/wiki-ingest — 摄入资料

将外部资料摄入 LLM Wiki 知识库。参考 /siyuan-send 的三种输入模式。

输入类型识别

执行流程

步骤 0：自动分类（前置步骤）

在执行摄入流程前，先自动执行 /wiki-classify：

1. 使用 Skill 工具加载 wiki-classify skill
2. 完整执行其定义的分类流程（扫描 raw/ 根目录、LLM 判定分类、git mv、添加 frontmatter、修复路径）
3. classify 完成后继续下面的摄入流程
4. 若 classify 发现无需分类的文件，直接跳过，不影响后续流程

步骤 1：确认 raw 目录与 kbPath

1. 读取配置文件：
   • 优先项目模式：检查当前目录是否存在 wiki-config.json（scope: "project"）
   • 全局模式：~/.config/opencode/wiki-config.json（scope: "global"）
2. 从配置中获取：
   • kbPath — 知识库根目录（wiki/ 所在位置）
   • rawPath — raw 文件存放目录
3. 若 kbPath 或 rawPath 为空，提示用户先执行 /wiki-init 初始化知识库
4. 确认目标目录存在（不存在则创建）

步骤 2：处理输入

URL 处理：

• 访问网址获取网页内容
• 识别标题层级（H1-H6），生成结构化大纲
• 提取核心段落和关键信息
• 笔记标题使用一句全文总结
• 输出包含：原始 URL、获取时间、结构化大纲

Markdown 文本：

• 直接保存为 .md 文件
• 自动提取或生成标题

对话汇总：

• 汇总当前对话历史
• 格式化为对话记录
• 包含时间戳和主题

步骤 3：保存笔记

• 保存到 rawPath 指定的目录
• 文件名基于内容自动生成
• 确保 Markdown 格式正确

步骤 3.5：下载图片资源（如有）

当摄入的资料包含图片时：

1. 确定对应的 noteFileName（raw 文件名去掉 .md 扩展名）
2. 创建目录 {kbPath}/assets/${noteFileName}/（与 raw/ 平级）
3. 下载所有图片到该目录
4. 图片命名使用语义化名称（如 01-数据翻5倍订单增12倍.jpg）
5. 在 raw 文件中使用相对路径引用：../assets/${noteFileName}/图片名.jpg

注意：图片不存放在 raw/ 下，而是存放在与 raw/ 平级的 assets/ 目录中。

步骤 4：立即触发摄入分析

保存笔记后，立即执行以下分析流程：

1. 读取刚保存的笔记内容
2. 在 wiki/摘要/ 创建对应的摘要页面（核心观点提炼）
3. 在 wiki/概念/ 创建/更新相关概念页面（方法论、模式等）
4. 在 wiki/实体/ 创建/更新相关实体页面（人名、公司、工具等）
5. 更新 wiki/index.md（目录）
6. 在 wiki/log.md 追加记录

Log 记录格式：## [YYYY-MM-DD] Ingest | 资料标题

步骤 5：分类管理

• LLM 根据内容自行决定分类（摘要/概念/实体/综合）
• 可自行创建新分类子目录（如积累大量书摘时创建 wiki/书摘/）

工具使用规则

更新 index.md、log.md 等累积性文件时：

• 必须先用 Read 读取当前内容
• 必须用 Edit 工具做增量修改（追加、替换）
• 禁止用 Write 工具覆盖整个文件

Write 工具仅用于：

• 创建全新文件
• 用户明确要求覆盖整个文件

脚本执行优先级

需要执行脚本操作时，按以下顺序选择实现方式：

1. Python — 检测到 Python 环境则优先使用
2. Linux — Shell 脚本（bash/sh）
3. Windows + Git Bash — 用 Git Bash 执行
4. Windows（无 Git Bash） — PowerShell

语言规则

• 始终使用简体中文
• 英文资料先翻译为中文再写入 wiki
• 保持 Obsidian wikilink 兼容（文件名避免特殊字符）