核心流程 (Core Workflow)

本技能采用 三级加载机制 (Level-3 Loading) 配合 真理锚定协议 (Truth Anchoring Protocol)。请严格按照以下步骤执行。

第一步：智能摄取 (Content Ingestion)

先运行脚本获取干净的 Markdown 数据。脚本会自动清洗 HTML 噪音并处理多模态内容（PDF/OCR）。

运行摄取脚本：
- Command: python [SKILL_PATH]/scripts/content_ingester.py "INPUT_URL_OR_PATH"
- 依赖自愈: 运行前检查依赖。若发现 ImportError，立即自动执行 pip install -r [SKILL_PATH]/requirements.txt，无需询问用户。
读取结果：
- 读取 [SKILL_PATH]/config/raw_content.txt。
- 该文件已通过 html2text 清洗，可直接用于分析。

“不要轻信任何文本，哪怕它看起来很专业。” 在加载导师人格之前，必须先对摄取的内容进行准确性校验。

提取核心主张 (Claim Extraction)：
- 快速扫描 raw_content.txt。
- 提取文件中提到的所有关键事实性主张（Key Factual Claims）。
  - 重点关注：具体数据、代码API用法、历史事件、绝对化论断（"总是"、"从未"）。
联网审计 (Web Audit)：
- Tool: 调用 WebSearch。
- Query: 针对每个主张构造验证性搜索（例如："React 19 useEffect changes 2026"）。
- Constraint: 必须包含当前年份（2026）以确保时效性。
生成校准报告 (Calibration Report)：
- 在心中构建一个“红队报告”。
- 如果发现原文有误、过时或存在争议，必须在后续生成的教学笔记中显式标注。

读取系统提示词以激活“首席认知架构师”人格。

加载 Prompt：
- Command: cat [SKILL_PATH]/references/system_prompt.md
- 注意：将读取到的内容作为 System Prompt 注入当前上下文。

本步骤适用于所有领域的知识（技术、国学、学术、商业）。

根据 raw_content.txt 的内容、system_prompt.md 的指示以及第二步的校准报告，生成多模态输出。

结构化输出 (必填项)：
- 单一真理源：文章结构、模块定义、透镜应用严格遵循 system_prompt.md 中的 [Construct Narrative] 章节定义。
- 严禁偏差：不要自行发明模块，也不要遗漏 System Prompt 中标记为 [Mandatory] 的任何部分。
生成与写入：
- 必须同时生成 Markdown 和 HTML 文件。
- 写入位置：项目根目录下的独立文件夹 knowledge_{YYYYMMDD}_{Title}/
- 文件名格式：knowledge_{YYYYMMDD}_{Title}.md/html
- 内容适配：
  - 技术类：使用 Preset A（现代清爽）。
  - 国学/人文类：使用 Preset B（水墨清茶）。

在向用户交付前，必须自检以下项：

若任一项缺失，必须重新生成。

当出现以下任一场景时，请立即激活本技能：

显式学习指令：
- 用户明确要求：“学习这个”、“深度分析”、“解析链接”、“解释这个概念”、“存入知识库”。
- 关键词触发：只要用户提到“学习”或“分析”配合某个对象，必须激活。
复杂多模态输入：
- 用户提供了一个或多个 URL 链接。
- 用户上传了文档文件（PDF, Word, Markdown, TXT）。
- 用户上传了图片（PNG, JPG），且内容包含大量文字或图表。
代码深度解析：
- 用户选中或上传了代码文件，并询问：“这段代码是怎么跑的？”、“架构是怎样的？”。
隐式教学需求：
- 用户表示困惑：“我不理解这个概念”、“太难了，看不懂”。
- 用户需要降维打击：“用大白话解释一下”、“给个小白能懂的例子”。