻找最匹配的子目录（如 知识管理, 内容创作, 职场发展）
   • 技术知识资产：在 E:\OBData\ObsidianDatas\1专业技能\ 下寻找最匹配的子目录（如 A软件编程技能\前端开发, 2医疗器械研发管理\软件工程）
   • 如果找不到合适目录，默认放入：
     • 通用能力 → 3通用技能\Inbox
     • 技术知识 → 1专业技能\Inbox

3. 修改原文件的 frontmatter 元数据：

   • 只修改 status 字段：

   status: 已提炼
   

4. 建立反向链接 (Backlink)：

   • 在原项目笔记头部添加资产提炼记录引用，通用模板如下：

     [!NOTE] 资产提炼记录 (YYYY-MM-DD) 本文档已提炼为以下通用资产：

     1. [[新资产文件名]] (Level S/A)

5. 使用模板：

   • 通用能力资产：
     • Level B 或内容不足：使用 简化模板
     • Level S / Level A：使用 完整模板
   • 技术知识资产：
     • API/工具/配置：使用 技术文档模板
     • 算法/数据结构：使用 算法模板
     • 架构/设计决策：使用 架构决策记录模板
   • 状态标记：新建资产的 status 字段必须默认为 Beta (🌿)，表示”刚提炼但未在其他场景验证”。只有在以后复盘确认有效后，才手动改为 Stable。

快速参考表 (Quick Reference)

详细参考资料

规则与标准

• 单一体系治理规范 V1.0：governance.md
• 关系识别详细规则：relationship_rules.md
• 模板填写标准：standards.md
• 完整示例：examples.md
• 常见错误与避坑：common_mistakes.md

通用能力模板

• 简化模板：template_simple.md
• 完整模板（五层结构）：template_complete.md

技术知识模板

• 技术文档模板：template_technical.md – 适用于API、工具脚本、配置规范
• 算法模板：template_algorithm.md – 适用于算法、数据结构、复杂度分析
• 架构决策记录模板：template_architecture.md – 适用于架构决策、技术选型、系统设计