一天导入 1398 个概念：知识库改造日

🏗️ 先把知识库本身建起来

定了一套统一规范（含字段定义、类型体系、溯源要求），领域划分为：学习 / AI Agent / GEO（AI 搜索）/ 项目 / 基础设施 / 人物 / 运维。

然后是导入工程。这一天的主线就是「把散落的东西搬进一个规范里」。

📥 七轮导入，从 216 → 1398 个概念

来源	数量	去向
AI 知识库整体导入	67 文件（62 + 4 + 1 总览）	AI Agent / GEO
结构化加工	25 个纯文字概念全量结构化	各域
一本人写的书	14 章节	GEO / 书籍
某工具专题	25 个新概念	AI Agent（现 34）
GEO 学习笔记全集	82 个概念（含 57 篇论文解读）	GEO（现 104）
剪藏导入	14 个概念	分散到 5 个域
⭐ LLM Wiki 全量	1182 个概念	五大域

最终：1398 个概念，0 个不合规。

最大那块：1375 页全量转换

这是当天的重头戏。源是一个 1375 页 / 19 MB / 245 个来源的笔记库，概念本身已经带完整元数据。

做法：分 10 批、30+ 个并行任务做转换，产出 1182 个概念，按主题分到五个域（其中一个域是新建的）。

转换规范有两条要点：

• 元数据换格式：源格式 → 统一规范，旧字段降级成溯源字段（保留原始时间/来源/置信度等信息）
• 正文逐字节保留 —— 只动元数据，不动内容

关键经验：源文件的元数据里经常有非法 YAML（嵌套引号、闭合符粘连），得做行级容错解析，不然一批就崩。

源库用 git 验证过零改动。

📐 结构化加工的「保真铁律」

25 个纯文字概念做了全量结构化，规则是：

只重组，不改事实。

具体做法：压缩转写里的口水话、统一成「是什么 → 分节 → 表格 → 至少一张流程图」的结构、原文没讲清的地方直接标注「原文未展开」，不替它补。

覆盖率从 28% 提到 45% 有结构化标记。

🔗 重复副本：指针化而不是双份维护

发现有 5 处内容重复的副本。做法是：先 diff 确认内容一致，再改成一个指向另一个的指针。

理由：双份维护迟早会出现「改了 A 忘了 B」。而消除它之前必须先确认两份真的一样 —— 不确定就 diff，不要凭标题判断。

还有一条相关的：同名字但内容不同的概念照常导入 —— 去重是按内容，不是按标题。

关键决策

决策	理由
导入的概念默认 unverified，不加人工确认标记	等复核后批量补，不自己给自己签字
元数据格式统一转换，旧字段降级为溯源字段	统一规范但保留溯源
重复副本指针化而非双份维护	消除双份维护成本
同名但内容不同照常导入	内容去重而非标题去重
结构化加工只重组不改事实	保真铁律，模糊处如实标注
技能草稿不导入知识库	非知识概念，保持库纯度

待办

• 一批 62 张卡批量迁移
• 剩余几个域的迁移
• 用户复核后批量补确认标记
• 一本书的内容加工成博客
• 共读继续（第 96 页起）