---
name: asset-refiner
description: Use when completing project work and need to extract reusable knowledge from project notes. Triggers on "整理资产", "提炼", project retrospectives, or high-context debugging sessions that revealed valuable patterns. Triggers:/asset-refine, /asset-extract
---

# 资产提炼厂 (Asset Refiner)

**角色定义**：我是你的**"知识淘金者"**。
**核心任务**：从 `项目记录` 的废墟（高语境流水账）中，提炼出可以在未来复用的 `通用技能`（低语境资产）。

## 核心原则 

核心原则需要参考 **单一体系治理规范 V1.0**：[governance.md](references/governance.md)

---

## 激活条件 (When to Use)

**触发信号**：
1.  **主动触发**：用户输入 `/asset-refine`, `/asset-extract`, `提炼资产`
2.  **目标文件**：通常针对 `项目记录/...` 下的实战笔记（或用户选中的一段文本）

**不要使用本 skill**：
- 处理已经是"通用技能"分类的笔记（它们已经是资产了）
- 纯粹的日志记录（没有可提炼的模式）
- 一次性的配置记录（除非配置本身是可复用模板）

---

## 核心工作流 (Refining Workflow)

### Phase 1: 扫描与识别 (The 3-Pass Scan)

读取当前文档（Active Document）或用户指定的内容，进行三轮扫描：

*   **Pass 1: 寻找工具 (Tools)**
    *   *特征*：Prompt 代码块、完整的 Script 脚本、配置文件 (YAML/JSON)、Checklist
    *   *资产类型*：Level A (术) - 工具/模版
*   **Pass 2: 寻找方法 (Methods)**
    *   *特征*：SOP 步骤（Step 1, 2, 3）、排错流程图、最佳实践总结
    *   *资产类型*：Level A (术) - 操作规范
*   **Pass 3: 寻找模型 (Models)**
    *   *特征*："核心结论"、定义、底层逻辑分析、通过 `Q&A` 提炼出的通用概念
    *   *资产类型*：Level S (道) - 决策模型 / Level A (术) - 概念定义

---

### Phase 1.2: 知识类型识别 (Knowledge Type Detection)

**核心任务**：判断识别到的资产属于"通用能力"还是"技术知识"，从而选择合适的模板和目标目录。

#### 判断标准

| 维度           | 通用能力/软技能                                      | 技术/专业知识                                               |
| -------------- | ---------------------------------------------------- | ----------------------------------------------------------- |
| **关键词特征** | 思维、决策、管理、习惯、认知、沟通、心理、策略、创作 | API、算法、架构、代码、协议、函数、框架、数据结构、设计模式 |
| **内容形态**   | 案例分析、心理机制、行为模式、方法论、工作流程       | 函数签名、流程图、代码块、参数表、技术规范、架构图          |
| **核心目标**   | 改变认知/行为、提升软实力                            | 掌握用法、理解原理、解决技术问题                            |
| **目标用户**   | 泛用人群（职场人、创作者等）                         | 特定领域专家（程序员、架构师等）                            |
| **典型示例**   | GTD方法、拖延症分析、写作技巧、职场决策              | React Hooks、快速排序、微服务架构、DICOM协议                |

#### 自动判断逻辑

1. **扫描关键词频率**：
   - 统计文档中"算法"、"代码"、"API"、"架构"等技术关键词出现次数
   - 统计"思维"、"决策"、"习惯"、"认知"等软技能关键词出现次数
   - 比较两类关键词的频率比值

2. **检测内容特征**：
   - 是否包含代码块（```语法）？
   - 是否包含技术参数表格？
   - 是否包含数学公式/算法伪代码？

3. **分析主题领域**：
   - 源文件路径：`1专业技能/` → 倾向技术知识
   - 源文件路径：`3通用技能/` → 倾向通用能力

4. **输出判断结果**：
   - **类型A - 通用能力**：使用五层结构模板，目标目录 `3通用技能/`
   - **类型T - 技术知识**：使用技术文档模板，目标目录 `1专业技能/`
   - **类型H - 混合型**：主要是软技能但包含技术示例（如"编程习惯养成"），使用五层结构但允许嵌入代码

#### 模板选择映射

| 知识类型      | 典型特征                     | 使用模板                                 | 目标目录                                  |
| ------------- | ---------------------------- | ---------------------------------------- | ----------------------------------------- |
| 通用能力 (A)  | 软技能、方法论、心智模型     | 五层结构（template_complete.md）         | `3通用技能/`                              |
| 技术文档 (T1) | API用法、工具脚本、配置规范  | 技术文档模板（template_technical.md）    | `1专业技能/`                              |
| 算法知识 (T2) | 算法、数据结构、复杂度分析   | 算法模板（template_algorithm.md）        | `1专业技能/A软件编程技能/算法与数据结构/` |
| 架构设计 (T3) | 架构决策、系统设计、模式对比 | 架构决策记录（template_architecture.md） | `1专业技能/A软件编程技能/架构设计/`       |

**注意**：如果自动判断不确定（如混合型内容），在 Phase 2.4 提案阶段询问用户确认模板选择。

---

### Phase 1.5: 关系识别 (Relationship Analysis)

**关键问题**：当识别到多个候选资产时，它们应该合并为一张完整卡片，还是保持独立？

**快速判断**：模型+工具合并，概念+案例合并，SOP独立，Prompt独立。

**详细规则**：参见 [关系识别详细规则](references/relationship_rules.md)

---

### Phase 2: 剥离与提案 (Stripping & Proposal)

**在此阶段，不要直接写入文件！** 必须先向用户展示 **"资产提取提案 (Refining Proposal)"**。

#### Step 2.1: 语境剥离 (Context Stripping)

对于每一个识别到的候选资产，执行以下清洗：

1.  **去除时间**：删掉具体的日期、"昨天"、"刚才"
2.  **去除特指**：将 "DicomWeb日志系统" 泛化为 "分布式日志系统"；将 "2026自媒体项目" 泛化为 "内容创作项目"
3.  **去除废话**：删掉 "AI说"、"User问"、"尝试了半天终于..."

#### Step 2.2: 完整性检查

**评估每个资产是否符合 knowledge_auditor 的五层结构标准**。

**完整度评分规则**：
- Level S: 必须包含全部5层 → 100%
- Level A: 必须包含 核心价值 + 02归因 + 03解决 + 05行动 → 80%

**详细标准**：参见 [模板填写标准](references/standards.md)

#### Step 2.3: 生成提案表格

**如果识别到需要合并的资产组合**：

| ID   | 资产类型         | 知识类型 | 建议标题          | 建议模板 | 合并建议      | 完整度 | 处理策略   |
| :--- | :--------------- | :------- | :---------------- | :------- | :------------ | :----- | :--------- |
| 1    | Level S (模型)   | 通用能力 | `道-决策模型-XXX` | 五层结构 | ⚠️ **主卡片**  | 40%    | 合并后补全 |
| 2    | Level A (Prompt) | 通用能力 | `Prompt-XXX`      | 五层结构 | → **合并到1** | 60%    | 合并到1    |

**如果识别到独立资产**：

| ID   | 资产类型 | 知识类型 | 建议标题                 | 建议模板     | 目标目录              | 剥离理由            | 完整度 | 处理建议 |
| :--- | :------- | :------- | :----------------------- | :----------- | :-------------------- | :------------------ | :----- | :------- |
| 1    | Level A  | 技术知识 | `[技术]-React Hooks用法` | 技术文档模板 | `1专业技能/前端开发/` | 移除项目特定语境... | 85%    | 可入库   |

#### Step 2.4: 用户交互

**最后询问**（包含合并选项和模板确认）：
> **📊 资产提取提案**
>
> **知识类型判断**：
> - 资产1：检测到技术关键词（算法、代码、复杂度），判定为"技术知识"
> - 资产2：检测到软技能关键词（思维、决策），判定为"通用能力"
>
> **关系分析结果**：
> - 资产1和2存在"模型-工具"包含关系，建议合并
>
> **建议模板**：
> - 资产1 → 算法模板（包含复杂度分析、伪代码）
> - 资产2 → 五层结构（包含归因和底层逻辑）
>
> **请选择处理方式**：
> - `merge 1,2` → 合并为一个完整卡片（推荐）
> - `split` → 仍然生成两个独立文件
> - `auto` → 自动判断（采用上述建议）
> - `all` → 执行全部独立资产
> - `1` → 只执行ID=1的资产
> - `tech 1` → 强制资产1使用技术模板（覆盖自动判断）
> - `general 1` → 强制资产1使用五层结构（覆盖自动判断）
> - `del` → 放弃全部

**如果自动判断不确定**（如混合型内容），明确询问：
> ⚠️ **需要你的确认**：
> 资产1既包含代码示例，又涉及思维方式的改变（如"函数式编程思维"）。
>
> 你希望重点突出：
> - `A` → 技术用法（使用技术文档模板）
> - `B` → 思维转变（使用五层结构模板）

---

## Phase 3: 执行与入库 (Execution)

### Step 3.1: 合并资产时的特殊处理

**当用户选择 `merge` 或 `auto`（且建议合并）时**：

1. **以Level更高的资产为主体**（Level S > Level A > Level B）
2. **将次级资产的内容整合为主体的子章节**：
   - Prompt/脚本 → `03 怎么解决` 的子章节（如 3.3 工具实现）
   - 案例 → `适用场景` 或 `示例` 章节
   - SOP → `03 怎么解决` 的操作步骤
3. **补全缺失的五层结构**：
   - 如果原资料中没有"02归因分析"，基于上下文推断并补充
   - 如果缺少"04底层逻辑"，提示用户："需要我基于内容补全'04底层逻辑'吗？"
4. **生成完整的合并文件**（使用完整模板）

### Step 3.2: 文件生成标准流程

1.  **确定文件名 (Naming)**：
    *   **格式**：`分类-标题-核心关键词.md`
    *   **规则**：文件名必须与文档内的 H1 标题保持一致（仅增加日期前缀）。
    *   *示例*：`道-创作心法-极简白板短视频创作法-内容战略.md`

2.  **选择目录**：
    *   **通用能力资产**：在 `E:\OBData\ObsidianDatas\3通用技能\` 下寻找最匹配的子目录（如 `知识管理`, `内容创作`, `职场发展`）
    *   **技术知识资产**：在 `E:\OBData\ObsidianDatas\1专业技能\` 下寻找最匹配的子目录（如 `A软件编程技能\前端开发`, `2医疗器械研发管理\软件工程`）
    *   如果找不到合适目录，默认放入：
        - 通用能力 → `3通用技能\Inbox`
        - 技术知识 → `1专业技能\Inbox`

2.  **修改原文件的 frontmatter 元数据**：
    *   只修改 status 字段：
    ```yaml
    status: 已提炼
    ```

3.  **建立反向链接 (Backlink)**：
    *   在**原项目笔记**头部添加资产提炼记录引用，通用模板如下：
        > [!NOTE] 资产提炼记录 (YYYY-MM-DD)
        > 本文档已提炼为以下通用资产：
        > 1. [[新资产文件名]] (Level S/A)

4.  **使用模板**：
    *   **通用能力资产**：
        - Level B 或内容不足：使用 [简化模板](references/template_simple.md)
        - Level S / Level A：使用 [完整模板](references/template_complete.md)
    *   **技术知识资产**：
        - API/工具/配置：使用 [技术文档模板](references/template_technical.md)
        - 算法/数据结构：使用 [算法模板](references/template_algorithm.md)
        - 架构/设计决策：使用 [架构决策记录模板](references/template_architecture.md)
    *   **状态标记**：新建资产的 `status` 字段必须默认为 `Beta` (🌿)，表示"刚提炼但未在其他场景验证"。只有在以后复盘确认有效后，才手动改为 `Stable`。

---

## 快速参考表 (Quick Reference)

| 场景               | 命令                    | 行为             |
| ------------------ | ----------------------- | ---------------- |
| 提取当前打开的笔记 | `/refine` 或 `/extract` | 自动扫描并提案   |
| 提取指定文本       | 选中文本 + `/refine`    | 只分析选中部分   |
| 确认全部提案       | `all`                   | 执行所有独立资产 |
| 确认单个资产       | `1` 或 `2`              | 只执行指定ID     |
| 合并关联资产       | `merge 1,2`             | 生成一个完整卡片 |
| 拒绝合并建议       | `split`                 | 仍然分别建卡     |
| 自动处理           | `auto`                  | 采用系统建议     |
| 放弃全部           | `del`                   | 不生成任何文件   |

---

## 详细参考资料

### 规则与标准
- **单一体系治理规范 V1.0**：[governance.md](references/governance.md)
- **关系识别详细规则**：[relationship_rules.md](references/relationship_rules.md)
- **模板填写标准**：[standards.md](references/standards.md)
- **完整示例**：[examples.md](references/examples.md)
- **常见错误与避坑**：[common_mistakes.md](references/common_mistakes.md)

### 通用能力模板
- **简化模板**：[template_simple.md](references/template_simple.md)
- **完整模板（五层结构）**：[template_complete.md](references/template_complete.md)

### 技术知识模板
- **技术文档模板**：[template_technical.md](references/template_technical.md) - 适用于API、工具脚本、配置规范
- **算法模板**：[template_algorithm.md](references/template_algorithm.md) - 适用于算法、数据结构、复杂度分析
- **架构决策记录模板**：[template_architecture.md](references/template_architecture.md) - 适用于架构决策、技术选型、系统设计

---