qa

TKB Q&A

查询 TKB 知识库并回答用户问题。采用 Wiki 为主 + Raw 按需追溯的策略。

仓库位置

TKB 知识库根目录：$HOME/Library/Mobile\ Documents/iCloud\~md\~obsidian/Documents/TKB/

来源过滤

支持三种查询模式：

• 无前缀（如 问题）— 搜索全库所有内容（FILTER=all）
• work: 前缀（如 work: 问题）— 只搜 #work 的 concepts 和 analysis（FILTER=work）
• ttt: 前缀（如 ttt: 问题）— 只搜 #ttt 的 concepts 和 analysis（FILTER=ttt）

查询流程

第零步：解析来源过滤

1. 检查输入是否以 work: 或 ttt: 开头
2. 如果有前缀，提取过滤模式（work 或 ttt），剩余部分为问题；将 FILTER 设为 work 或 ttt
3. 如果无前缀，FILTER=all，整个输入为问题

第一步：读 Index 定位（快速扫描）

1. 读取 wiki/_index.md
2. 根据用户问题，匹配相关的 Index 条目（通过标签、标题、摘要关键词匹配）
3. 如果 FILTER != all，只考虑包含 来源分区：#<FILTER> 字段的条目
4. 收集所有相关条目指向的 concept 文件和 raw 文件路径

第二步：读 Wiki 深入（结构化知识）

1. 读取第一步定位到的 concept 文件：
   • 优先使用 Index 条目中记录的路径直接读取
   • 若路径不存在（文件已移动到子目录），改用 bash "$SCRIPTS/find_wiki.sh" concept <文件名>（SCRIPTS="$HOME/.claude/plugins/marketplaces/tkb/scripts"）定位实际路径，再读取
2. 读取相关的 analysis 文件，同样方式定位：先用 Index 路径，失败则用 bash "$SCRIPTS/find_wiki.sh" analysis <文件名>
3. 如果 FILTER != all，只读取 frontmatter 中 source_tag: "#<FILTER>" 的文件
4. 基于 concept 和 analysis 的内容，尝试回答问题

第三步：判断是否充分

LLM 自行判断现有 wiki 内容是否足够回答问题：

足够：

• 直接回答用户，引用来源 concept 文件

不够：

• 读取相关 raw/web/*/index.md 或 raw/git/*/index.md 原始文档补充信息
• 综合回答用户，标注哪些信息来自 wiki 哪些来自 raw

第四步：可选回填（仅在产生有价值新洞察时）

如果回答过程中产生了新的洞察或发现了知识库中缺失的关联：

1. 询问用户是否要将新洞察写入知识库
2. 如果用户同意，创建或更新 wiki/analysis/<topic>.md
3. 使用 obsidian-markdown 确保格式正确

回答格式

回答问题时：

1. 先给出简洁的答案
2. 然后展开细节
3. 最后标注来源：来源：[[wiki/concepts/<名>|<概念名>]]
4. 如果引用了 raw 原文，也标注：原文：[[raw/web/<目录名>/index.md|<标题>]] 或 [[raw/git/<目录名>/index.md|<标题>]]

注意事项

• 默认搜索全库；使用 work: 或 ttt: 前缀可限定来源
• 不要编造知识库中没有的信息
• 如果知识库中没有相关内容，诚实告知用户
• 回答使用与用户问题相同的语言