Knowledge Manager Workflow

Complete 6-phase workflow guide for content processing

Workflow Overview

Phase 0: Load Configuration
    ↓
Phase 1: Detect Input Source
    ↓
Phase 1.5: Collect User Preferences
    ↓
Phase 2: Extract Content
    ↓
Phase 3: Analyze Content
    ↓
Phase 4: Select Output Format
    ↓
Phase 5: Execute Export
    ↓
Phase 6: Verify and Report

🛑 MANDATORY WORKFLOW – 절대 건너뛰지 마세요!

Antigravity/Gemini CLI에서 반드시 실행:

STEP 1: 사용자 선호도 확인 (Phase 1.5) – 필수!

콘텐츠 처리 전 반드시 아래 질문을 사용자에게 물어야 합니다:

📊 상세 수준: 1.요약 / 2.보통 / 3.상세
🎯 중점 영역: A.개념 / B.실용 / C.기술 / D.인사이트 / E.전체
📝 노트 분할: ①단일 / ②주제별 / ③원자적 / ④3-tier
🔗 연결 수준: 최소 / 보통 / 최대

기본값(3.상세, E.전체, ④3-tier, 최대)을 사용하시겠습니까?

💡 3-tier란? 개요 노트 + 주제별 노트 + 원자적 노트로 계층 구조화

소셜 미디어(Threads/Instagram) URL인 경우 추가 질문:

🔄 답글 수집 범위:
  1) depth=1: 직접 답글만 (빠름)
  2) depth=2: 답글의 답글까지 (더 완전한 맥락)

⚠️ 이 단계를 건너뛰면 안 됩니다!

• 사용자가 “빠르게”, “기본으로” 등 퀵 프리셋 키워드를 사용한 경우만 생략 가능
• ê·¸ 외 모든 경우: 반드시 질문 후 진행

STEP 2: Vault 검색 및 노트 연결 (Phase 3.5) – 필수!

노트 저장 전 반드시 관련 노트를 검색하고 연결합니다.

Step 2-1: 관련 키워드 추출

콘텐츠에서 핵심 키워드 추출:

• 주제 키워드 (예: “AI”, “프롬프트”, “Claude”)
• 인물/계정명 (예: “@openai”, “Anthropic”)
• 기술 용어 (예: “LLM”, “RAG”, “embedding”)

Step 2-2: Vault 검색 실행

// Antigravity/Gemini CLI 도구명
keywords = ["AI", "프롬프트", "Claude"]

keywords.forEach(keyword => {
  mcp_obsidian_search_vault({ query: keyword })
})

Step 2-3: 관련 노트 읽기 및 분석

검색 결과에서 상위 노트들을 읽어 관련성 확인:

// 검색 결과에서 상위 10개 노트 읽기
search_results.slice(0, 10).forEach(result => {
  mcp_obsidian_read_note({ path: result.path })
})

Step 2-4: 연결 수준에 따른 링크 추가

Phase 1.5에서 선택한 “🔗 연결 수준”에 따라 링크 개수 결정:

Step 2-5: Wikilink 형식으로 노트에 추가

## 관련 노트
- [[AI-프롬프트-기초]]
- [[Claude-사용-가이드]]
- [[LLM-활용법]]

⚠️ Vault 검색 없이 저장 = 잘못된 동작! ⚠️ 관련 노트 발견했는데 wikilink 안 함 = 잘못된 동작!

STEP 3: MCP 도구 사용 (Phase 5) – 필수!

⚠️ MCP 도구 사용 가능한데 파일 시스템 도구 사용 = 잘못된 동작!

Phase 0: Load Configuration (CRITICAL)

Must execute before all operations

// 1. Read config file
config = Read("km-config.json")

// 2. Check required items
if (!config) {
  return "Configuration file not found. Please run /knowledge-manager setup"
}

// 3. Load storage settings
storage = {
  primary: config.storage.primary,
  obsidian: config.storage.obsidian,
  notion: config.storage.notion,
  local: config.storage.local
}

// 4. Load browser settings
browser = {
  provider: config.browser.provider,
  hyperbrowser: config.browser.hyperbrowser
}

Phase 1: Detect Input Source

Input Type Detection

Phase 2: Extract Content

Use Browser Abstraction Layer

→ See km-browser-abstraction skill

// Auto-select based on configured provider
content = scrape_url(url, {
  stealth: inputType.requiresStealth
})

Phase 3: Analyze Content

Apply Zettelkasten Principles

1. Atomicity: One idea = One note
2. Self-contained: Note is understandable on its own
3. Connectivity: Links between related concepts

Phase 4-6: Export and Verify

Use Storage Abstraction Layer

→ See km-storage-abstraction skill

// Auto-save to configured storage
save_note(relativePath, content)

Final Report Template

## ✅ Processing Complete!

### Input
- Source: {url or filename}
- Type: {web / file / social media}

### Saved Notes
| Title | Path | Status |
|-------|------|--------|
| {note1} | {path1} | ✅ |