kurobbs-wiki

库街区（kurobbs）鸣潮 WIKI 资料查询 + 查看自己账号角色。当用户询问鸣潮（游戏）的角色/共鸣者、武器、武器投影、声骸、合鸣效果、敌人、全息战略、合成道具、任务/活动/特殊道具、补给、资源、素材、角色攻略、玩法攻略、区域探索、新手入门、版本攻略等图鉴或攻略信息时使用；也可通过 my 命令登录库街区账号查看自己拥有的角色（my roles）、用自己角色配队（my team）。可列出分类下的条目、获取词条详情、按名称搜索词条，全部通过公开 JSON API 查询。★ 注意：鸣潮 WIKI 查询无需登录；但查"我有什么角色/我的账号角色"需要 my login 登录一次。

Alphamancer@alphamancer

Install

openclaw skills install @alphamancer/kurobbs-wiki

库街区鸣潮 WIKI 查询

通过库街区公开 API 直接查询鸣潮 WIKI 内容（人物、武器、道具、攻略），代替人工浏览页面。

触发条件

用户提到以下任一关键词时激活：鸣潮 / 库街区 / 共鸣者 / 声骸 / 武器 / 武器投影 / 合鸣效果 / 全息战略 / 道具 / 材料 / 素材 / 角色攻略 / 攻略。

★ 以下关键词也触发本 skill（查自己账号角色）：我的角色 / 我有什么角色 / 我的账号 / 我的号 / 我拥有的角色 / 我的角色池 / 看我有哪些角色 / 鸣潮账号。当用户问"我有什么角色/我的账号角色"时，用 my roles 查看（需先 my login 登录），不要回答"我无法访问你的账号"——my roles 能读到你的真实角色。

命令速查（在 skill 目录下执行）

先把 SKILL_DIR 设为本地 skill 目录的绝对路径（含 scripts/ 的父目录）。以下所有命令均可直接复制执行。

bash

# Windows 示例：SKILL_DIR=D:\tools\kurobbs-wiki（占位路径，改成实际目录）
# macOS / Linux 示例：export SKILL_DIR=~/tools/kurobbs-wiki
SKILL_DIR=<kurobbs-wiki 所在目录的绝对路径>

# 1. 目录树（分类ID映射，缓存在 ~/.kurobbs-wiki-cache/）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py tree
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py tree --refresh   # 分类有变化时刷新

# 2. 列出分类下的条目（按分类名或ID）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py list 共鸣者
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py list 1105 --page 2 --size 50
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py list 1629 --images   # ★ 输出每条攻略的封面图 URL + 正文 entryId + 帖子ID（社区帖封面在 wikiPostList[].cover；帖子类型需用 post 查，1=图片帖 2=视频帖）

# 2b. 获取社区帖子媒体（★ 一图流攻略的精华在正文图片/封面/视频，需绕过 WAF 用 Playwright）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post <帖子ID>                # 帖子媒体（图片/封面/视频地址，来自 list --images 的 帖子ID）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post <帖子ID> --images-only  # 只输出图片/封面 URL 列表
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post <帖子ID> --json         # 完整结构化（含正文/点赞/评论/postType）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post <帖子ID> --download --dir <目录>  # ★ 下载图片/封面到本地（视频 m3u8 仅给地址）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post <帖子ID> --download-video --dir <目录>  # ★ 用 ffmpeg 下载 m3u8 视频为本地 mp4（ffmpeg 不可用则回退打印地址）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post https://www.kurobbs.com/mc/post/1532380644336037888  # 直接传帖子 URL
# 帖子类型：postType=1 图片帖（图在 postContent[].url）；postType=2 视频帖（m3u8 从 DOM 抓，封面在 coverImages）
# 依赖：pip install playwright && playwright install chromium（post 命令首次使用需安装）

# 3. 获取词条详情（entryId 从 list 输出取）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py detail 1519669262123954176
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py detail 1519669262123954176 --json   # 完整结构化内容
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py detail 1519669262123954176 --render # ★ Markdown 攻略排版（推荐：角色/武器/道具/攻略通用）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py detail 1519669262123954176 --section 角色突破材料   # ★ 只输出指定小节（突破材料/共鸣链/技能介绍/声骸套装推荐…）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py detail 1520510830431072256 --section 声骸套装推荐   # 攻略词条（linkGather 内嵌 wiki entryId）同样支持

# 4. 按名称搜索（跨常用分类）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py search 穗穗
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py search 鸣钟 --cats 声骸,武器
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py search 穗穗 --preview --limit 3   # ★ 每条命中附带详情摘要预览
# ★ search 默认已自动遍历目标分类的三级子分类（如 角色攻略/绯雪=1533），
#   攻略社区帖（一图流/教学/视频，linkType=4）只存在三级专属页里，老版本会漏，现已覆盖。

# 5. 机制画像（F 阶段：配队引擎前置）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py probe 穗穗                    # ★ 6 维度机制档案（人类可读）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py probe 穗穗 --json              # 结构化 JSON（供 pair/team 引擎用）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py probe 穗穗 --refresh           # 强制重新拉取（跳过缓存）

# 6. 配对引擎（G 阶段：机制评分 + 池选队）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py pair 穗穗 洛瑟菈               # ★ 双角色 5 维度兼容评分
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py team 穗穗 --pool 洛瑟菈,今汐,秧秧 --top 3  # ★ 从角色池枚举最优三队
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py team 穗穗 --all --top 5       # ★ 全量枚举 60 名共鸣者（消除"池子漏角色"）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py team 穗穗 --pool 赞妮 --guide-pool --top 5  # ★ 攻略交叉验证自动补池 + 来源标注

# 7. 我的账号（登录库街区 + 查自己角色 + 用自己角色配队）★ 需人工配合
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my login                     # ★ 登录：自动开浏览器→网页里填手机号→拖滑块→填验证码→登录
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my roles                      # ★ 列出自己拥有的角色（等级/突破/共鸣链/属性/武器）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my status                     # 当前登录账号状态
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my team 穗穗 --top 5          # ★ 只用自己拥有的角色当池子配队
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my team 穗穗 --guide-pool --top 5  # ★ 补入攻略点名队友（提示值得抽/练谁）
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my renew                      # ★ token 过期后重新登录续期
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my account                    # 查看 account.json 原始内容

查询工作流

判断用户意图：
- 查"我有什么角色 / 我的账号角色" → 直接走「我的账号」流程（my status → 未登录则 my login 引导 → my roles）。
- 查图鉴/攻略/配队（不带"我的"） → 走下面 1-4。
确定目标分类 → 用 tree 或 references/catalogue-map.md 解析用户说的分类名 → 分类 ID
定位词条 → list <分类> 拿到名称 + entryId（数字ID）
取详情 → detail <entryId>；需要完整字段（属性表、立绘图、语音、技能描述）时加 --json
回答用户 → 把结构化数据整理成自然语言回答，附上原文链接（详情 JSON 中 content.wikiUrl / linkUrl 如有）
- 推荐用 detail --render 拿 markdown 攻略排版，直接转述/精简给用户，避免把 33 万字符原始 JSON 塞进回答。
★ 社区帖媒体下载+识别（当结果含社区帖/图片帖/视频帖时自动执行）：
- 用户问"有哪些攻略"/"攻略内容"/"一图流"时，search 或 list <角色攻略三级分类> 结果里的**社区帖（linkType=4）**精华在图片/视频里，不能只给标题。
- 自动流程（无需用户额外指令）——优先用当前模型的视觉能力，不要默认走外部服务：
  bash
```
# 步骤1: 下载图片/封面到本地临时目录
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post <帖子ID> --download --dir %TEMP%\kurobbs_media
# 步骤2: 如果视频帖(postType=2)，下载视频为本地 mp4
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py post <帖子ID> --download-video --dir %TEMP%\kurobbs_media
```
- 步骤3（识别媒体内容）——按此优先级：
  1. ✅ 首选：用当前模型自带的视觉能力查看下载的本地图片/视频文件
    - 核心原则：优先用 LLM 支持的图像/视频输入通道（视觉模型）直接看本地文件，不要转外部服务。
    - 视频处理策略（直传优先）：≤200MB 整段直传；报错才自动分片（segment=1..N 逐段注入）；抽帧是兜底。
    - 这是推荐路径——不依赖第三方 API，当前模型的视觉能力直接看。
  2. 兜底：当前模型不支持视觉时，用外部识别脚本或系统 OCR：
    bash
```
# 例：任意支持图片输入的 AI 服务 / OCR 工具（如 tesseract）
python <识别脚本路径> --file "<本地图片路径>" --prompt "提取这张攻略图的全部文字内容"
```
    （视频文件多数 OCR/图片识别无法直接理解画面，应先用 ffmpeg 抽帧 → 图片 → 再识别）
- 决策规则：
  - 图片帖（postType=1）：必做 --download，图片就是攻略正文；用当前模型的视觉能力依次查看
  - 视频帖（postType=2）：下载视频 mp4 后 用当前模型的视觉能力直接看视频内容（多模态模型可看画面+听声音），不只下封面
  - WIKI 词条（linkType=1）：不需要下载，直接 detail --render 取文字
- 识别后输出：把识别出的攻略内容（配队/声骸/武器/手法/共鸣链等）整理成结构化摘要给用户，标注来源帖子和原始链接
- 临时文件清理：识别完成后删除 %TEMP%\kurobbs_media 下的文件

富内容解析（--render / --section）

detail <entryId> --render 会自动把详情 JSON 转成 Markdown：

原始结构	输出
`content.modules[].components[]` type=`role-component`	`### 基础资料` + 性别/武器/属性列表 + 人物描述 + 立绘图片
type=`basic-component`（HTML 表格/富文本）	`### 其他信息` + markdown 表格（CV/身份/料理/实装版本）
type 含 `tabs`（突破属性表）	逐 tab 输出 `#### 1 / 20 / 40 …` 突破属性表
技能说明 / 共鸣链 / 突破材料（富文本）	markdown 标题 + 表格 + 加粗 + 链接（材料名→wiki 链接）
`content.mediaList`	`## 语音 / 媒体` + 列表

角色、武器、道具、攻略条目通用（结构相同）。
输出行数约 800–900 行 / 40KB，回答用户时按需截取相关小节（如只回答"突破材料"就贴对应小节），不要整篇转述。
简短回答用 --section：detail <entryId> --section 角色突破材料 只输出该小节（标题匹配：相同/包含，找不到会列出可用标题）。适合只回答用户关心的那一段。
攻略类词条（角色攻略 分类）的 entryId（5 位数如 23303）是占位卡片，正文在 linkGather 内嵌的 wiki 词条：search --preview 已自动解析内嵌 entryId 来预览，但 detail 23303 会 2031（需先用 list/search 拿到内嵌 entryId，如 1520510830431072256 才是真正的角色攻略正文词条）。回答用户/取攻略正文时优先用 search 返回的预览或内嵌 entryId。

列表缓存

list / search 的分页列表（每分类前 100 条）会缓存到 ~/.kurobbs-wiki-cache/list_cache.json，24 小时有效，减少重复 API 请求。
list --images 输出每条记录的封面图 URL（content.contentUrl，linkType=1 词条；linkType=4 社区帖的封面在 wikiPostList[].cover，脚本已自动补取）+ 内嵌攻略正文 entryId + 帖子ID（linkType=4 社区帖）。⚠️ list 接口不返回帖子类型：社区帖是图片帖还是视频帖无法从 list 输出判断，必须用 post <帖子ID> 查 postType（1=图片帖 / 2=视频帖），不得把社区帖一律当"多图/一图流"处理。识别图片/视频正文用当前模型的视觉能力（视觉模型支持时）；帖子正文多图用 post <帖子ID> 获取（getPostDetail 接口被 WAF 保护，裸 HTTP 请求返回 code=102，必须走 Playwright 无头浏览器）。
list --refresh 强制刷新单个分类缓存；tree --refresh 刷新目录树。
新版本/新活动分类出现而搜索不到时，先 list <该分类> --refresh 或 tree --refresh。

机制画像（probe）

probe <角色名> 从角色图鉴页 + 攻略页双页合并提取 6 维度机制档案：

维度	数据来源	提取内容
属性 / 定位	图鉴 role-component + 攻略 role-component	性别/出生/武器/属性/定位/伤害/简介
主动施加效应	图鉴「战斗风格」小节	霜渐效应等（wiki 策展字段，不受技能/共鸣链泛池文案污染）
关联/增益效应池	图鉴+攻略全文扫描	角色增益/关联的所有效应体系（供配对时"A施放X ∩ B增益X"）
增益信号	图鉴+攻略全文扫描	全伤加深/攻击提升/暴击/共鸣效率/层数上限/治疗等
流派关键词	图鉴+攻略全文扫描	生存治疗/主力输出/副C/增伤/声骸技能等
技能 / 共鸣链	图鉴「技能介绍」「共鸣链」小节	完整技能描述（含数值表）+ 6 命座效果
声骸套装 / 武器	攻略「声骸套装推荐」「武器推荐」小节	推荐套装/COST/词条/武器排名
输出流程 / 核心机制	攻略「输出流程」「核心机制」小节	操作轴 + 机制说明

画像缓存到 ~/.kurobbs-wiki-cache/roster/{角色名}.json，--refresh 强制重拉。
--json 输出结构化 JSON，供后续 pair / team 配对引擎使用。
效应识别质量：effects（主动施加）只从战斗风格提取，精确可靠；effect_buffs（关联池）全文扫描，可能含泛化信号。配对引擎应优先用 effects 做"A 施放什么"，用 effect_buffs 做"B 增益什么"。
角色名歧义：probe 秧秧 优先精确同名匹配（不会误抓"秧秧·玄翎"）。

配对引擎（pair / team）

pair <角色A> <角色B> -- 双角色 5 维度兼容评分

维度	满分	评分逻辑
效应协同	20	A 施加效应 ∩ B 增益效应（或反向），命中 +10~20
延奏匹配	20	A 延奏 buff 类型命中 B 输出方式，全伤加深通配 +18
定位互补	20	奶+输出=20、双输出=12、双奶=5、非冲突=14
声骸联动	20	双方声骸共享效应体系 +12~20
触发闭环	20	A 武器/机制所需效应 B 能提供 +12~20

评分 ≥80 高度契合 / ≥65 较好 / ≥50 一般 / <50 不推荐
画像缺失时自动 probe（方案 A），首次约 2 秒/角色。

team <目标> --pool A,B,C --top N -- 从角色池枚举最优队伍

枚举 C(pool, 2) 三人组合（目标固定），三对 pair 评分取平均排名。
--top 3 输出前三队，每队列出三对评分明细 + 亮点。
角色池缺失画像自动 probe。
--json 输出结构化结果。

team 增强（--all / --guide-pool）★ 来源标注

参数	作用
`--all`	全量枚举 60 名共鸣者（自动 probe 缓存，首次约 2 分钟，之后秒出）。消除"手动选池子漏角色"问题——例如上次 Top10 因池子漏了秧秧·玄翎，导致它没上榜
`--guide-pool`	攻略交叉验证自动补池：扫描所有角色攻略的「编队&队伍轴推荐」，把攻略点名了目标角色的组合自动加入池子（如玄翎攻略点名"穗穗+漂泊者·导电"，则玄翎、导电都进池）

每支队伍标注来源（解决"网站攻略 vs skill 自己匹配"混淆）：

🟢 攻略实锤：两名队友都被其他角色攻略点名（如 穗穗+秧秧·玄翎+弗洛洛）
🟡 混合：至少一名队友被攻略点名
🔵 引擎推断：纯机制评分，攻略未点名
每个 🟢/🟡 队伍会列出「📖 攻略依据：XX(出自秧秧·玄翎)」指出出处。

⚠️ 强制要求：转述最终回答必须带攻略 URL（真实性验证）

team 输出里，每个 🟢/🟡 队伍的标题行会带 📚https://wiki.kurobbs.com/mc/item/...（攻略正文 URL）。

agent 向用户转述 team 结果时，必须在最终回答的表格中保留「来源链接」列，把每个队伍对应的 📚 URL 原样放进去（尤其 🟢攻略实锤/🟡混合队伍），不得省略或只写"出自 XX 攻略"。这样用户能点击 URL 到库街区攻略页验证配队真实性。

反例（❌ 丢 URL）：表格只有排名/队伍/评分/来源/亮点，没链接列。正例（✅）：

text

| 排名 | 队伍 | 评分 | 来源 | 来源链接 |
| 🥇 | 绯雪+穗穗+洛瑟菈 | 92 | 🟡混合 | https://wiki.kurobbs.com/mc/item/1505630022798249984 |

若某队是 🔵引擎推断（无 URL），来源链接列填"引擎推断，无攻略"。
team --json 输出也含 source_urls 字段，转述时一并带上。

注意：--pool 与 --all 二选一；--guide-pool 可配合两者使用。

使用场景：攻略说"最优=漂泊者·导电+玄翎"，但你没这俩 -> team 穗穗 --pool 你有的角色 直接算出你的最优三队。

🎯 规则粗筛候选 + LLM 精评（推荐，配队最准）

背景：team 的纯规则评分有两个盲区——① 攻略钦定的核心队友（如绯雪的琳奈）可能因效应体系不匹配被低估；② 角色定位是多面性的（可主C可副C、又副C又奶），规则难精确判断。本流程用"规则粗筛召回 + LLM 精评排序"解决。

第 1 步：规则粗筛候选池（快，秒级）

bash

python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py candidates 绯雪 --guide-pool

输出：目标定位 + 效应体系，以及副C位/奶位/辅助位/主C位四类候选队友池（🟢攻略点名 / 🧲效应匹配标注）。这一步召回率优先——攻略点名 + 效应匹配的角色都进池，保证"真正最优的队友不漏"。

第 2 步：主 agent 按 6 维度精排（用你自己的 LLM 能力，不是脚本调 LLM）

底座是你（主 agent / LLM），不是脚本内部调 LLM。脚本只负责产出候选 + 画像，精排由你逐队完成。用 team --profile 一次拿到候选队伍 + 三角色六维度完整画像数据：

bash

python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py team 绯雪 --pool 千咲,维里奈,穗穗 --profile --top 10
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py my team 绯雪 --guide-pool --profile --top 5

--profile 输出每支候选队伍的三角色六维度完整画像数据（定位/战斗风格/技能说明/技能介绍/共鸣链/声骸/武器，逐维度完整输出、不截断），你基于这些真实全量数据逐队精排，而不是凭角色名猜。

⚠️ --profile 输出极大（实测约 170KB / 数万行，含每个技能的 Lv1-10 完整数值表）。禁止直接打到 stdout（会撑爆上下文/终端），必须重定向到临时文件再分段读：
bash
# Windows
python -X utf8 -u $SKILL_DIR/scripts/wikiquery.py team 绯雪 --pool 千咲,维里奈,穗穗 --profile --top 10 > %TEMP%\team_profile.txt 2>nul
# 然后分段读取 / 按角色名搜索取画像段
拿画像时按需搜索关键段（如 grep "定位\|声骸\|武器"），不要整篇读入上下文。

精排规则（每支队伍按 6 维度评估，输出 0-100 分）：

战斗风格：双方效应体系是否匹配
技能说明：机制角色定位（输出/增益/治疗）是否互补
技能介绍：输出类型是否被对方增益覆盖
共鸣链：命座增益是否互补
声骸套装：是否绑定同一效应体系
武器推荐：武器机制倾向是否契合

按"主C + 副C + 奶（或辅助）"三人结构判断，不是两两配对
对每队给出分数 + 一句话理由，综合排序出 Top10 完整队伍

精评要点（LLM 能理解、规则做不到的）：

千咲：定位被标"生存治疗"但实际是副C/机制拐（层数上限提升），LLM 要识别它不是纯奶
琳奈：快速协奏副C，延奏给"共鸣解放伤害加深"→ 配共鸣解放主C（如绯雪）收益高
技能说明里"队伍中可响应震谐·干涉的角色越多伤害越高"→ 需要能施加/响应该体系的队友
纯奶位（维里奈/守岸人）即使不参与效应闭环，只要保生存+增益主C就应给高分
若攻略钦定队友（如绯雪的洛瑟菈）不在用户角色池，用池内 90 满破角色替代，并明确标注"该队友是人工替代，非精排直接输出"

强制要求：转述精评结果时，表格必须保留「来源链接」列（🟢/🟡 队伍附 📚 URL），供用户点击验证。

我的账号（my 命令）— 登录库街区 + 查自己角色

⚠️ 首次使用必须先 my login 登录一次（自动开浏览器，全程在网页操作）。之后 my roles / my team 才能查到你的真实角色。

登录（纯浏览器交互，AI 执行 my login 启动服务并阻塞等待）：
1. AI 执行 my login <手机号可选> → 自动打开浏览器加载登录页（http://127.0.0.1:8090/geetest）
2. 你在网页里填手机号 → 点「获取验证码」→ 手动拖极验滑块
3. 滑块通过后自动发短信 → 页面出现验证码输入框 → 你填 6 位验证码 → 点「登录」
4. 自动登录 + 拉取角色数据 → 存 ~/.kurobbs-wiki-cache/account.json，页面显示「登录成功」
5. AI 用长超时（300 秒）的 shell 调用阻塞等待你完成（无需终端输入，纯网页操作）
查角色：my roles 列出你拥有的角色（等级/突破/共鸣链/属性/武器类型/星级，按等级降序）
查单个角色完整真实数据：my detail <角色名> 显示该角色账号实际状态（哪些共鸣链已解锁、实际装备的武器/声骸、技能等级、面板属性）——区别于 wiki 网站画像，来自 getRoleDetail 接口。
用自己角色配队：my team <目标角色> --top N 只用你实际拥有的角色当池子组队（等价于 team --pool <我的角色>）
攻略补池：my team <目标> --guide-pool 在你自己角色池基础上，自动把攻略点名目标角色的队友补进来（即使你没练，也提示"值得抽/练谁"），来源标注 🟢/🟡 并带 📚 URL
状态/原始数据：my status / my account
全量同步角色完整数据：my sync 用现有 token 重新拉取所有角色的 getRoleDetail（不重新登录）。新抽的角色自动补、练度/装备变化自动更新，输出"新增 X | 更新 Y | 未变 Z"。抽新角色或练度变化后跑一次即可；token 失效时提示先 my renew。
按需自动补拉：my detail <角色> 或 my team --profile 遇到"角色在账号里但缓存缺详情"时，自动现场调 getRoleDetail 补拉并缓存（无需手动 sync）。若无法补拉（token 失效/非本账号角色）会提示先登录/续期。
token 续期（半自动）：token 会过期（登录时存了时间戳，约 45 分钟有效期）。my roles/my team 会检测是否过期并提示；过期后执行 my renew（自动用已存手机号重新拉起登录器续期），或重新 my login
多角色账号：登录时默认以第一个绑定角色拉详情；my roles 显示所有绑定角色
登录时自动拉取每角色完整详情：my login 成功后会为每个角色调 getRoleDetail 存 role_details（共鸣链解锁状态/实际武器/实际声骸/技能等级/面板），供 my detail 和主 agent 用账号真实状态做六维度精排。

使用场景：用户问"我该练谁 / 帮我看我的配队"时，先 my roles 拿真实角色池，再 my team <目标> 算最优三队，避免拿全量角色池推荐你没练的角色。

🚨 强制规则：用户要求"用我的账号角色"时的处理流程

当用户明确要"用我的账号角色 / 我的号 / 我的角色池"做推荐时，必须按以下顺序执行，禁止绕路：

先跑 my status（或直接读 ~/.kurobbs-wiki-cache/account.json 是否存在）。
若已登录 → my roles 拿角色池 → my team <目标> --guide-pool 推荐，直接得出"用你的号该练谁 / 缺谁值得抽"。
若未登录 → 立即停止一切探索（不要翻历史记录、不要跑配队引擎），主动发起登录引导：
- 不需要向用户要手机号——登录页面里就有手机号输入框，用户直接在浏览器里填即可。
- 直接执行 my login（不带手机号参数，让用户全程在浏览器操作）。
- AI 用长超时（300 秒）的 shell 调用执行 my login 并阻塞等待，引导用户在浏览器里操作：填手机号 → 拖滑块 → 填验证码 → 点登录。
- 登录成功后 my roles 验证角色已拉取，再继续配队推荐。
禁止假设：账号未登录时，不得假装知道用户有哪些角色，也不得用全量角色池冒充"你的账号角色"。
禁止二次索要手机号：用户已经明确"用浏览器登录"时，不要再向用户要手机号（页面里能填）。my login 不带参数直接跑即可。
🚨 绝对禁止问手机号：my login 不需要手机号参数（phone 是可选参数，缺省时用户在网页里自己填）。任何时候都不要向用户索要手机号——直接跑 my login 打开浏览器，让用户在网页里填手机号 → 拖滑块 → 填验证码。若脚本报"缺少手机号"，检查是否传了多余参数，而不是问用户要手机号。

⚠️ 关键认知：roster/ 目录下的 60 个 json 是全角色机制画像缓存（probe 缓存），不是用户账号拥有的角色。判断账号数据只看 account.json 是否存在且未过期。

⚠️ 关键实现：my login 是纯浏览器交互（服务端 ThreadingHTTPServer + 页面三步操作），不要用终端 input() 输验证码（shell 执行无 stdin 会卡死）。AI 只需用长超时（300 秒）的 shell 调用执行 my login 并等待用户完成网页操作即可。

关键坑（必须遵守）

私有 API，无官方文档：字段结构、参数可能随站点改版变化。报错时先 tree --refresh 重拉目录树，再检查返回 msg。
list 必须用 catalogueId 参数（sid/fid 会返回"系统异常"）。
detail 必须用 id 参数且接口为 catalogue/item/getEntryDetail：entryId 参数会返回"当前词条不存在"；flow 系列接口需要登录 token（返回"访问令牌不能为空"），不要用。
请求头必须带 wiki_type=9（鸣潮）、source=h5、devcode=<32位uuid>，否则返回"wiki库类型不能为空"。脚本已内置，勿改。
低频使用：这是无鉴权接口，频繁请求可能触碰风控。批量查询时脚本内置 0.05s 限速，不要在 SKILL.md 流程中自行加速。
分类名可能动态变化：游戏更新会新增版本活动分类。用户提到新版本活动时，先 tree --refresh。
Windows 下执行务必带 -X utf8 -u（GBK 编码下中文/emoji 输出会崩）。

参考文件

references/catalogue-map.md — 分类 ID 映射速查表（核心分类 + 攻略合集）。完整 170 节点映射可用 wikiquery.py map --markdown 实时生成。
scripts/wikiquery.py — 查询 CLI（tree / map / list / detail / search / post），纯标准库实现，无第三方依赖（post 子命令例外：内部调用 post_fetch.py，依赖 playwright）。
scripts/post_fetch.py — 帖子正文多图抓取（Playwright 无头浏览器绕过 WAF）。post 命令的底层实现。

已知卡点速查（实战复盘沉淀，遇到以下情况直接照做）

以下全部来自一次真实查询（"查穗穗组队队友"）的复盘。先照做，不要重新探索。

1. 查询最短路（2 步）

text

search <关键词> --limit 5        # 拿到 name / entryId / previewEntryId（攻略正文ID）
detail <previewEntryId 或 entryId> --section "<小节名>"   # 精确取想要的段落

配队/队友/阵容 → 攻略正文（角色攻略 词条）--section "编队&队伍轴推荐"
武器 → --section "武器推荐"；声骸 → --section "声骸套装推荐"；突破 → --section "角色突破材料"
拿不到目标小节就先用 --section __不存在__（或任意不存在的标题）触发可用标题列表，一次看到所有小节名，再精确指定。

2. 命令拼接 / 管道（Windows cmd）

情况	正确做法
想用 `	head` 截断
想一条命令里用 `;` 分隔多步	❌ cmd 会把 `;` 当参数吞掉。改用 `.bat` 文件（多行 `@echo off` + 逐步执行），或拆成多次 shell 调用
想用 `&&` 连接两步再解析	❌ 会静默失败。先执行输出重定向到文件，下一步再单独读文件
命令含中文参数 + 重定向	优先用 `.bat` 文件（里面 `chcp 65001 >nul` + `set PYTHONUTF8=1`），避免编码/拼接双坑
python 多行逻辑	❌ 禁止 `-c` 内联多行。写成 `.py` 文件再 `python -X utf8 -u 脚本.py`

铁律：任何 shell 调用命令一旦输出异常/为空，先看 stderr 和是否拼接被吞，不要立刻重试或改参数。

3. 攻略词条 = 占位卡片（这不是 bug，是结构）

角色攻略/玩法攻略 等分类下列出的 id（如 23303）是占位卡片，直接 detail <它> 会 2031「当前词条不存在」——这是预期行为，不是报错，不用排查。
真实正文在卡片的 content.linkGather[].linkConfig{linkType:1, entryId} 里；search --preview 已自动解析并用 previewEntryId 取详情预览。
需要攻略全文时：search <关键词> --json 拿 previewEntryId，再 detail <previewEntryId> --render/--section。
部分攻略卡片（kuro-post 社区贴）detail 也会 2031（那是帖子不是 wiki 词条）。这类帖子用 post <帖子ID> 拿正文媒体（list --images 已输出帖子ID+封面）；只有纯 wiki 词条用 detail。⚠️ 先 post <帖子ID> --json 看 postType：1=图片帖（图在 images/封面），2=视频帖（只有 m3u8 视频，没有正文多图，别当一图流处理）。

4. 用 `--json` 验证数据，不要用肉眼猜

search <关键词> --json 输出完整结构化结果（含 entryId、previewEntryId、category）。拿字段一律用 --json，不要从普通文本输出里肉眼拼。
若 --json 输出异常（如空数组），先裸跑一次最简单命令（无管道、无重定向、无拼接）确认是脚本问题还是命令拼接问题——大概率是拼接问题（见第 2 条）。

5. 输出很大时的处理

detail --render 约 800-900 行 / 40KB；--json 可能 33 万字符。别直接打到 stdout（撑爆上下文），重定向到 %TEMP%\ 或项目临时文件，再分段读/按需 grep。
team --profile 约 170KB / 数万行（含 Lv1-10 技能数值表），同属"输出很大"命令，必须重定向到文件再分段读（详见"规则粗筛 + LLM 精评"一节的 202-209 行重定向命令）。
回答用户永远用 --section 或从中截取相关小节，绝不整篇贴出。

6. 缓存与时效

列表缓存 24h。查"最新版本/新活动"内容搜不到时：list <分类> --refresh 或 tree --refresh。
攻略正文会标注"仅供当期参考"（如 V3.5），回答用户时注明时效。

kurobbs-wiki

Install

库街区鸣潮 WIKI 查询

触发条件

命令速查（在 skill 目录下执行）

查询工作流

富内容解析（--render / --section）

列表缓存

机制画像（probe）

配对引擎（pair / team）

pair <角色A> <角色B> -- 双角色 5 维度兼容评分

team <目标> --pool A,B,C --top N -- 从角色池枚举最优队伍

team 增强（--all / --guide-pool）★ 来源标注

⚠️ 强制要求：转述最终回答必须带攻略 URL（真实性验证）

🎯 规则粗筛候选 + LLM 精评（推荐，配队最准）

我的账号（my 命令）— 登录库街区 + 查自己角色

🚨 强制规则：用户要求"用我的账号角色"时的处理流程

关键坑（必须遵守）

参考文件

已知卡点速查（实战复盘沉淀，遇到以下情况直接照做）

1. 查询最短路（2 步）

2. 命令拼接 / 管道（Windows cmd）

3. 攻略词条 = 占位卡片（这不是 bug，是结构）

4. 用 --json 验证数据，不要用肉眼猜

5. 输出很大时的处理

6. 缓存与时效

Related skills

4. 用 `--json` 验证数据，不要用肉眼猜