knowledge-engine

🧠 Knowledge Engine

个人知识引擎 — 把碎片化的阅读和思考变成结构化的、可搜索的、会成长的知识系统。

它是什么

不是"笔记软件"，而是一个会成长的认知系统：

L3 元规律   ← 自动蒸馏，跨维度底层逻辑
   ↑
L2 洞察     ← 同主题 ≥3 个事实自动聚合
   ↑
L1 事实     ← 手动添加，每天积累

每天把读到的、想到的、学到的拆成原子概念，系统自动帮你：

架构 — 三层渐进式披露

graph TB
    subgraph L1["🟢 LEVEL 1 — YAML 元数据 (~100 tokens)"]
        A["name: knowledge-engine<br/>description: 个人知识引擎…<br/><b>✓ 始终加载</b>"]
    end

    subgraph L2["🟣 LEVEL 2 — SKILL.md 正文 (<5000 tokens)"]
        B["什么时候用 → 使用指南 → CLI 命令<br/>search / add / link / beliefs-decay / synthesis / visualize<br/><b>触发时加载</b>"]
    end

    subgraph L3["🟡 LEVEL 3+ — 脚本 & 资源 (无限扩展)"]
        C["📜 concept_manager.py (900+ 行)"]
        D["🔬 concept_synthesis.py (蒸馏引擎)"]
        E["🔌 ke_api.py (子 Agent API)"]
        F["📊 visualize.py (D3.js 图谱)"]
        G["📚 resources/ (Schema 文档)"]
    end

    L1 -->|触发时| L2
    L2 -->|按需执行| L3

    style L1 fill:#1e3a5f,stroke:#60a5fa,color:#fff
    style L2 fill:#2d1f4e,stroke:#a78bfa,color:#fff
    style L3 fill:#3a2a1e,stroke:#f59e0b,color:#fff

Agent 只读 Level 1 + 2 · 脚本在外部执行 · 近似无限上下文

快速开始

安装

# 通过 ClawHub（推荐）
npx clawhub@latest install knowledge-engine

# 或者手动克隆
git clone https://github.com/zabr1314/knowledge-engine.git ~/.openclaw/workspace/skills/knowledge-engine

使用

搜索已有知识：

python3 scripts/concept_manager.py search --query "分发"

添加新概念（自动循环检测）：

python3 scripts/concept_manager.py add \
  --concept "分发能力 > 制作能力" \
  --source "HN 2026-03-27" \
  --context "当AI让创作成本趋近于零，稀缺资源转移到分发" \
  --tags "创业,分发,AI" \
  --confidence medium

关联概念：

python3 scripts/concept_manager.py link \
  --from "分发能力 > 制作能力" \
  --to "品味是最后的差异化" \
  --relation "supports"

信念追踪（带时间衰减）：

python3 scripts/concept_manager.py beliefs-decay

知识蒸馏（每周执行）：

python3 scripts/concept_synthesis.py --days 7

生成可视化：

python3 scripts/visualize.py
# 输出 ~/Desktop/knowledge-graph.html

Python API（供子 Agent 使用）：

from ke_api import ke

results = ke.search("创业", limit=5)     # 搜索
ke.concept("新洞察", tags=["AI"])         # 添加
beliefs = ke.beliefs(top=5)              # 信念（带衰减）
ctx = ke.context("创业")                 # 分层检索

为什么做这个

读了很多文章，收藏了很多链接，但知识是散的。

• 今天看到一个好观点，明天忘了在哪
• 两个有关联的概念，从来没被放在一起想过
• 一年前的洞察，跟今天的认知有什么关系？

Knowledge Engine 解决的就是这个问题：让知识累积而不是消耗。

Harness（控制层）要为废弃而建，Knowledge（认知层）要为累积而建。

文件结构

skills/knowledge-engine/
├── SKILL.md                          ← OpenClaw skill 元数据 + 使用指南
├── scripts/
│   ├── concept_manager.py            ← 概念/信念 CRUD + 搜索 + 图谱 (900+ 行)
│   ├── concept_synthesis.py          ← 蒸馏：Reflection + L1→L2→L3
│   ├── ke_api.py                     ← Python API，供子 Agent 使用
│   ├── eval_knowledge_engine.py      ← 六项评估套件
│   ├── visualize.py                  ← D3.js 交互式知识图谱
│   └── viz-template.html             ← 可视化模板
├── resources/
│   ├── concept-schema.md             ← 概念卡片 Schema
│   └── belief-schema.md              ← 信念卡片 Schema
└── assets/
    ├── hero.svg                      ← 知识层级概览图
    ├── features.svg                  ← 核心特性展示
    └── knowledge-graph.png           ← 知识图谱截图

零外部依赖 — 纯 Python 标准库（sqlite3 + json + os）。

数据存储

memory/
├── concepts/          ← 概念卡片（JSON，每个概念一个文件）
├── beliefs/           ← 信念追踪（JSON）
├── insights/          ← 蒸馏报告（Markdown）
├── knowledge.db       ← SQLite 索引
└── reading-memory.md  ← 已读文章索引（防重复）

评估

python3 scripts/eval_knowledge_engine.py

路线图

• 概念 CRUD + 关键词搜索
• 概念关联 + 知识图谱
• 信念追踪 + 时间衰减
• 循环检测（自动去重）
• L1→L2→L3 自动蒸馏
• 子 Agent API
• 交互式可视化
• 六项评估套件
• chromadb 向量搜索
• 概念质量 LLM-as-Judge
• 多 Agent 共享知识库

安装为 OpenClaw Skill

在 openclaw.json 的 main agent skills 数组中加入：

{
  "agents": {
    "list": [{
      "id": "main",
      "skills": ["knowledge-engine"]
    }]
  }
}

重启 Gateway 后生效。Agent 的 system prompt 会自动加载 skill 元数据。

作者

Atlas — 洪玉麟 的 AI 助手

License

MIT