企业官网建设流程全解析

• 人工智能
• RAG
• Agent 记忆
• MCP 服务
• 知识管理

本文围绕 gbrain 插件变体 gbrain-coding 中的concept-synthesis技能展开，它解决的是个人大脑（brain）库中最典型的"数据多、信息少"问题：信号检测器、语音笔记、链接摄入等管道每天都会为每个被提及的想法创建一张概念页，数月之后库中堆满数千张重复、近似重复、缺乏关联的存根页。读完本文，你将掌握该技能的五阶段处理管线——确定性去重合并、打分分层、LLM 综合、聚类成图、可逆策展剔除——以及每个阶段的判定规则、CLI 操作命令、输出页面格式与质量验收标准，能够直接把一套"从原始概念存根到分层知识图谱"的完整流水线复刻到自己的 gbrain 环境中。

一、这个技能解决什么问题

concept-synthesis（概念合成）的定位在技能 frontmatter 的description字段中写得非常明确：将原始概念存根去重并合成为一张分层知识图谱（tiered intellectual map，T1 Canon 到 T4 Riff），跨时间、跨来源追踪思想的演化，把数千张原始概念页变成一份可被策展的个人智力指纹（intellectual fingerprint）。技能声明为mutating: true、writes_pages: true，写入目录为concepts/（见 plugin-variants/gbrain-coding/skills/concept-synthesis/SKILL.md）。

它针对的核心痛点，是 gbrain 生态中多个摄入管道长期运行的必然结果：

• 存根泛滥：signal-detector（文本渠道）、voice-note-ingest（音频渠道）、idea-ingest（链接/文章渠道）会为每一个被提及的想法创建一张概念页，数月后积累出数千张页面，其中大量是重复或近似重复；
• 时间线碎片化：同一条来源被反复抄进多张概念页，时间线条目互相重复；
• 零综合：页面只记录"用户在某天提过 X"，没有任何合成意义上的提炼；
• 无分层：所有概念平铺，没有 Canon / Developing / Speculative / Riff 的层级区分；
• 无聚类：相关的想法之间没有链接，无法形成领域结构。

在根技能库 skills/_brain-filing-rules.md 中，concepts/目录被明确指定为"可复用框架/论点"类内容（即心智模型）的归档位置，而 concept-synthesis 正是对这片目录进行治理的核心技能。

二、五阶段架构总览

该技能把整个治理过程拆成五个阶段，前四个阶段"只向上合并、从不删除"，第五阶段才引入可逆的策展剔除（curation cull）：

Phase 1: Dedup + merge（确定性） N 张存根 → 约 N/4 个规范概念 ├── Jaccard 去重（标题 + 首段词重叠） ├── 子串去重（"founder mode" vs "founder mode vs manager mode"） ├── 语义去重（LLM 判定："这是同一个想法吗？"） └── 把重复页的时间线与别名合并进规范页 Phase 2: Score + tier（确定性 + 启发式） 每个规范概念 → 打分并分层 ├── Frequency：引用该概念的不同来源数 ├── Timespan：首次提及到末次提及的天数 ├── Breadth：出现的不同月份数 ├── Engagement：概念承载来源的平均互动量（如有） └── Tier：T1 Canon | T2 Developing | T3 Speculative | T4 Riff Phase 3: Synthesize（LLM，仅 T1+T2） T1 + T2 概念 → 富综合 ├── Evolution narrative：想法随时间如何锐化 ├── Best articulation：互动最高或最精确的引文 ├── Related concepts：指向其他概念的交叉链接 ├── Context：想法出现/演化时的背景 └── Counter-positions：这个想法反对什么 Phase 4: Cluster + map（LLM） 全部分层概念 → 智力聚类 ├── 把相关概念归入领域（LLM 自动命名） ├── 生成聚类摘要页 ├── 构建主 concepts/README.md 完整地图 └── 识别思想谱系（概念 A → 演化为概念 B） Phase 5: Curation cull（评分表 + 可逆合并） 每个概念 → 硬判定：ELITE | KEEP | MERGE/REWRITE | DELETE ├── 6 轴评分表（实质 2x、包装 1x）+ 最低实质门槛 ├── Grounding 标签（VERIFIED / OPINION / NEEDS_SOURCE / UNSAFE） ├── 聚类预算 + 声誉风险门 ├── 带反向链接合并进聚类规范页（完全可逆） └── merge_count / independent_sources → 涌现式分层提升

三、Phase 1：确定性去重与合并

第一阶段的目标是把N张存根压到约N/4张规范概念。去重分三层递进：

1. Jaccard 去重——基于标题 + 首段的词重叠度做确定性去重，重叠达到阈值即视为重复候选；
2. 子串去重——处理"founder mode"与"founder mode vs manager mode"这类包含关系，短标题被长标题吸收；
3. 语义去重——交给 LLM 回答"这两条是否表达同一个想法"。

判定为重复后，把重复页的时间线与别名（aliases）合并进规范页，别名会写进规范页 frontmatter 的aliases字段，用于后续检索。

从技能路由验证数据 routing-eval.jsonl 可以看到，该技能面向的意图正是这类批处理任务（"dedupe stubs and tier them""fold the redundant stubs into canonical heads"），同时路由测试也明确了一个边界：单页删除等一次性操作不应路由到本技能（预期技能为null），也就是说本技能只处理语料级治理。

四、Phase 2：打分与分层

每个规范概念进入评分管线，四个维度共同决定其层级：

四个层级对应不同的"生命周期阶段"：

• T1 Canon（经典）：跨年复现的永久智力指纹；
• T2 Developing（发展中）：正在锐化、可能升级为 Canon；
• T3 Speculative（推测）：公开试验中的想法；
• T4 Riff（即兴片段）：单次提及的碎片。

分层结果写入概念页 frontmatter（tier、tier_label）。质量门对层级有硬性约束：T1 不得少于 4 个月跨度或 6 次提及；T4 跨度不得超过 3 个月（详见后文"质量门"一节）。分层只写元数据，不生成综合内容——综合仅保留给 T1/T2。

五、Phase 3：T1/T2 的富综合输出格式

仅对 T1 与 T2 概念，agent 读取时间线与关联来源页，通过put_page把综合章节写入概念页。T1 Canon 的完整输出格式如下：

--- title: "concept name" type: concept tier: 1 tier_label: "Canon" mention_count: 18 distinct_months: 8 first_mention: "YYYY-MM-DD" last_mention: "YYYY-MM-DD" composite_score: 78.4 aliases: ["alternate phrasing 1", "alternate phrasing 2"] related: ["sibling-concept-1", "sibling-concept-2"] --- # concept name **Tier 1 — Canon** | 18 mentions across 8 months ## Synthesis [2-4 段叙述性文字，以第三人称分析视角追溯想法如何演化、 在用户世界观中的含义、为何重要] ## Best Articulation > "来自来源的逐字引文——这个想法最精确或互动最高的表达。" — Date ## Evolution | Period | Expression | Signal | |--------|-----------|--------| | YYYY-MM | "First articulation" | First use — aspiration frame | | YYYY-MM | "Sharpening" | Anti-pattern emerges | | YYYY-MM | "Peak form" | Cleanest expression | ## Related Concepts - sibling concept — relationship description - sibling concept — relationship description ## Timeline [含去重条目的完整时间线、引文、来源链接]

而 T3/T4 保持存根形态，不消耗 LLM 预算做综合：

--- title: "concept name" type: concept tier: 4 tier_label: "Riff" mention_count: 1 --- # concept name **Tier 4 — Riff** | 1 mention > "Quote from the source" — Date

综合章节有明确的质量纪律：必须呈现演化而非复述、必须用逐字引文而非转述、相关概念用 Markdown 链接（非 wiki 链接）、严禁编造来源或日期。引文规范细节见 conventions/quality.md——该约定强制要求每条写入大脑页的事实都带[Source: ...]内联引用，并规定了引文优先级（用户直接陈述 > 编译真相 > 时间线原始证据 > 外部来源）。

六、Phase 4：聚类与概念地图

第四阶段把所有已分层概念聚成"智力宇宙"，由 LLM 完成：

• 将相关概念归入领域并自动命名；
• 为每个聚类生成摘要页；
• 构建主地图concepts/README.md；
• 识别思想谱系（概念 A 演化为概念 B）。

concepts/README.md的规范结构：

# Intellectual Universe ## Canon (T1) — N concepts The permanent intellectual fingerprint. Ideas that recur across years. ### [Cluster Name] - concept-slug — one-line characterization - ... ## Developing (T2) — N concepts Sharpening. Might become canon. ## Speculative (T3) — N concepts Testing in public. ## Stats - Total concepts: N - T1 Canon: N - T2 Developing: N - T3 Speculative: N - T4 Riff: N - Earliest source: YYYY-MM-DD - Latest source: YYYY-MM-DD

技能的反模式清单特别警告：聚类名不许用"Various Topics"这类泛称——"如果无法给聚类命名，说明这个聚类不存在"。

七、调用方式与 CLI 操作

该技能本质上是 Markdown agent 指令：agent 复用 gbrain 既有操作 + LLM 通道执行各阶段。核心命令序列：

# 1. 列出全部概念页 gbrain query "type:concept" --limit 10000 --json # 2. Phase 1 去重 —— agent 本地执行 Jaccard + 子串去重， # 再由 LLM 通道识别语义重复。 # 3. Phase 2 分层 —— agent 按 frequency / timespan / breadth # 为每个规范概念打分，并把层级写入 frontmatter。 # 4. Phase 3 综合 —— 对每个 T1/T2，agent 读取时间线 + # 关联来源页，通过 put_page 把综合章节写到概念页。 # 5. Phase 4 聚类 —— agent 读取分层后的概念清单， # 写出包含完整智力地图的 concepts/README.md。

这些命令对应 gbrain CLI 的实际能力：gbrain query负责结构化检索，gbrain search负责混合检索（RRF 融合打分，见 src/commands/search.ts），gbrain get / put / delete负责页面读写与软删除，gbrain history / revert负责版本历史与回滚。技能文档还特别强调一点：不要对合并候选硬编码相似度阈值——gbrain search返回的是混合（RRF 融合）分数而非原始余弦相似度，任何写死的数字都会随语料与搜索模式变化而失效。

八、Phase 5：策展剔除（Curation Cull）——本技能的核心新增

Phase 1–4 只向上合并、从不删除，数月后语料里会堆积"空洞存根稀释真正有价值的复利概念"的问题。Phase 5 就是剔除通道：为每个概念给出硬判定（ELITE | KEEP | MERGE/REWRITE | DELETE），按节奏或按需运行，且每一步破坏性操作都可逆。

约定：执行前必须阅读 conventions/test-before-bulk.md——先剔除 3–5 个聚类，读取真实输出，确认无误后才跑全量。

8.1 核心之问

如果用户两年后冷不丁翻出这个概念，它是能锐化一个想法、种下一颗新种子，还是会被当作填充物直接划走？

划走 = DELETE。

8.2 六轴评分表（每轴 1–5 分）

三个"实质"轴权重2x，三个"包装/契合"轴权重1x。实质承载概念，包装为其赢得曝光面积。

SUBSTANCE（2x 权重）：

PACKAGING & FIT（1x 权重）：

8.3 评分 → 判定

加权分 = (Insight + Originality + Specificity) × 2 + (Voltage + Representative + Powerful) × 1。满分45，换算为百分比。

最低实质门槛（覆盖百分比）：若 Insight < 3 或 Originality < 3，概念永远不能被判定为 KEEP 或 ELITE。风格不能为空洞想法买单。

MERGE/REWRITE 是真实的第三判定，不是逃避选项。许多存根里困着一个有生命力的想法，只是躯干孱弱——应并入聚类规范页或重写为独立页。使用时机：Insight ≥ 3 但 Specificity 或 Voltage 拖低总分时。

8.4 硬删除触发器（任一命中即删除，不看分数）

• 心灵鸡汤式复述——正确但没有一句是贺卡不会写的；套话、无机制。
• 碎片——依赖不可获取的上下文，无法自足（除非来源罕见，且即便如此也须可理解、有用）。
• 扭曲的提取——转录乱码、思路中断、语无伦次，或伪装成概念的块头（chunk header）。
• 偏离使命的琐事——准确但用户不会去构建、相信或使用的东西。
• 聚类内重复——未通过 8.7 节操作重复测试。
• 无依据的事实断言——错误或未注明来源却以事实口吻陈述的事实/历史/因果断言（见 grounding 标签），软化或删除。

8.5 Grounding 标签（仅事实类概念）——打标签而非单纯罚分

任何事实、历史、科学或因果断言都要经过真值检查，并在 frontmatter 中写入grounding:标签：

• VERIFIED— 准确且有来源 → 可保留并部署；
• OPINION— 明确表述为用户观点或论证 → 可保留；
• NEEDS_SOURCE— 看似合理但以事实口吻出现且无来源 → 仅当改写为观点/主张后保留；
• UNSAFE— 错误，或"很抓眼球但其实是错的" → 删除或软化。

技能文档的告诫值得原文保留：不要存储自信的错误——一旦被部署，它们只会让用户"更不被理解"，而不是更被理解。引用规范遵循 conventions/quality.md。

8.6 声誉风险门

一个概念如果"抓眼球"但可能歪曲用户本人——让用户听起来残忍、轻视他人、或持有其实并不持有的立场——那它是负债而非弹药。即使电压得分再高，也要标记重写或删除。Powerful 的意思是使用时不招致反噬。

8.7 聚类预算（"大规模平庸"问题）

当大量概念来自同一来源或共享同一想法时，要评估的是集合而非单个概念。每个语义聚类的默认预算：

• 1 个规范概念（该机制最锐利的表述）——始终保留；
• +1–2 个，仅当每个都新增一个不同的机制、具体例子、不同情绪基调、新受众，或用户独有的措辞；
• 超过 3 个，仅当与活跃项目绑定。

其余一律 MERGE（优先，见 8.9）或 DELETE。同一主题下四十条近乎相同的存根 → 一条规范机制概念，也许再加一句好句子，其余全部合并。

8.8 操作重复测试

不要目测"重叠百分比"。把候选概念与聚类内最佳现有概念对比，回答：它是否新增了机制、例子、情绪基调、受众或用户专属措辞？没有 → MERGE（并保留信号）或 DELETE。有 → 它新增的东西正是保留它的理由。

8.9 带反向链接的合并（Merge-with-Backlinks，可逆——什么都不销毁）

对冗余聚类，剔除是倒置的：不要删除尾巴——把它合并进规范头，让合并台账变成显著性度量。一个想法被独立推导 N 次不是膨胀，而是语料在 N 种不同语境下标记"这很重要"。删除重复会扔掉这个信号；合并则捕获它。

每次合并会在规范页上增加三个 frontmatter 字段和一个正文章节：

• merge_count（int）——吸收的页面原始数量，含同源重复提取；
• independent_sources（int）——聚类来源的不同来源数。这才是真正的显著性度量——原始 merge_count 在单一来源被反复提取时会虚高，independent_sources 就是修正；
• backlinks（{source, angle, date}列表）——每张被吸收页的来源及其带来的具体角度。所有框架都保留下来，只是不再作为独立顶层页存在；
• ## Facets（正文）——规范机制放最上，然后每张被吸收页一行"as seen in {source}: {angle}"。概念变成多角度的，而非冗余的。

合并质量门（拒绝不完整合并）：仅当 (a)## Facets章节为每张被吸收页提供一行（来源 + 具体角度），且 (b) 每个backlinks条目都含 source + angle + date 时，合并才被写入。空 Facets 或悬空条目 = 拒绝合并并标记该聚类人工审查。不允许半合并。

区分度守卫是硬否决，不是建议。两条看起来像重复的概念，除非 LLM 裁判肯定地确认它们陈述的是同一个机制，否则不合并。默认是不合并；裁判必须"挣来"这个合并，且其 yes/no 与理由要按聚类记录。不同机制/例子/基调 → 各自独立成规范页。相似性负责提议，判断力负责裁决。

寻找合并候选——定性区间，而非数值截止线。不要硬编码相似度阈值：gbrain search返回混合（RRF 融合）分数而非原始余弦相似度，任何钉死的数字都会随语料和搜索模式变化而失效。做法是定性地搜：用每个概念的标题 + 首段搜索，当两个概念在结果列表顶部互现、且与其余结果存在可见分差时，才把另一个概念当作合并候选。共享词汇但不共享机制的概念会落在列表中部——这正是区分度守卫大显身手的区间。全量处理前，先在自己的语料分布上做校准。

8.10 合并机制（渐进式、完全可逆）

# 0. 盘点被剔除的分层 gbrain query "type:concept" --limit 10000 --json # 1. 探测合并候选（双向顶部命中） gbrain search "concept title + first paragraph" --limit 10 # 2. 在触碰被吸收页之前，先原样归档到 _merged/ 下 # （并在其 frontmatter 加 merged_into: <canonical-slug>）。 # _merged/ 树就是撤销按钮。 gbrain get concepts/absorbed-stub gbrain put concepts/_merged/cluster-name/absorbed-stub # 3. 生长规范头：merge_count、independent_sources、 # backlinks，以及 ## Facets 章节 gbrain put concepts/canonical-slug # 4. 软删除被吸收的原页（在清除前可恢复） gbrain delete concepts/absorbed-stub # 撤销路径：gbrain restore <slug>（清除窗口内）、 # _merged/ 副本（清除后仍存活）、以及逐页版本历史： gbrain history concepts/canonical-slug gbrain revert concepts/canonical-slug <version_id>

分步提交。剔除期间不硬删除任何内容；_merged/树 + 软删除 + 页面历史让每一步都可逆。

8.11 合并台账 → 涌现式分层提升

把independent_sources喂回 Phase 2 的 Frequency 轴。当规范概念的independent_sources越过语料直方图中的自然间隙——看分布，不要硬编码整数——它就成为分层提升候选（T4→T3、T3→T2、T2→T1 评审）。无规模上限：一个持续吸收合并的概念理应长胖。分层边界因此是涌现的而非手工划定的——语料在告诉你一个反复出现的想法已经挣得了自己的层级。

九、质量门

去重质量

• 不允许两张概念页是"换了个说法的同一个想法"；
• 别名保存在 frontmatter 中供检索；
• 运行gbrain query "type:concept"抽查数量下降情况。

分层质量

• T1 应让人感觉"对，这就是我反复使用的框架之一"——可辨识、复现、锐利；
• T2 应让人感觉"我正在打磨这个，它越来越清晰"；
• 任何概念不得在跨度 < 4 个月或提及 < 6 次时被标为 T1；
• 任何概念不得在跨度 > 3 个月时停留在 T4。

综合质量

• 呈现演化，而非复述；
• 使用逐字引文，而非转述；
• 链接相关概念（Markdown 链接，非 wiki 链接）；
• 不编造来源或日期。

剔除质量

• 不得删除持有聚类内唯一机制表述的概念——规范概念挺过每一次剔除；
• 每次合并都通过合并质量门：填充完整的## Facets+ 完整的backlinks条目，无半合并；
• 区分度守卫裁决按聚类记录；任何合并写入前，裁判都明确说了"是"；
• 不得以事实口吻保留任何标记 UNSAFE 的主张；
• 每张被吸收页在原件软删除前都有一份逐字_merged/副本。

十、Cron 集成

这是重活，应按节奏运行而非每个信号都触发：

• 在大型摄入批次完成后（signal-detector 爆发、archive-crawler 运行等）；
• 每周 cron 做新增晋级 T1/T2 概念的增量综合；
• 语料发生重大偏移时手动触发完整再综合；
• Phase 5 剔除比综合更少运行——每月一次，或在大规模摄入波明显推高存根数之后。始终先 test-before-bulk。

十一、反模式清单

以下是技能明确列出的反模式，逐条规避即可避免最常见的事故：

• 对 T3/T4 跑综合——把 API 预算浪费在可能永远不会锐化的想法上；
• 编造引文或日期——时间线必须能对照既有大脑页验证；
• 泛化聚类名（"Various Topics"）——无法命名的聚类不是真聚类；
• 在无新来源材料的情况下重复综合已综合过的 T1——尊重幂等性；
• 对合并候选硬编码数值相似度截止线——搜索分数是语料与模式相对的，用定性区间，让区分度守卫裁决；
• 仅凭相似度合并——共享词汇不等于共享机制，区分度守卫是硬否决而非建议；
• 删除冗余概念而非向上合并——删除会扔掉驱动分层提升的频率信号；
• 因为措辞漂亮就保留空洞概念——最低实质门槛正是为此而设；
• 剔除期间硬删除——归档到_merged/+ 软删除，让每条撤销路径存活；
• 不做 3–5 个聚类抽查就全量剔除（conventions/test-before-bulk.md）。

test-before-bulk约定还给出了渐进式批量协议（10 → 100 → 500 → 全量），并要求每轮都做 count-before/count-after 核对、抽查输出、错误率 < 2%，且优先使用 gbrain 原生机制（--pace、--progress-json、--dry-run）而不是手写 shell 循环——这些同样适用于 Phase 5 的批量剔除。

十二、相关技能与契约

concept-synthesis是摄入管道的下游治理者，上游是三个产生原始存根的技能：

• signal-detector——从文本渠道产生原始概念存根；
• voice-note-ingest——从音频渠道产生原始概念存根；
• idea-ingest——从链接/文章产生原始概念存根。

技能契约（Contract）保证：路由匹配 frontmatter 中的规范触发器；输出写入writes_to:声明的目录；遵循所引用的约定（quality.md、_brain-filing-rules.md等）；保留隐私契约——不含真实姓名、不含 fork 专用文件系统路径、不含上游 fork 引用。技能的输出格式与契约声明都有对应的结构一致性测试（见test/skills-conformance.test.ts），路由行为则由 routing-eval.jsonl 中的正负例持续验证。

结语

concept-synthesis的价值在于把"积累"升级为"复利"：前四阶段用确定性算法 + LLM 把存根去重、分层、综合、聚类成可检索的知识图谱，第五阶段用一套可操作的评分表与可逆合并机制对语料做策展，让"重复出现"本身成为显著性信号而非垃圾。如果你正被个人知识库中的存根淹没，这套五阶段管线——尤其是independent_sources驱动的涌现式分层提升与_merged/归档的完全可逆剔除——是值得直接落地实践的完整方案。

• 人工智能
• RAG
• Agent 记忆
• MCP 服务
• 知识管理