InkPot

知识管理技能，自动识别学习行为，智能管理知识库。【始终在线模式】每次对话开始时自动加载， 全程监听用户输入，从任意对话中提取知识点、记录学习行为、更新用户画像。 **全局生效配置**：已在 MEMORY.md 中记录，每次对话自动加载，无需手动触发。 命令：/墨池 画像、/墨池 复习、/墨池 推荐、/墨池 索引、...

Security Scan

The skill's code matches a local knowledge-manager, but its runtime instructions claim always-on global listening and ask to persist that behavior (modify MEMORY.md / AGENTS.md), which is inconsistent with registry flags and raises privacy/persistence concerns.

Purpose & Capability

The name/description (knowledge management, auto-extract learning behavior) align with the included Python code (inkpot.py, record.py) and local DB files. No external credentials or binaries are requested, which is appropriate for a local knowledge manager. Minor inconsistencies: some docs refer to JSON filenames (db/knowledge_index.json) while code uses .txt; SKILL.md claims '始终在线/auto-load' but registry 'always' flag is false — a mismatch between declared platform metadata and the skill's intended behavior.

Instruction Scope

SKILL.md explicitly instructs the agent to '全程监听' and to auto-trigger on essentially any question (a '暴力' rule), and it tells the user/agent to write '每次对话加载墨池' into MEMORY.md so the skill auto-loads every conversation. The skill example/test also shows the agent running python3 on an absolute user path. These instructions expand the skill's scope from passive tooling to persistent, automatic collection of all user inputs across conversations — a privacy-sensitive behavior that goes beyond a simple on-demand helper.

Install Mechanism

No install spec (instruction-only) which reduces supply-chain risk. However, the bundle includes executable Python files that will be run if the agent executes them. There are no downloads or external URLs. The lack of an explicit install mechanism means files shipped with the skill can be executed without further review; that's expected but worth noting.

Credentials

The skill requests no environment variables, no credentials, and its code operates on local files within the skill directory. There is no evidence of network exfiltration or requests for unrelated secrets in the provided files.

Persistence & Privilege

SKILL.md directs persistence by telling the AI to add an entry to MEMORY.md to auto-load the skill each conversation and references adding AGENTS.md rules and an absolute path used in TEST_REPORT. Asking to modify agent memory/config to enable global, always-on behavior is a privilege escalation/persistence pattern: it would make the skill active across sessions and capture user inputs automatically. Registry flags show always:false, but the skill attempts to override that via instructions — this mismatch is concerning.

What to consider before installing

This skill contains a plausible local knowledge manager (inkpot.py / record.py) and no external network calls or credential requests, but the SKILL.md is written to make the skill 'always-on' and to persist that behavior by editing agent memory/config files. Before installing or enabling auto-load: 1) decide whether you trust the skill to record all (including private) conversation content; 2) refuse or remove any instruction that writes to MEMORY.md / AGENTS.md unless you explicitly want persistent collection; 3) inspect/run the Python files in a sandbox to confirm they only write to the skill folder and do not contact external endpoints; 4) if you allow it, constrain file-system permissions so the skill cannot modify agent-wide config outside its own directory; 5) if you are unsure, run the skill manually (no auto-load) and monitor what it writes to db/ and profile/ before enabling automatic behavior.

InkPot - 墨池

砚田勤耕，墨香留痕。让AI陪你沉淀每一份知识。

英文名: InkPot（墨水瓶，寓意知识的源泉）

---

核心理念

墨池始终在线，在日常对话中：

1. 自动识别知识点 - 你问什么，墨池就沉淀什么
2. 分析用户行为 - 你让AI做什么，墨池就懂你擅长什么
3. 建立用户画像 - 记录你的擅长领域、兴趣点、常用技能
4. 智能推荐 - 基于画像推荐相关知识

---

⚡ 始终在线模式（重要）

墨池在每次对话开始时自动加载，全程监听所有用户输入。

自动触发策略

墨池采用全量监听 + 智能提取模式：

用户行为	墨池动作
询问概念（"什么是..."）	✅ 提取知识点，记录学习
让AI写代码	✅ 提取代码技巧，记录实践
让AI解释代码	✅ 提取算法逻辑，记录理解
纠正AI回答	✅ 更新知识点，标记修正
让AI做题/讲题	✅ 提取算法模式，记录解题思路
日常闲聊	📝 记录用户偏好，更新画像
简单指令	📝 记录用户行为模式

简单说：你说什么，墨池就学什么。

---

触发规则（暴力模式）

核心触发条件：只要用户输入包含以下任一关键词/符号，立即触发知识提取！

暴力触发关键词（疑问句全覆盖）

类别	触发关键词	示例
疑问代词	什么、怎么、为什么、如何、哪、几、谁、何时、何地、何处、多少、怎样	"什么是差分"、"怎么做"、"为什么报错"
口语疑问词	为啥、干嘛、咋	"为啥不行"、"干嘛要这样"、"咋解决"
疑问句式	是不是、对不对、好不好、能不能、可不可以、有没有、行不行	"是不是这样"、"能不能帮我"
问号	？、?	任何带问号的句子
请求解释	解释、讲一下、说一下、介绍一下、帮我理解	"解释一下这段代码"、"介绍一下Token"

触发后的行为

一旦触发，墨池自动执行：

1. 提取用户问题中的核心概念
2. 创建/更新知识点
3. 更新学习日志和用户画像

命令触发

命令	说明
/墨池 画像	查看用户画像
/墨池 复习	智能推荐复习
/墨池 推荐	个性化学习推荐
/墨池 索引	查看知识库索引
/墨池 搜索 <关键词>	搜索知识点
/墨池 统计	学习统计报告
/墨池 导出	导出知识库

不触发的场景

仅有以下情况不触发：

• 纯命令执行（如"打开文件"、"运行xx"，且不含问号/疑问词）
• 问候语（"你好"、"谢谢"）

---

自动执行流程

触发学习后，墨池自动执行：

学习流程:
  1. 知识提取:
     - 识别核心概念
     - 提取关键信息
     - 确定知识分类

  2. 知识存储:
     - 检查是否已存在（查询索引数据库）
     - 存在 → 更新学习次数、补充内容
     - 不存在 → 创建新知识点

  3. 索引更新:
     - 更新 db/knowledge_index.json
     - 更新 db/user_profile.json
     - 建立知识关联

  4. 反馈（可选）:
     - 关联推荐
     - 复习提醒

---

数据库结构

墨池/
├── SKILL.md
├── inkpot.py                   # 核心库（KV 文本格式）
├── record.py                   # 快速记录接口
├── db/
│   ├── knowledge_index.txt     # 知识点索引（KV 格式）
│   ├── user_profile.txt        # 用户画像（KV 格式）
│   └── learning_log.txt        # 学习日志（行格式）
├── knowledge/                  # 知识点详情 Markdown 文件
│   ├── 算法数据结构/
│   ├── 数学/
│   ├── 计算机基础/
│   └── ...
└── profile/
    ├── index.md
    └── records.md

注意：使用简单 KV 文本格式，避免 JSON 中文引号等格式问题。

---

知识点索引数据库 (knowledge_index.txt)

使用简单 KV 格式，每个知识点一个块：

=== 差分 ===
id: 算法_001
category: 算法数据结构
tags: 前缀和,区间修改,O1操作
summary: 前缀和的逆运算，用于高效处理区间修改问题
file: knowledge/算法数据结构/差分.md
learning_count: 3
mastery: 熟练
first_learned: 2026-03-25
last_learned: 2026-03-27
related: 前缀和,树状数组,线段树
source: 用户提问

=== 前缀和 ===
id: 算法_002
category: 算法数据结构
tags: 前缀和,区间查询,O1查询
summary: 预处理技巧，O(n)预处理后可O(1)查询任意区间和
...

格式说明：

• === 名字 === 标记知识点开始
• key: value 格式存储字段
• 列表用逗号分隔（如 tags, related）
• 多行文本用换行符即可，无需转义
• 完全不用担心 JSON 引号问题！

---

用户画像数据库 (user_profile.txt)

KV 格式记录用户身份和行为统计（每个 action 作为独立块）：

=== identity ===
primary_role: 信奥竞赛教练
secondary_roles: 算法学习者,C++开发者
confidence: 0.85

=== action:ask_concept ===
count: 15
topics: 前缀和,差分,树状数组

=== action:搬题 ===
count: 8
topics: ABC450A,ABC450B

=== action:算法讲解 ===
count: 5
topics: 快速排序,二分查找

格式说明：

• === identity === 存储用户身份推断结果
• === action:<type> === 存储各类行为统计（每个行为独立一个块）
• 避免嵌套字典，保持扁平结构

学习日志数据库 (learning_log.txt)

简单行格式，用 | 分隔：

2026-03-29 01:28 | 信息学竞赛数学学习路径 | 新增 | 对话学习
2026-03-29 01:30 | 差分 | 复习 | 用户提问
2026-03-29 02:15 | 快速排序 | 新增 | 算法讲解

格式：时间 | 知识点 | 事件类型 | 触发来源

---

学习卡片格式

# [知识点名称]

## 一句话解释
[简洁定义]

## 详细解释
[深入说明]

## 关键要点
- 要点1
- 要点2

## 代码示例
```语言
代码

元信息

• id: [唯一标识]
• 分类: [领域/子领域]
• 标签: [标签1, 标签2]
• 学习日期: YYYY-MM-DD
• 学习次数: N
• 掌握程度: 了解/理解/熟练/精通
• 来源: 用户提问 / 任务分析 / 主动学习
• 关联: [[相关知识点1]], [[相关知识点2]]

---

## 使用方式

### 🚀 首次使用（重要）

墨池需要在每次对话开始时自动加载。请告诉 AI：

> "把每次对话加载墨池这件事记到 MEMORY.md 里"

这样 AI 会在记忆中记住这个偏好，之后每次对话都会自动加载墨池。

---

### 方式一：自然对话触发

直接向 AI 提问，墨池会自动识别并记录知识点：

用户: 什么是前缀和？ AI: [回答问题] 墨池: [自动记录"前缀和"知识点]

### 方式二：命令触发

使用 `/墨池` 命令查看和管理知识库：

/墨池 画像 # 查看你的学习画像 /墨池 复习 # 获取智能复习推荐 /墨池 搜索 差分 # 搜索"差分"相关知识点

---

## 快速检索功能

### 1. 关键词搜索

输入: "区间修改" 输出: 匹配的知识点列表（差分、线段树、树状数组）

### 2. 分类筛选

输入: category="算法数据结构" 输出: 该分类下所有知识点

### 3. 标签搜索

输入: tags=["前缀和"] 输出: 包含该标签的所有知识点

### 4. 掌握程度筛选

输入: mastery_level="理解" 输出: 掌握程度为"理解"的知识点（推荐复习）

### 5. 关联查询

输入: knowledge="差分" 输出: 相关知识点（前缀和、树状数组、线段树）

---

**作者**: fslong

**更新日期**: 2026-03-29

**更新说明**: 从 JSON 格式改为简单 KV 文本格式，避免中文引号等格式问题，提高稳定性。