TTokenySpace
返回 Skills 列表

ima真ima

IMA 知识库自动分类整理与 RAG 检索增强生成技能。扫描 IMA 知识库内容，按自定义规则自动分类，生成分类索引文档（Word + Markdown），支持定期自动整理，以及基于分类索引的精准 RAG 文档生成。当用户需要整理 IMA 知识库、定期分类知识库内容、使用 IMA 知识库资料辅助撰写文档、或设置知识库自动分类整理流程时触发此技能。关键词：IMA、知识库整理、分类索引、RAG、定期扫

#中文
下载 ZIP 来源页面
0

安装到 Tokeny（自动）

下载 ZIP
安装"ima-kb-organizer"技能
技能信息：
- 名称: ima真ima
- 标识: ima-kb-organizer
- 描述: IMA 知识库自动分类整理与 RAG 检索增强生成技能。扫描 IMA 知识库内容，按自定义规则自动分类，生成分类索引文档（Word + Markdown），支持定期自动整理，以及基于分类索引的精准 RAG 文档生成。当用户需要整理 IMA 知识库、定期分类知识库内容、使用 IMA 知识库资料辅助撰写文档、或设置知识库自动分类整理流程时触发此技能。关键词：IMA、知识库整理、分类索引、RAG、定期扫
- 版本: 1.0.0
下载地址：
https://www.tokeny.space/api/skills/ima-kb-organizer/download
继续

复制上方内容到 Tokeny 客户端并在会话中发送即可自动安装；也可直接 下载 ZIP并拖动到技能窗口安装。

SKILL.md

IMA 知识库自动分类整理与 RAG 生成

概述

此技能解决 IMA 知识库"只进不出、无法分类整理"的痛点。IMA API 不支持删除、移动、建文件夹操作，本技能采用逻辑分类方案：用本地追踪文件记录每篇内容的分类归属，用 Word/Markdown 索引文档替代物理文件夹，通过 fetch_media_content 按需拉取全文实现 RAG 检索增强生成。

前置条件

  • IMA 知识库 MCP 连接器已连接（ima-mcp）
  • 已安装 python-docx（pip install python-docx）

核心工作流

工作流 1：首次设置

为用户搭建完整的知识库分类整理体系。

步骤：

  1. 获取知识库列表 调用 mcp__ima-mcp__get_knowledge_base_list，参数 {"params": [{"limit": 50, "type": "KBT_MINE_KB"}]}，获取用户所有知识库。

  2. 扫描知识库内容 对每个知识库调用 mcp__ima-mcp__get_knowledge_list，参数 {"knowledge_base_id": "<KB_ID>", "limit": 50, "sort_type": "UPDATE_TS_DESC_SORT_TYPE"}。如果 is_end 为 false，使用 next_cursor 翻页获取全部内容。

  3. 与用户确认分类规则 根据扫描到的内容，与用户讨论确定分类方案。参考 references/category_rules.md 中的分类原则。通常 4-6 个分类为宜。

  4. 创建配置文件 复制 assets/config_template.json 到项目工作区 .workbuddy/ima-tracker/config.json，填入：

    • 用户的知识库 ID 和名称
    • 输出目录（用户指定保存索引文档的路径）
    • 分类规则（名称、描述、关键词、排除词）
    • RAG 设置

  5. 创建追踪文件 在 .workbuddy/ima-tracker/tracker.json 中创建基线数据，记录每篇内容的 media_id、title、source、type、first_seen 和所属分类。格式：

    {
  "schema_version": "1.0",
  "last_scan_time": "ISO时间",
  "knowledge_bases": {
    "<KB_ID>": {
      "name": "知识库名称",
      "categories": {
        "分类名": {
          "description": "分类描述",
          "items": [
            {"media_id": "...", "title": "...", "source": "...", "type": "...", "first_seen": "..."}
          ]
        }
      }
    }
  }
}

  6. 生成索引文档 运行脚本：

    <python_path> <skill_dir>/scripts/generate_index_docs.py --config .workbuddy/ima-tracker/config.json

    将在配置的 output_directory 中生成每个分类的 Word 和 Markdown 索引文档。

  7. 创建定期自动化任务 使用 automation_update 工具创建 recurring 自动化任务。自动化 prompt 应包含：

    • 读取 tracker.json 基线
    • 扫描知识库新增内容
    • 按分类规则分类
    • 更新 tracker.json
    • 运行 generate_index_docs.py 重新生成索引文档
    • 生成 Markdown 整理报告
    • 参考下方"自动化任务 prompt 模板"

工作流 2：定期扫描分类（自动化执行）

由自动化任务定期触发，处理用户新增到知识库的内容。

步骤：

  1. 读取 .workbuddy/ima-tracker/tracker.json，记录所有已知 media_id
  2. 调用 mcp__ima-mcp__get_knowledge_list 扫描每个知识库
  3. 比对找出新增内容（media_id 不在追踪文件中的）
  4. 按分类规则（标题 + 简介 + 来源）对新增内容分类
    • 如需更高精度，可调用 mcp__ima-mcp__fetch_media_content 获取内容摘要辅助分类
  5. 将新增内容写入 tracker.json 对应分类
  6. 更新 last_scan_time
  7. 运行 generate_index_docs.py 重新生成索引文档
  8. 生成整理报告到 .workbuddy/ima-tracker/reports/report-YYYY-MM-DD.md

工作流 3：RAG 文档生成

用户撰写文档时，基于分类索引从 IMA 拉取全文生成。

步骤：

  1. 用户指定要使用的分类（如"用 AI+体育 分类的资料帮我写..."）
  2. 读取 .workbuddy/ima-tracker/tracker.json 获取该分类下所有 media_id
  3. 选择 RAG 模式（参考 references/rag_workflow.md）：
    • 搜索优先（推荐，资料多时）：用 mcp__ima-mcp__search_knowledge 搜索主题关键词，取 top 3-5 相关条目
    • 全量拉取（资料少时，≤5篇）：逐篇调用 mcp__ima-mcp__fetch_media_content 拉全文
  4. 检查本地缓存（.workbuddy/ima-tracker/content_cache/），已有缓存直接读取
  5. 以拉取的全文作为上下文生成文档
  6. 在生成的文档中标注每段内容的来源资料

自动化任务 prompt 模板

创建自动化任务时，将以下内容填入 prompt（替换尖括号中的内容）：

你是 IMA 知识库整理助手。执行以下步骤完成本周扫描分类整理。

## 配置
- 配置文件：<WORKSPACE>/.workbuddy/ima-tracker/config.json
- 追踪文件：<WORKSPACE>/.workbuddy/ima-tracker/tracker.json
- 报告目录：<WORKSPACE>/.workbuddy/ima-tracker/reports/
- Python 路径：<PYTHON_PATH>
- 脚本路径：<SKILL_DIR>/scripts/generate_index_docs.py

## 步骤
1. 读取 tracker.json，记录所有已知 media_id
2. 读取 config.json 获取知识库 ID 列表
3. 对每个知识库调用 mcp__ima-mcp__get_knowledge_list 扫描全部内容
4. 比对找出新增内容（media_id 不在 tracker 中）
5. 按 config.json 中的分类规则对新增内容分类
6. 将新增内容写入 tracker.json，更新 last_scan_time
7. 运行 generate_index_docs.py 重新生成索引文档
8. 生成 Markdown 整理报告（含新增内容标题、来源、分类结果）
9. 简要汇报扫描结果

## 注意
- 无新增内容也要更新 last_scan_time 和重新生成文档
- tracker.json 格式必须正确
- 始终使用简体中文

关键资源

scripts/

  • generate_index_docs.py — 分类索引文档生成器，读取 config.json 和 tracker.json，生成 Word + Markdown 索引文档并复制到用户指定目录。用法：python generate_index_docs.py --config <config.json>

references/

  • ima_api_reference.md — IMA MCP 工具完整能力说明和 API 限制
  • category_rules.md — 分类规则定义指南（MECE 原则、颗粒度、多标签、配置格式）
  • rag_workflow.md — RAG 检索增强生成工作流（搜索优先 vs 全量拉取、缓存策略、质量保障）

assets/

  • config_template.json — 配置文件模板，包含知识库 ID、输出目录、分类规则、RAG 设置

注意事项

  • IMA API 不支持删除、移动、建文件夹、打标签操作，所有整理通过逻辑分类实现
  • 用户只需将新资料丢入知识库根目录（作为"收件箱"），自动化任务负责分类和更新索引
  • 索引文档生成后自动复制到用户在 config.json 中指定的 output_directory
  • 如分类规则需要调整，修改 config.json 后重新全量扫描分类即可
  • fetch_media_content 拉取的全文建议缓存到本地，避免重复 API 调用

评论

加载中…