企业官网建设流程全解析

gbrain Ingest Skill 完全指南：把会议、文章、媒体与对话结构化沉淀进个人大脑

【免费下载链接】gbrainGarry's Opinionated OpenClaw/Hermes Agent Brain项目地址: https://gitcode.com/gh_mirrors/gb/gbrain

Ingest 是 gbrain 技能体系中面向"输入侧"的路由型技能：它不自己处理具体内容，而是先解析输入类型，再把任务分发到 idea-ingest、media-ingest、meeting-ingestion 等专门技能。本篇指南以 skills/ingest/SKILL.md 为骨架，完整讲解它的契约、六阶段摄取管线、实体检测协议、分类媒体工作流与原始来源保留机制，并结合仓库源码与配套规则文档，让你能直接上手把任何形式的内容（URL、视频、PDF、截图、会议转录、推文）变成带引用、带反向链接、可追溯的知识图谱节点。

1. 技能定位：一个分发器，而非处理器

Ingest 技能的前置元数据（frontmatter）明确标注了它的本质：

name: ingest description: Route content to specialized ingestion skills. Detects input type and delegates. triggers: - "ingest this" - "save this to brain" - "process this meeting" tools: - search - get_page - put_page - add_link - add_timeline_entry - sync_brain mutating: true writes_pages: true

注意三个关键信息：

• triggers：用户说 "ingest this"、"save this to brain"、"process this meeting" 时触发；
• mutating: true / writes_pages: true：这是一个会写入大脑页面的技能，不是只读查询；
• writes_to：它允许写入people/、companies/、concepts/、meetings/、sources/五个目录，恰好对应大脑的实体类型与原始数据目录。

技能正文第一行就点明了路由职责："This skill is a router."，并指引到三个专门化入口：idea-ingest、media-ingest、meeting-ingestion。也就是说，Ingest 的价值在于统一的入口协议与质量底线——无论内容从哪条通道进来，都遵守同一套归档、引用、反向链接与溯源规则。

2. 契约（Contract）：五条摄取铁律

Ingest 技能承诺的行为契约，是后续所有阶段的总纲：

1. 每条写入大脑页面的事实都带内联引用[Source: ...]，包含日期与来源（provenance）；
2. 每个实体提及都产生反向链接——从该实体的页面指向提及它的页面（Iron Law，铁律）；
3. 原始来源通过gbrain files upload-raw保留，并按大小自动路由存储位置；
4. State 区块是重写而非追加——始终写入当前最佳理解；
5. 每条入站消息都做实体检测——有代表性的实体获得页面或更新。

其中第 2 条"Iron Law"被反复强调："Every mention of a person or company with a brain page MUST create a back-link FROM that entity's page TO the page mentioning them. An unlinked mention is a broken brain."（未链接的提及就是破碎的大脑）。这条规则的具体格式定义在 skills/_brain-filing-rules.md：反向链接追加到实体页的 Timeline 或 See Also 区块，格式为- **YYYY-MM-DD** | Referenced in page title -- brief context。配套约定文档 skills/conventions/quality.md 对反向链接的定位说得很直白："An unlinked mention is a broken brain. The graph is the intelligence."——图结构本身就是智能所在。

3. 引用要求（MANDATORY）：六种来源格式与优先级

所有写入大脑页面的事实必须携带内联[Source: ...]引用。原文档给出了六种标准格式：

skills/conventions/quality.md 进一步定义了来源优先级（从高到低）：用户的直接陈述 > 编译真相（已有大脑综合）> 时间线条目（原始证据）> 外部来源（API 富化、网络搜索）。当来源冲突时，规则是同时标注矛盾双方及各自引用，而不是默默二选一——这与 skills/_brain-filing-rules.md 中"当来源冲突时，用两个引用标注矛盾，不要静默选择其一"完全一致。

4. 六阶段摄取管线：从原始输入到图谱节点

Ingest 的核心处理流程是六个有序阶段：

1. 解析来源：从输入中抽取人物、公司、日期与事件；
2. 逐个实体处理：用 gbrain 读取实体页——已存在则重写 State 区块（更新 compiled_truth，绝不追加）；不存在则先过 notability gate（重要性门槛），再按正确类型与 slug 存页；
3. 追加时间线：为每个事件在 gbrain 中添加带日期、摘要与来源引用的时间线条目；
4. 创建交叉引用链接：为每个同现的实体对创建适当关系类型的链接；
5. 反向链接所有实体：更新每个被提及实体的页面，加入指向本页的反向链接（Iron Law）；
6. 时间线合并：同一事件出现在所有被提及实体的时间线上——"Alice 在 Acme Corp 见了 Bob"，该事件要同时出现在 Alice 页、Bob 页和 Acme Corp 页。

第 4 步的"关系类型"由质量规则限定：knows、works_at、invested_in、founded、met_at、discussed六种。第 6 步的时间线合并是"时间线合并"的核心，在 skills/meeting-ingestion/SKILL.md 中有更严格的要求：多公司会议（如小组办公时间）必须按公司拆分反馈，每个公司的时间线条目携带自己的内容，而不是整个会议的混合体。

5. 每条消息的实体检测：让大脑随时间复利的信号循环

这是 Ingest 最独特的设计：生产级 Agent 应对每一条入站消息做实体检测，这是让大脑随时间复利的信号检测回路。协议分四步：

1. 扫描消息中的实体提及：人物、公司、概念、原创思考。除纯操作性消息外，每条消息都触发；
2. 对每个检测到的实体：gbrain search "name"判断页面是否存在——存在则用gbrain get <slug>加载上下文，用编译真相辅助回复，若消息含新信息则更新页面；不存在则评估重要性（见 skills/_brain-filing-rules.md），值得跟踪就用gbrain put <type/slug>创建页面；
3. 创建或更新页面后同步：gbrain sync --no-pull --no-embed；
4. 不要阻塞对话：实体检测与富化应在回复的同时进行，而不是之前——用户不应为了等待大脑写入而延迟获得答案。

什么算"值得跟踪"（notability）

• 用户会与之互动或讨论的人物（不是随机提及）；
• 与用户工作或兴趣相关的公司；
• 用户引用或创造的概念/框架；
• 用户自己的原创思考（想法、论点、观察）——价值最高。

完整的 notability gate 见 skills/_brain-filing-rules.md，其核心原则是："When in doubt, DON'T create. A missing page can be created later. A junk page wastes attention and degrades search quality."（拿不准就别建——缺失的页面以后可以补，垃圾页面浪费注意力并降低搜索质量）。

用户原创思考该捕获什么

原创思考是最高价值的信号，捕获原话——用户的语言本身就是洞察，不要转述：

• 新颖的观察或论点；
• 框架、心智模型、启发式方法；
• 别人看不到的想法之间的连接；
• 带推理的反共识立场；
• 对外部刺激的强烈反应（什么触发了它，为什么）。

这条"精确措辞保留"（Exact Phrasing Preservation）原则在 skills/_output-rules.md 中被系统化为全局规则：直接引用必须逐字保留在引用块中，想法和框架的 slug 与标题要用用户自己的术语，观察要捕获措辞而非消毒版。补充技能 skills/signal-detector/SKILL.md 把这一环做成了可选的"环境捕获"模式（默认关闭，需要用户显式 opt-in），并把"想法是智力资本，实体是记账"作为核心哲学。

6. 分类媒体工作流：按主要主题归档，而非按格式

原文档反复强调归档铁律：File by PRIMARY SUBJECT, not by format（按主要内容归档，不按格式）。完整决策协议在 skills/_brain-filing-rules.md：

1. 识别主要内容（人物？公司？概念？政策议题？）；
2. 归档到与主题匹配的目录；
3. 从相关目录交叉链接；
4. 拿不准时问自己：以后搜索时会用什么词来找这个页面？

该文档给出了一张"常见误归档模式"对照表，严禁犯的错误包括：

唯一的例外（"sui generis"）是合成输出：针对单一来源且特定读者的个性化产物（如 book-mirror 的media/books/<slug>-personalized.md），格式前缀路径是被认可的例外，但原始摄取永远不适用。

6.1 文章与网页内容

输入：用户分享的 URL，或对话中提到的文章。

流程：抓取内容（web_fetch）→ 抽取标题/作者/出版物/日期/全文 → 总结（执行摘要 + 关键论点，不是复述）→ 抽取实体 →保存原始来源（溯源）→为用户分析：不只是总结，而是结合已知信息指出有趣之处、连接、矛盾、内容机会。

写入位置：按归档规则——关于人物 ->people/、关于公司 ->companies/、可复用框架 ->concepts/、原始数据 ->sources/。专门的 idea-ingest 技能（skills/idea-ingest/SKILL.md）在此之上还有一条强制要求：作者必须建 people 页（"Anyone whose thinking is worth ingesting is worth tracking"），并返回page_path、author_path、cross_links、status四元组给调用方。

6.2 视频与播客

输入：URL（YouTube、播客等）或本地音视频文件。

流程：获取转录（尽量做说话人分离，如 Diarize.io 提供带说话人标签、词级时间戳的服务）→保存原始转录（JSON 和可读 TXT 都要）→ 分析（执行摘要、关键想法、带说话人归属的关键引语、值得注意的故事/轶事、提及的人物公司）→ 抽取并交叉引用所有实体。

硬性规则：每个视频/播客大脑页面必须链接到原始分离转录——"没有转录链接的页面是不完整的"。写入位置为media/videos/或media/podcasts/，并反向链接所有实体。

质量门槛：引人入胜的标题（不是 "This video discusses..."）、让人想看的执行摘要、真正的洞察而非话题标签、带真实说话人姓名的逐字引语（不是 "speaker_0"）、所有实体都带上下文抽取并反向链接。media-ingest 技能（skills/media-ingest/SKILL.md）在此补充了实用错误处理：YouTube 自动字幕常拼错专有名词，必须与现有大脑页面交叉核对后再建新页；无说话人分离的多说话者转录价值很低，应显著标注限制而非把全部发言归给一人；超过 2 小时的音频可能超时，需先分块。

6.3 PDF 与文档

输入：文件路径或 URL。流程：抽取文本（扫描件/图片 PDF 做 OCR）→ 保存原始来源 → 总结（执行摘要 + 关键章节 + 值得注意的数据）→ 抽取实体 → 从实体页交叉引用。写入位置按归档规则（按主要主题而非格式）。media-ingest 补充：扫描 PDF 的 OCR 质量参差不齐，若可读性 < 80% 应向用户标记而不是摄入垃圾内容；超过 500 页的书按章节总结，不内联全文，链接到原始上传。

6.4 截图与图片

输入：图片文件。流程：分析内容（文字密集图做 OCR，照片做描述）——推文截图则抽取文字/作者/日期并路由到社交媒体工作流；文章截图则抽取文字并路由到文章工作流；数据/图表则抽取数据点并描述发现。写入位置取决于内容——路由到上述对应工作流。

6.5 会议转录：实体传播是强制的

输入：会议录制服务的转录，或手动笔记。

流程：拉取完整转录（以转录为真相来源——AI 摘要可信度为中低）→保存原始转录（溯源）→ 写会议页，你的分析在上方、原始转录在下方 →实体传播（MANDATORY）：对每个与会者和被讨论的公司——若出现新信息则更新其 State 区块，向时间线追加指向会议页的条目，若人物/公司重要且无页面则创建 →会议在全部实体页更新前不算完整摄入。

写入位置：meetings/YYYY-MM-DD-short-description.md。

好会议页的标准：揭示真正的核心（不是要点堆砌）；连接到现有大脑页面（人物、公司、交易）；标出变化（状态、决策、新信息）；点明张力或未说出口的内容；捕捉真实动态而非表演式总结。

专门的 skills/meeting-ingestion/SKILL.md 把这条工作流扩展成了完整管线：任何录音器 → 标准转录记录 → 多会议拆分 → 按证据解析说话人 → 建页 → 一致性检查 → 富化每个实体 → 验证清单（内容与顺序）。其中几个机制值得留意：

• 标准转录记录（normalized transcript record）：统一 YAML 形状，三个不变量——raw_transcript_text必须完整不截断、attendees只是来源的声明（被邀请 ≠ 在场）、source_summary经过两层有损（语音转文字 + AI 摘要）必须验证；
• 拆分检测：一次录音常常包含多场背靠背会议，roster 变化、话题硬切、上下文重置都是拆分信号；
• 按证据解析说话人：绝不猜测，不确定就写[Room]或UNKNOWN并标记；内容身份检查——如果某说话人以自己的话宣称的角色与大脑页面既定身份矛盾，说明录音器张冠李戴，应按身份而非名字重归属；
• V1–V6 验证清单：内容（必要章节有实质内容）、slug 有页面且有时间线回链、说话人映射已解析、引语逐字可锚定、防虚构与会者、顺序验证（PHASE_INVERSION 与 TELEPORT 是硬性阻断项，可通过用户明确 waive 放行但必须记录）。结论是 "A meeting is NOT fully ingested until …"——验收后置是这套技能体系的共同特征。

6.6 社交媒体内容

输入：推文、推文串或社交帖子。流程：抓取完整内容（推文串、引用推文、上下文）→ 有图片则用视觉模型 OCR 做全文抽取 → 总结（说了什么、为什么重要、涉及谁）→ 抽取实体并更新大脑页面 →包含指向原帖的直接链接（引用强制要求）。写入位置：日常聚合放media/x/，若帖子主要关于某人/公司则放实体专属目录。

7. 原始来源保留（Raw Source Preservation）：可验证性的基石

每一项摄入内容都必须保留原始来源用于溯源。原文档给出了统一命令：

gbrain files upload-raw <file> --page <page-slug> --type <type>

自动大小路由：

• < 100 MB 的文本/PDF：留在 git 仓库中（大脑仓库的.raw/侧车目录）；
• >= 100 MB 或媒体文件（视频、音频、图片）：通过 TUS 可恢复上传进入云存储，大脑仓库留下.redirect.yaml指针文件。

.redirect.yaml指针格式：

target: supabase://brain-files/page-slug/filename.mp4 bucket: brain-files storage_path: page-slug/filename.mp4 size: 524288000 size_human: 500 MB hash: sha256:abc123... mime: video/mp4 uploaded: 2026-04-11T... type: transcript

访问已存文件：

gbrain files signed-url <storage-path> # 生成 1 小时有效的签名 URL，用于查看/分享 gbrain files restore <dir> # 从云存储下载回本地

此外，put_raw_data用于在大脑中存储原始 API 响应与元数据（JSON 而非二进制）。

源码佐证：这条命令链在 src/commands/files.ts 中有完整实现——runFiles分发restore、upload-raw、signed-url三个子命令；upload-raw的用法与错误分支（文件不存在、--page缺失、无法解析大脑仓库目标）都被显式处理；restoreFiles支持逐文件恢复并统计成功/失败数量。命令用法字符串明确为upload-raw <file> --page <slug> [--type <type>] [--no-pointer]，--no-pointer允许不写指针文件。根据 skills/_brain-filing-rules.md 的补充：>= 100 MB 的文件使用 TUS 可恢复上传（6 MB 分块带重试）以保可靠，命令返回 JSON——小文件为{storage: "git"}，云存储为{storage: "supabase", storagePath, reference}。

8. 批量前先测试：边际成本趋近于零

处理多个项目（批量视频摄入、批量会议处理等）时，原文档给出硬性流程：

1. 先测 3–5 个项目。有测试模式就跑测试模式；
2. 读实际输出。质量好吗？标题吸引人吗（不是 "This video discusses..."）？实体抽取并反向链接了吗？格式干净吗？
3. 修复方法/技能层面的问题，而不是用一次性补丁修单个输出；
4. 然后才批量执行，带节流，每 5–10 个项目提交一次。

原文档给出了一个极具说服力的成本论证："The marginal cost of testing 3 items first is near zero. The cost of cleaning up 100 bad pages is enormous."（先测 3 个的边际成本趋近于零，清理 100 个坏页面的成本是巨大的。）skills/enrich/SKILL.md 的批量富化规则与此完全同构：先测 3–5 个实体、只读实际输出、测试通过才批量、同一来源 3+ 实体考虑批处理或派生子 Agent、节流 API 调用、批量运行中每 5–10 个提交一次、批量后保存报告。

9. 质量规则汇总

• 执行摘要必须更新到 compiled_truth，不只是追加时间线；
• State 区块是重写而非追加——只保留当前最佳理解；
• 时间线条目逆时间序（最新的在最前）；
• 每个被提及的人物/公司，若重要就建页（见归档规则）；
• 链接类型：knows、works_at、invested_at、founded、met_at、discussed；
• 来源归属：每条时间线条目都含[Source: ...]引用；
• 反向链接：每个实体提及都产生反向链接（Iron Law）；
• 归档：按主要主题归档，不按格式或来源（见归档规则）。

10. 反模式：五个必须避开的坑

1. 向 State 区块追加内容——State 每次更新都应以当前最佳理解重写；只追加的 State 会变陈旧且自相矛盾；
2. 摄入而不建反向链接——未链接的提及就是破碎的大脑；
3. 跳过原始来源保留——没有溯源的大脑页面无法验证；
4. 不抽样测试就批量处理——先测 3–5 个，质量问题修方法而非打补丁；
5. 转述用户的原创思考——用户的精确语言就是洞察，想法/论点/框架要逐字捕获。

这些反模式与 skills/idea-ingest/SKILL.md 的扩展版高度一致，后者还额外禁止：只总结不连接大脑知识、跳过作者 people 页、摄入前不检查大脑已有覆盖、覆盖现有页面而非合并、创建concepts/strategy这类泛化 slug（应具体如concepts/flywheel-effects）、假设抓取成功而不验证实际获取了内容。

11. 输出格式：可审计的摄入报告

每次摄入结束，按以下模板向用户报告：

INGESTED: [title] ================== Page: [slug] Type: [person / company / meeting / media / concept] Source: [source description] Entities detected: N - [entity] -> [created / updated] ([slug]) Back-links created: N Timeline entries: N Raw source: [preserved at path / uploaded to cloud]

这套格式让每次摄入都可审计：页面、类型、来源、实体处理结果、反向链接数、时间线条目数、原始来源去向一目了然。meeting-ingestion 在此基础上加了验收报告约定："Meeting ingested: N attendees enriched, N entities updated, N action items captured. Verification: passed. Sequence: PASS."——若顺序检查被用户 waive 必须显式说明 "Sequence: WAIVED by user — {contradiction} stands"，若任何检查项无法通过则报告 NOT ingested 并点名失败项。先宣布"已摄入"再事后修补是契约违约；虚假的完成报告比诚实的部分完成更糟。

12. 工具清单与底层机制

Ingest 技能使用的工具与其底层 gbrain 命令对应：

一个值得注意的底层机制（记录在 skills/enrich/SKILL.md 的 v0.10.1 说明中）：页面之间的链接在每次put_page时由 auto-link 后置钩子自动创建，put_page 响应携带auto_links: { created, removed, errors }；而 MCP 写入（stdio 与 HTTP）返回auto_links: { skipped: "remote", hint }，边由 serve 维护清理或gbrain sweep --once调和，需要立即生效的边用add_link。时间线条目仍然需要显式的gbrain timeline-add调用——auto-link 只处理链接，不处理带日期的事件。同理，meeting-ingestion 也注明：gbrain put写入会议页后，auto-link 会自动为Name引用的与会者创建attended链接，无需手动gbrain link，但gbrain timeline-add仍必须显式执行。

13. 与兄弟技能的协作边界

• idea-ingest（skills/idea-ingest/SKILL.md）：链接/文章/推文/想法的专门化入口，强制作者 people 页，返回结构化结果；
• media-ingest（skills/media-ingest/SKILL.md）：视频/音频/PDF/书籍/截图/GitHub 仓库的多格式入口，覆盖 video-ingest、youtube-ingest、book-ingest 子类型；
• meeting-ingestion（skills/meeting-ingestion/SKILL.md）：统一会议管线，含拆分、去重、说话人解析、一致性检查与 V1–V6 验证；
• enrich（skills/enrich/SKILL.md）：分三级的实体富化协议，从"情报卷宗"视角丰富人物/公司页（What They Believe / What They're Building / What Motivates Them / Hobby Horses 等纹理区块）；
• signal-detector（skills/signal-detector/SKILL.md）：可选的常驻环境捕获，专注用户原创思考与实体提及；
• 规则底座：skills/_brain-filing-rules.md（归档 + 重要性门槛 + Iron Law + 引用 + 原始来源）与 skills/conventions/quality.md（跨技能质量约定）。

所有摄取技能共享同一套规则底座，这正是 Ingest 路由设计的价值：无论内容从哪条通道进来，最终都以一致的引用、反向链接与溯源标准落入大脑图谱。对运行 gbrain 的 Agent 而言，把 skills/ingest/SKILL.md 的六阶段管线、实体检测循环与批量前测试纪律内化为默认行为，就是让个人大脑从"存储笔记"升级为"复利知识图"的关键一步。

【免费下载链接】gbrainGarry's Opinionated OpenClaw/Hermes Agent Brain项目地址: https://gitcode.com/gh_mirrors/gb/gbrain