核心流程 (Core Workflow)

本技能采用 三级加载机制 (Level-3 Loading) 配合 真理锚定协议 (Truth Anchoring Protocol)。请严格按照以下步骤执行。

第一步：智能摄取 (Content Ingestion)

先运行脚本获取干净的 Markdown 数据。脚本会自动清洗 HTML 噪音并处理多模态内容（PDF/OCR）。

1. 运行摄取脚本：

   • Command: python [SKILL_PATH]/scripts/content_ingester.py "INPUT_URL_OR_PATH"
   • 依赖自愈: 运行前检查依赖。若发现 ImportError，立即自动执行 pip install -r [SKILL_PATH]/requirements.txt，无需询问用户。

2. 读取结果：

   • 读取 [SKILL_PATH]/config/raw_content.txt。
   • 该文件已通过 html2text 清洗，可直接用于分析。

第二步：真理锚定 (Truth Anchoring)

“不要轻信任何文本，哪怕它看起来很专业。” 在加载导师人格之前，必须先对摄取的内容进行准确性校验。

1. 提取核心主张 (Claim Extraction)：

   • 快速扫描 raw_content.txt。
   • 提取文件中提到的所有关键事实性主张（Key Factual Claims）。
     • 重点关注：具体数据、代码API用法、历史事件、绝对化论断（”总是”、”从未”）。

2. 联网审计 (Web Audit)：

   • Tool: 调用 WebSearch。
   • Query: 针对每个主张构造验证性搜索（例如：”React 19 useEffect changes 2026″）。
   • Constraint: 必须包含当前年份（2026）以确保时效性。

3. 生成校准报告 (Calibration Report)：

   • 在心中构建一个“红队报告”。
   • 如果发现原文有误、过时或存在争议，必须在后续生成的教学笔记中显式标注。

第三步：加载导师人格 (Load Persona)

读取系统提示词以激活“首席认知架构师”人格。

1. 加载 Prompt：
   • Command: cat [SKILL_PATH]/references/system_prompt.md
   • 注意：将读取到的内容作为 System Prompt 注入当前上下文。

第四步：生成教学内容 (Generate Content)

本步骤适用于所有领域的知识（技术、国学、学术、商业）。

根据 raw_content.txt 的内容、system_prompt.md 的指示以及第二步的校准报告，生成多模态输出。

1. 结构化输出 (必填项)：

   • 单一真理源：文章结构、模块定义、透镜应用严格遵循 system_prompt.md 中的 [Construct Narrative] 章节定义。
   • 严禁偏差：不要自行发明模块，也不要遗漏 System Prompt 中标记为 [Mandatory] 的任何部分。

2. 生成与写入：

   • 必须同时生成 Markdown 和 HTML 文件。
   • 写入位置：项目根目录下的独立文件夹 knowledge_{YYYYMMDD}_{Title}/
   • 文件名格式：knowledge_{YYYYMMDD}_{Title}.md/html
   • 内容适配：
     • 技术类：使用 Preset A（现代清爽）。
     • 国学/人文类：使用 Preset B（水墨清茶）。

第五步：质量验收 (Quality Assurance) [New]

在向用户交付前，必须自检以下项：

1. HTML 是否包含 <script> 搜索逻辑？（参照 system_prompt.md 组件库）
2. 国学模式下，是否使用了“扪心自问”和“藏经阁”标题？（参照 system_prompt.md 映射表）
3. 是否包含 Mermaid 认知地图？
4. 是否包含 5-8 个自测题？

若任一项缺失，必须重新生成。

何时调用 (When to use)

当出现以下任一场景时，请立即激活本技能：

1. 显式学习指令：

   • 用户明确要求：“学习这个”、“深度分析”、“解析链接”、“解释这个概念”、“存入知识库”。
   • 关键词触发：只要用户提到“学习”或“分析”配合某个对象，必须激活。

2. 复杂多模态输入：

   • 用户提供了一个或多个 URL 链接。
   • 用户上传了文档文件（PDF, Word, Markdown, TXT）。
   • 用户上传了图片（PNG, JPG），且内容包含大量文字或图表。

3. 代码深度解析：

   • 用户选中或上传了代码文件，并询问：“这段代码是怎么跑的？”、“架构是怎样的？”。

4. 隐式教学需求：

   • 用户表示困惑：“我不理解这个概念”、“太难了，看不懂”。
   • 用户需要降维打击：“用大白话解释一下”、“给个小白能懂的例子”。