日期: 2026-07-26
状态: 设计中
版本: v0.4.0
当前知识库草稿录入依赖 Python 脚本 draft-intake.py，需要 Hermes Agent 手动调用。本次设计将草稿录入功能集成到 kb-cli，实现：
1. AI 生成草稿标题和正文
2. kb-cli 自动提取 tags（调用本地 LLM）
3. kb-cli 自动搜索相关文档并生成合并指示
4. 通过知识图谱创建 wikilinks
草稿内容 → LLM 生成 tags → kb-cli search(tags) → 搜索到 top3 文档 → LLM 生成合并指示
创建草稿，自动生成 tags 和合并指示。
kb-cli draft create --type 售后 --title "标题" --content-file /path/to/content.md
参数:
- --type: 草稿类型（售后/产品/运营/行业/TAPD）
- --title: 草稿标题
- --content-file: 草稿正文文件路径
- --source: 来源标识（可选）
- --force: 强制创建，跳过重复检查
流程:
1. 读取 content-file 内容
2. 调用 LLM 提取 tags + related_docs
3. 使用 tags 搜索知识库，获取 top3 文档
4. 调用 LLM 生成合并指示（基于 top3 文档）
5. 检查待审阅区是否已存在相同标题的草稿
6. 创建目录结构：待审阅/{类型}/NNN-YYYYMMDD-标题/
7. 写入 draft.md（包含 frontmatter + 正文）
8. 写入 merge.md（合并指示）
9. 通过 graph 匹配 related_docs，创建 wikilink edges
批量重建现有文档的 tags。
kb-cli tags rebuild [--vault=<路径>] [--dry-run] [--limit=100]
参数:
- --vault: 知识库路径（默认 ~/aisim/note/001/笔记001）
- --dry-run: 仅预览，不实际写入
- --limit: 限制处理文档数量（默认 100）
流程:
1. 扫描知识库所有 .md 文件
2. 对每个文件：
- 读取内容
- 调用 LLM 提取 tags
- 更新 frontmatter 中的 tags 字段
- 重建索引（更新 nodes 表的 tags 字段）
3. 输出统计：处理文件数、更新 tags 数
复用 generate-merge-hint.py 的配置：
- API: http://192.168.3.246:1127/v1/chat/completions
- Model: qwen3.6-35b-a3b
- 参数: temperature=0.3, max_tokens=2000, enable_thinking=False
分析以下知识库草稿，提取：
1. tags（5-10个）：
- 核心问题标签（如"充不进气"、"档案下载失败"）
- 扩展词（不同人可能的描述，如"充气慢"、"进气不足"）
- 平台/设备标签（如"电子秤平台"、"智能枪"）
2. related_docs（0-5个）：相关文档标题（用于创建链接）
输出 JSON：
{
"tags": ["充不进气", "充气慢", "进气不足", "智能枪", "电子秤平台"],
"related_docs": ["智能枪通气杆卡住漏气", "角阀充装功率不足"]
}
草稿内容：
{content}
你是一个知识库管理助手。请判断以下草稿与哪些知识库文档相关。
## 草稿内容
{draft_content}
## 候选文档（Top 3）
1. 标题: {title1}, 路径: {path1}, 相关度: {score1}
2. 标题: {title2}, 路径: {path2}, 相关度: {score2}
3. 标题: {title3}, 路径: {path3}, 相关度: {score3}
## 任务
请分析草稿与每个候选文档的相关性，输出 JSON 格式：
{
"recommendation": {
"action": "merge|new|split",
"target": "目标路径（如果 action=merge）",
"reason": "判断理由",
"confidence": "high|medium|low"
},
"analysis": [
{
"path": "文档路径",
"relevance": "high|medium|low",
"reason": "相关性说明"
}
]
}
判断标准：
- action=merge: 草稿内容与某个候选文档高度相关，应该合并
- action=new: 草稿内容是全新的，应该新建文档
- action=split: 草稿内容包含多个独立主题，应该拆分
- confidence=high: 判断很确定
- confidence=medium: 判断比较确定
- confidence=low: 判断不太确定
只输出 JSON，不要其他内容。
待审阅/
├── 售后提取/
│ ├── 001-20260726-充不进气问题/
│ │ ├── draft.md # 草稿内容（包含 tags）
│ │ └── merge.md # 合并指示
│ └── 002-20260726-档案下载失败/
│ ├── draft.md
│ └── merge.md
├── 产品提取/
├── 运营提取/
├── TAPD提取/
└── counter.json # 编号计数器
title: "充不进气问题"
type: "售后"
status: 待确认
draft: true
source: "售后诊断"
tags: [充不进气, 充气慢, 进气不足, 智能枪, 电子秤平台]
客户反馈充装时充不进气，或充气速度很慢...
draft_id: 001-20260726-充不进气问题
generated_at: 2026-07-26 10:35:00
操作类型: merge
目标: FAQ/充装类/001-智能枪通气杆卡住漏气.md
理由: 草稿描述的"充不进气"问题与现有 FAQ 001 高度相关，都是智能枪通气杆问题导致的充气异常
FAQ/充装类/001-智能枪通气杆卡住漏气.mdFAQ/充装类/017-角阀充装功率不足.mdFAQ/充装类/013-充不进气与老瓶芯片问题.mdgithub.com/mattn/go-sqlite3 (需要 CGO + FTS5 标签)LLM 客户端，封装 API 调用。
type Client struct {
apiBase string
apiKey string
model string
}
func NewClient(apiBase, apiKey, model string) *Client
func (c *Client) ExtractTags(content string) (*ExtractResult, error)
func (c *Client) GenerateMergeHint(draftContent string, candidates []SearchResult) (*MergeHint, error)
草稿录入逻辑。
type DraftIntake struct {
vaultPath string
llmClient *llm.Client
store *index.Store
}
func NewDraftIntake(vaultPath string, llmClient *llm.Client, store *index.Store) *DraftIntake
func (d *DraftIntake) CreateDraft(draftType, title, content, source string, force bool) error
func (d *DraftIntake) RebuildTags(limit int, dryRun bool) error
CLI 命令定义。
var draftCmd = &cobra.Command{
Use: "draft",
Short: "草稿管理",
}
var draftCreateCmd = &cobra.Command{
Use: "create",
Short: "创建草稿",
RunE: runDraftCreate,
}
var tagsRebuildCmd = &cobra.Command{
Use: "rebuild",
Short: "重建 tags",
RunE: runTagsRebuild,
}
问题: go-sqlite3 编译时未启用 FTS5，导致 kb-cli search 报错 no such module: fts5
解决方案: 编译时添加 CGO 标签bash go build -tags fts5 -o ~/go/bin/kb-cli
验证:bash kb-cli search 充装
问题: 需要硬编码 API 地址和密钥，还是从配置文件读取？
方案: 从环境变量读取，支持回退到默认值go apiBase := os.Getenv("KB_LLM_API_BASE") if apiBase == "" { apiBase = "http://192.168.3.246:1127/v1" }
-tags fts5kb-cli search 正常工作internal/llm/client.goExtractTags 和 GenerateMergeHint 方法internal/draft/intake.gocmd/draft.go，定义 CLI 命令--dry-run 支持缓解:
- 使用 temperature=0.3 降低随机性
- 添加 JSON 解析容错（尝试提取 ```json 代码块）
- 失败时回退到简单模式（只生成 tags，不生成 related_docs）
缓解:
- Prompt 明确要求三类 tags（核心问题 + 扩展词 + 平台/设备）
- 提供示例，引导 LLM 输出高质量 tags
- 后续可通过 tags rebuild 批量优化
缓解:
- 提供 top3 候选文档，让 LLM 有足够信息判断
- 要求 LLM 输出 confidence 字段，低置信度时提示人工审核
- 保留 merge.md 文件，方便人工修正
kb-cli draft create 能成功创建草稿，包含 tags 和合并指示kb-cli tags rebuild 能批量重建现有文档的 tags