碎片知识缝纫师

碎片知识缝纫师 - 智能收集、关联发现与知识重组工具。当用户需要：(1) 将散落在各处的碎片信息（微信、网页、文档、会议记录）进行体系化整理；(2) 发现新内容与已有知识库的关联（概念相似、话题相关、逻辑延续）；(3) 生成知识连接笔记，将相关碎片自动缝合；(4) 当某个主题积累足够多碎片时，自动生成大纲草案。触发场景包括：整理碎片、知识关联、知识缝纫、知识重组、构建知识体系等。

碎片知识缝约师 (Fragment Stitcher)

核心能力

1. 智能收集

用户可通过以下方式提供碎片内容：

• 直接粘贴文本（文章片段、聊天金句、临时想法）
• 上传截图（自动OCR提取文字）
• 提供文件路径（读取文档内容）

提取字段：

• 核心观点/关键信息
• 来源（网页/微信/文档/会议）
• 主题标签
• 创建时间

2. 关系发现

分析新内容与已有知识库的关联：

关联类型	检测方式	示例
概念相似	关键词重叠、语义相似	"AI安全"与"模型对齐"
话题相关	同一主题域	多篇关于"产品增长"的笔记
逻辑延续	前后文的承接关系	需求文档→技术方案→实现记录
补充增强	同一问题的不同角度	正面案例+反面案例

3. 自动缝合

生成"知识连接笔记"，格式：

text

📌 连接发现
来源: [新碎片]
关联: [已有知识]
关联点: [具体说明]

典型输出:
"您今天读的AI安全文章，与上周保存的'模型对齐'论文在第三章有共同假设"
"这条产品笔记，可以补充到您正在写的PRD文档的'风险章节'"

4. 渐进式成文

当某主题碎片 ≥ 5条时，提示用户可生成大纲草案：

text

📝 [主题名称] 大纲草案

## 已收集要点
- [要点1]
- [要点2]
...

## 建议结构
1. [第一章]
2. [第二章]
...

## 待补充
- [缺失的关键信息]

工作流程

Step 1: 接收碎片

询问用户碎片内容或来源。可批量接收多条碎片。

Step 2: 提取与存储

将碎片保存到 knowledge/fragments/ 目录：

• 命名格式: YYYY-MM-DD-[序号]-[主题].md
• 元数据: 日期、来源、标签、关联碎片ID

Step 3: 关系发现

扫描现有碎片库，找出潜在关联：

1. 读取 knowledge/ 目录下的现有碎片
2. 计算与新碎片的相似度
3. 列出TOP 3关联碎片及关联理由

Step 4: 生成连接笔记

如有关联，生成连接笔记保存到 knowledge/connections/

Step 5: 主题聚合检查

检查各主题的碎片数量，如达到阈值，提示生成大纲

存储结构

text

knowledge/
├── fragments/      # 原始碎片
│   └── 2024-01-15-01-AI安全.md
├── connections/    # 连接笔记
│   └── 2024-01-15-AI安全-模型对齐.md
├── outlines/       # 大纲草案
└── index.md        # 碎片索引

使用示例

用户说: "帮我整理一下最近学的AI知识"

回复: 好的！让我先看看你目前已有哪些碎片知识。请提供你想整理的内容，或者告诉我来源（如某个文件夹、网页收藏等），我来帮你：

1. 提取核心信息
2. 发现关联
3. 生成知识连接

用户说: "这条笔记可以和之前的'产品MVP'笔记关联起来"

回复: 收到！让我扫描知识库，找出最佳关联点，然后生成连接笔记。