知识管理引擎(免费版)

结构化知识管理与推理引擎，支持知识捕获、关联推理、主动浮现与多源知识库构建，采用图结构存储.

输入格式

参数名	类型	必填	说明
input	string	是	知识管理引擎(免费版)处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

依赖说明

运行环境

Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
操作系统: Windows / macOS / Linux

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

本Skill无需额外API Key（LLM能力由Agent平台内置提供）

可用性分类

分类: MD+EXEC（）

核心能力

1. 知识捕获与结构化

将非结构化信息转化为结构化知识：

实体识别：人物/组织/概念/技术/项目/事件
关系抽取：属于/依赖/创建/使用/影响/位于
属性提取：时间/地点/状态/数值/描述
上下文保留：来源/时间戳/置信度/关联场景

知识条目格式：

{
  "id": "entity_001",
  "type": "technology",
  "name": "PostgreSQL",
  "properties": {
    "category": "database",
    "license": "PostgreSQL License",
    "firstReleased": "1996"
  },
  "relations": [
    {"target": "entity_002", "type": "used_by", "context": "项目A的数据层"},
    {"target": "entity_003", "type": "alternative_to", "context": "MySQL的替代方案"}
  ],
  "source": "团队技术选型会议记录",
  "captured": "2026-07-21",
  "confidence": 0.95
}

输入: 用户提供知识捕获与结构化所需的指令和必要参数. 处理: 解析知识捕获与结构化的输入参数,执行核心处理逻辑,返回结构化结果和执行状态.

2. 关联推理与查询

语义搜索：按概念含义匹配而非关键词
图遍历查询：查找实体间的多跳关联路径
推理问答："X和Y有什么关系？"→路径发现+关系解释
聚合分析："我们用了哪些数据库技术？"→按属性过滤汇总

输入: 用户提供关联推理与查询所需的指令和必要参数. 输出: 返回关联推理与查询的处理结果,包含执行状态码、结果数据和执行日志.

3. 主动浮现

基于当前工作上下文主动浮现相关知识：

检测工作主题关键词
匹配知识库中的关联实体
每会话最多浮现1-2条高相关性知识
包含来源和上下文说明
参考主动浮现的配置文档进行参数调优

输出: 返回主动浮现的处理结果,包含执行状态码、结果数据和执行日志.

4. 知识库生命周期管理

创建：首次捕获时创建知识条目
更新：新信息出现时更新属性或关系
归档：长期未访问的低置信度知识移至冷存储
遗忘：过时或被证伪的知识标记为deprecated

输入: 用户提供知识库生命周期管理所需的指令和必要参数. 处理: 解析知识库生命周期管理的输入参数,执行核心处理逻辑,返回结构化结果和执行状态.

适用场景

场景	输入	输出
会议知识提取	会议记录/纪要	结构化实体+关系图
技术选型记忆	技术对比+决策	决策知识+关联依据
项目知识沉淀	项目文档+代码	知识条目+架构关系
关联查询	自然语言问题	关联路径+推理结果

不适用于：实时数据流处理、大规模数据仓库、个人隐私信息存储.

使用流程

确定知识库范围（项目/团队/个人/领域）
捕获知识（从文档/对话/代码中提取实体和关系）
结构化存储（按格式写入知识库文件）
建立关联（识别实体间关系并链接）
查询与浮现（语义搜索+主动浮现）

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

示例

示例1：会议知识提取

输入: "昨天技术选型会议决定用PostgreSQL替代MySQL，原因是PostgreSQL对JSON和地理数据支持更好"
捕获:
  实体1: PostgreSQL (type: technology, category: database)
  实体2: MySQL (type: technology, category: database)
  关系: PostgreSQL alternative_to MySQL
  属性: PostgreSQL优势 = JSON支持+地理数据(PostGIS)
  来源: 技术选型会议
  时间: 2026-07-20
  置信度: 0.95

错误处理

错误场景	原因	处理方式
知识条目冲突（同一实体不同属性）	多来源信息不一致	保留两个版本，标注来源和置信度，标记`conflict: true`，提示用户确认正确版本
关联推理路径过长无意义	图遍历超出有效关联深度	限制遍历深度为3跳，超过则标注"关联过远"，优先返回1-2跳的直接关联
主动浮现相关性低	工作主题与知识库匹配度不足	设置相关性阈值，低于阈值不浮现，避免信息噪音干扰工作
知识库文件损坏	文件系统异常或手动编辑出错	定期备份知识库，损坏时从最近备份恢复，验证JSON格式完整性

常见问题

Q1: 知识库与普通笔记有什么区别？

笔记是线性的文本记录，知识库是结构化的图数据库。知识库中每个信息被拆解为实体和关系，支持跨条目关联查询（"找出所有依赖PostgreSQL的项目"）、推理（"A依赖B，B依赖C，所以A间接依赖C"）和主动浮现。笔记检索依赖关键词，知识库支持语义和图遍历查询.

Q2: 知识的"置信度"如何确定？

置信度基于信息来源可信度：一手官方文档(0.95)、权威媒体报道(0.85)、团队决策记录(0.90)、个人推测(0.50)、未验证传闻(0.30)。多来源交叉验证时取最高置信度。当新信息与已有知识矛盾且新来源置信度更高时，更新知识并标注更新原因.

Q3: "遗忘"机制什么时候触发？

遗忘机制在以下情况触发：知识被明确证伪（标记deprecated）、超过6个月未被访问且置信度低于0.5（移至冷存储）、实体被合并去重（保留主实体，删除重复）。遗忘不是物理删除，而是标记状态，可通过查询历史恢复.

已知限制

知识库存储为本地文件，不支持分布式协作
关联推理深度受图遍历性能限制
语义搜索质量受Agent理解能力限制

升级提示

本免费版提供基础功能。升级到完整版 afrexai-knowledge-management 获取全部能力和高级特性.

输出格式

{
  "success": true,
  "data": {
    "result": "知识管理引擎(免费版)处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "afrexai-knowledge-management"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}

Afrexai Knowledge Management Free

安装到 Tokeny（自动）

SKILL.md