墨池

# InkPot - 墨池 > 砚田勤耕，墨香留痕。让AI陪你沉淀每一份知识。 **英文名**: InkPot（墨水瓶，寓意知识的源泉） --- ## 核心理念 墨池**始终在线**，在日常对话中： 1. **自动识别知识点** - 你问什么，墨池就沉淀什么 2. **分析用户行为** - 你让AI做什么，墨池就懂你擅长什么 3. **建立用户画像** - 记录你的擅长领域、兴趣点、常用技能 4. **智能推荐** - 基于画像推荐相关知识 --- ## ⚡ 始终在线模式（重要） **墨池在每次对话开始时自动加载，全程监听所有用户输入。** ### 自动触发策略 墨池采用**全量监听 + 智能提取**模式： | 用户行为 | 墨池动作 | |----------|----------| | 询问概念（"什么是..."） | ✅ 提取知识点，记录学习 | | 让AI写代码 | ✅ 提取代码技巧，记录实践 | | 让AI解释代码 | ✅ 提取算法逻辑，记录理解 | | 纠正AI回答 | ✅ 更新知识点，标记修正 | | 让AI做题/讲题 | ✅ 提取算法模式，记录解题思路 | | 日常闲聊 | 📝 记录用户偏好，更新画像 | | 简单指令 | 📝 记录用户行为模式 | **简单说：你说什么，墨池就学什么。** --- ## 触发规则（暴力模式） **核心触发条件：只要用户输入包含以下任一关键词/符号，立即触发知识提取！** ### 暴力触发关键词（疑问句全覆盖） | 类别 | 触发关键词 | 示例 | |------|------------|------| | **疑问代词** | 什么、怎么、为什么、如何、哪、几、谁、何时、何地、何处、多少、怎样 | "什么是差分"、"怎么做"、"为什么报错" | | **口语疑问词** | 为啥、干嘛、咋 | "为啥不行"、"干嘛要这样"、"咋解决" | | **疑问句式** | 是不是、对不对、好不好、能不能、可不可以、有没有、行不行 | "是不是这样"、"能不能帮我" | | **问号** | ？、? | 任何带问号的句子 | | **请求解释** | 解释、讲一下、说一下、介绍一下、帮我理解 | "解释一下这段代码"、"介绍一下Token" | ### 触发后的行为 一旦触发，墨池自动执行： 1. 提取用户问题中的核心概念 2. 创建/更新知识点 3. 更新学习日志和用户画像 ### 命令触发 | 命令 | 说明 | |------|------| | `/墨池 画像` | 查看用户画像 | | `/墨池 复习` | 智能推荐复习 | | `/墨池 推荐` | 个性化学习推荐 | | `/墨池 索引` | 查看知识库索引 | | `/墨池 搜索 <关键词>` | 搜索知识点 | | `/墨池 统计` | 学习统计报告 | | `/墨池 导出` | 导出知识库 | ### 不触发的场景 仅有以下情况不触发： - 纯命令执行（如"打开文件"、"运行xx"，且不含问号/疑问词） - 问候语（"你好"、"谢谢"） --- ## 自动执行流程 触发学习后，墨池自动执行： ```yaml 学习流程: 1. 知识提取: - 识别核心概念 - 提取关键信息 - 确定知识分类 2. 知识存储: - 检查是否已存在（查询索引数据库） - 存在 → 更新学习次数、补充内容 - 不存在 → 创建新知识点 3. 索引更新: - 更新 db/knowledge_index.json - 更新 db/user_profile.json - 建立知识关联 4. 反馈（可选）: - 关联推荐 - 复习提醒 ``` --- ## 数据库结构 ``` 墨池/ ├── SKILL.md ├── inkpot.py # 核心库（KV 文本格式） ├── record.py # 快速记录接口 ├── db/ │ ├── knowledge_index.txt # 知识点索引（KV 格式） │ ├── user_profile.txt # 用户画像（KV 格式） │ └── learning_log.txt # 学习日志（行格式） ├── knowledge/ # 知识点详情 Markdown 文件 │ ├── 算法数据结构/ │ ├── 数学/ │ ├── 计算机基础/ │ └── ... └── profile/ ├── index.md └── records.md ``` **注意**：使用简单 KV 文本格式，避免 JSON 中文引号等格式问题。 --- ## 知识点索引数据库 (knowledge_index.txt) **使用简单 KV 格式，每个知识点一个块：** ``` === 差分 === id: 算法_001 category: 算法数据结构 tags: 前缀和,区间修改,O1操作 summary: 前缀和的逆运算，用于高效处理区间修改问题 file: knowledge/算法数据结构/差分.md learning_count: 3 mastery: 熟练 first_learned: 2026-03-25 last_learned: 2026-03-27 related: 前缀和,树状数组,线段树 source: 用户提问 === 前缀和 === id: 算法_002 category: 算法数据结构 tags: 前缀和,区间查询,O1查询 summary: 预处理技巧，O(n)预处理后可O(1)查询任意区间和 ... ``` **格式说明**： - `=== 名字 ===` 标记知识点开始 - `key: value` 格式存储字段 - 列表用逗号分隔（如 tags, related） - 多行文本用换行符即可，无需转义 - **完全不用担心 JSON 引号问题！** --- ## 用户画像数据库 (user_profile.txt) **KV 格式记录用户身份和行为统计（每个 action 作为独立块）：** ``` === identity === primary_role: 信奥竞赛教练 secondary_roles: 算法学习者,C++开发者 confidence: 0.85 === action:ask_concept === count: 15 topics: 前缀和,差分,树状数组 === action:搬题 === count: 8 topics: ABC450A,ABC450B === action:算法讲解 === count: 5 topics: 快速排序,二分查找 ``` **格式说明**： - `=== identity ===` 存储用户身份推断结果 - `=== action:<type> ===` 存储各类行为统计（每个行为独立一个块） - 避免嵌套字典，保持扁平结构 ## 学习日志数据库 (learning_log.txt) **简单行格式，用 `|` 分隔：** ``` 2026-03-29 01:28 | 信息学竞赛数学学习路径 | 新增 | 对话学习 2026-03-29 01:30 | 差分 | 复习 | 用户提问 2026-03-29 02:15 | 快速排序 | 新增 | 算法讲解 ``` **格式**：`时间 | 知识点 | 事件类型 | 触发来源` --- ## 学习卡片格式 ```markdown # [知识点名称] ## 一句话解释 [简洁定义] ## 详细解释 [深入说明] ## 关键要点 - 要点1 - 要点2 ## 代码示例 ```语言 代码 ``` ## 元信息 - id: [唯一标识] - 分类: [领域/子领域] - 标签: [标签1, 标签2] - 学习日期: YYYY-MM-DD - 学习次数: N - 掌握程度: 了解/理解/熟练/精通 - 来源: 用户提问 / 任务分析 / 主动学习 - 关联: [[相关知识点1]], [[相关知识点2]] ``` --- ## 使用方式 ### 🚀 首次使用（重要） 墨池需要在每次对话开始时自动加载。请告诉 AI： > "把每次对话加载墨池这件事记到 MEMORY.md 里" 这样 AI 会在记忆中记住这个偏好，之后每次对话都会自动加载墨池。 --- ### 方式一：自然对话触发 直接向 AI 提问，墨池会自动识别并记录知识点： ``` 用户: 什么是前缀和？ AI: [回答问题] 墨池: [自动记录"前缀和"知识点] ``` ### 方式二：命令触发 使用 `/墨池` 命令查看和管理知识库： ``` /墨池 画像 # 查看你的学习画像 /墨池 复习 # 获取智能复习推荐 /墨池 搜索 差分 # 搜索"差分"相关知识点 ``` --- ## 快速检索功能 ### 1. 关键词搜索 ``` 输入: "区间修改" 输出: 匹配的知识点列表（差分、线段树、树状数组） ``` ### 2. 分类筛选 ``` 输入: category="算法数据结构" 输出: 该分类下所有知识点 ``` ### 3. 标签搜索 ``` 输入: tags=["前缀和"] 输出: 包含该标签的所有知识点 ``` ### 4. 掌握程度筛选 ``` 输入: mastery_level="理解" 输出: 掌握程度为"理解"的知识点（推荐复习） ``` ### 5. 关联查询 ``` 输入: knowledge="差分" 输出: 相关知识点（前缀和、树状数组、线段树） ``` --- **作者**: fslong **更新日期**: 2026-03-29 **更新说明**: 从 JSON 格式改为简单 KV 文本格式，避免中文引号等格式问题，提高稳定性。