name: knowledge-absorber description: 深度解析链接、文档或代码，生成“全能导师级”的教学笔记（零基础直达精通）。具备“真理锚定”校验能力，自动识别幻觉与过时信息。 tags: [ "learning", "学习", "analysis", "分析", "documentation", "文档", "knowledge-base", "知识库", "architecture", "知识吸收", "knowledge-absorber", "verification" ] version: 4.1.0 author: 叫我小杨同学的小码酱

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"
   • 注意: [SKILL_PATH] 是本技能所在的实际路径（如 .trae/skills/knowledge-absorber/）。
   • 依赖检查: 首次运行若报错，请提示用户安装依赖。

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) [✨核心升级]

“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 3-5 个关键事实性主张（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", "Python 3.14 features verification"）。
   • 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)

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

1. 结构化输出：

   • 【⚠️ 认知校准】模块（如果存在事实错误，必须放在文章最开头）。
   • 正文解析（按照导师风格）。

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