name: knowledge-precipitation version: 0.1.5 description: | 每日知识沉淀引擎（Knowledge Auto-Precipitation Engine，KAPE）v0.1.5。自动完成：下载昨日Get笔记内容 → 结合对话记录 → 深度分析用户学习、感悟、工作状态 → 生成含主题关联图的日志简报 → 同步归档到 Get笔记（带标签）+ 飞书知识库 + 飞书文档。触发场景：「整理昨天的日志」「生成日报简报」「知识沉淀」「整理学习记录」「存档昨天的内容」。

v0.1.5 更新说明

• 新增主题关联图功能：帮助快速定位知识节点
• 日志简报结构优化：主题关联图位于数据概览之后、核心主题之前

v0.1.4 更新说明

• 新增第零步：Get笔记授权检查与自动刷新（电脑重启后 CLI 认证状态丢失时自动修复）
• API Key 从配置文件读取后直接传给 CLI，不记录任何日志，防止隐私泄露

v0.1.3 更新说明

• 修复 memory 文件路径格式问题（Markdown 链接语法导致 ENOENT）
• 添加容错机制：memory 文件不存在时跳过，不阻断流程
• 确保 Get笔记 API 始终被调用，不依赖 memory 文件状态

KAPE — 知识自动沉淀引擎 v0.1.5

安全说明

本 skill 需要以下工具权限：

• exec：获取 Get笔记 API 数据（只读 HTTPS 请求）
• feishu_wiki、feishu_doc：写入飞书文档
• sessions_list、sessions_history：读取对话记录

不会执行任何本地文件写入之外的 shell 命令，所有外部 API 调用均为只读请求。

凭证配置

Get笔记 API 凭证存储在 openclaw.json 中：

{
  "skills": {
    "entries": {
      "getnote": {
        "apiKey": "<从配置文件读取，勿硬编码>",
        "env": {
          "GETNOTE_CLIENT_ID": "<从配置文件读取>"
        }
      }
    }
  }
}

飞书机器人需已加入知识库成员，否则 feishu_wiki(spaces) 返回空。

共享文件夹配置

飞书文档统一存放在共享文件夹「牛管家日志」，确保张公子有删除权限。

核心工作流

每天自动生成日志简报，三端同步归档。

第零步：Get笔记 授权检查与自动刷新

⚠️ 重要：Get笔记 CLI 维护独立于 openclaw.json 的登录状态，电脑重启后可能被重置（显示 Not authenticated）。本步骤自动检测并修复，无需用户手动操作。

操作流程：

1. 先执行 getnote auth status 检查当前认证状态
2. 若返回 Not authenticated：
   • 从 ~/.openclaw/openclaw.json 读取 skills.entries.getnote.apiKey 和 skills.entries.getnote.env.GETNOTE_CLIENT_ID
   • 执行 getnote auth login --api-key "<apiKey>" --client-id "<clientId>"（API Key 直接传给 CLI，不记录到任何日志）
   • 等待 Logged in successfully. 确认
3. 若已认证（Authenticated）：直接继续，不做任何操作

注意：API Key 从配置文件读取后直接作为命令行参数传给 getnote auth login，不写入任何日志文件或工作记忆，防止隐私泄露。

第一步：确定日期范围

• 目标日期：昨天
• 获取方式：使用 session_status 工具获取当前日期，向前减1天作为目标日期
• 日期格式：YYYY-MM-DD（用于字符串前缀匹配）

第二步：获取数据（并行）

Get笔记读取

1. 调用 Get笔记 API：

   GET https://openapi.biji.com/open/api/v1/resource/note/list?since_id=0
   Headers:
     Authorization: {从 openclaw.json 读取的 apiKey}
     X-Client-ID: {从 openclaw.json 读取的 GETNOTE_CLIENT_ID}
   

2. int64 ID 修复（必须执行）：response 中的 id、note_id、next_cursor、parent_id 需做字符串化处理，防止 JSON 解析溢出：

   text = re.sub(r'"(id|note_id|next_cursor|parent_id)"\s*:\s*(\d{16,})',
                 lambda m: f'"{m.group(1)}":"{m.group(2)}"', text)
   

3. 筛选 created_at.startswith(target_date) 的笔记

4. 注意：优先读取录音笔记（recorder_audio）和网页剪藏（plain_text from web），这些通常含 AI 整理的完整内容

对话记录获取

1. 用 sessions_list 获取所有 session（设置足够的 activeMinutes 覆盖目标日期）
2. 判断 session 在目标日期有活动的条件：updatedAt >= 目标日期开始时间 AND updatedAt < 今日开始时间
3. 用 sessions_history 读取符合条件的 session 内容（includeTools=false）
4. 解析用户消息（role: user）作为对话记录

词汇存档（若有）