jinchenma-knowledge-base (Jinchenma Knowledge Base)部分实测🇨🇳 中文

@jinchenma_ai 开源 11 个 Skill,给 AI Agent 搭个人知识库:保护原件、追溯来源,可选同步飞书录音

搭知识库最大的弯路是照搬别人的重架构。中文作者 @jinchenma_ai(金尘马)把自用底座开源成 jinchenma-knowledge-base:规则在 AGENTS.md,11 个 Skill(capture / media-ingest / meeting-ingestion / ai-dialogue-ingest / knowledge-analysis / query / enrich / entity-propagation 等)负责记想法、收藏外链、入库会议、存完整 AI 对话、提炼候选观点(需人确认)、查询与实体关联;可选飞书录音同步与 ASR。许可证 CC BY-NC 4.0(非商业)。我们在盒子上装 pytest/PyYAML 后跑 `scripts/run_tests.py`:146 passed + 8 subtests;`check_project.py` 报 11 个 Skill、无断链;并用 `setup.py --mode create` 在临时目录建出完整 vault 模板。未接真实飞书账号、未跑端到端采集。

访问官网 jinchenma-knowledge-base (Jinchenma Knowledge Base) ↗
定价
免费
地区
海外
出自哪里
中文社区
上架日期
2026 年 11 月 6 日
实测日期
2026 年 11 月 6 日
用的版本
jinchenma-knowledge-base @ d9c0bda (2026-11-04); 11 skills per manifest; pytest via scripts/run_tests.py
分类
效率办公调研搜索写作文案
原作者
金尘马 @jinchenma_ai ↗
我们实测
部分实测
成本 / 耗时
仓库免费开源,但 CC BY-NC 4.0 限制商业使用。运行需本机 Agent 订阅/额度;飞书、ASR、公众号/抖音采集等可选能力另需对应 CLI、Cookie 或付费 API。
来源
X @jinchenma_ai ↗GitHub jinchenma94/jinchenma-knowledge-base ↗

要解决的事

用本地 Agent(WorkBuddy / Codex / Claude Code)把日记、收藏、会议与 AI 对话沉淀成可追溯、可查询的个人知识库,而不是一堆散落 Markdown。

步骤

  1. 克隆 https://github.com/jinchenma94/jinchenma-knowledge-base(需 Python 3.10+)。把仓库本身当作 Agent 工作目录读取 AGENTS.md;Skill 从本项目执行,不必装到全局 skills 目录。
  2. 对 Agent 说:请读取 AGENTS.md,帮我把知识库建在指定独立目录;先确认路径、时区与日记日界线。或本机运行:`python3 scripts/setup.py --vault-root /绝对路径/你的库 --mode create --timezone Asia/Shanghai --day-start-hour 6`。已有库用 `--mode attach`,不迁移内容;库目录不能放在本项目内。
  3. 日常口语触发:记想法 → capture;收藏外链 → media-ingest;会议逐字稿 → meeting-ingestion;完整 AI 对话 → ai-dialogue-ingest;提炼观点 → knowledge-analysis(先展示候选,你确认后再入库);查材料 → query。
  4. 可选飞书:`pip install -r requirements-feishu.txt`,安装并登录 lark-cli,`setup.py --check feishu`,再设 `--feishu-start-from`。凭证只放本机,不写回飞书。
  5. 注意许可证:CC BY-NC 4.0,仅非商业;公开二创须署名并说明修改。别人的目录结构不要照搬——按自己的材料增删。

提示词

请读取这个项目的 AGENTS.md,帮我把知识库建立在我指定的独立目录中,先确认目录、时区和日记日界线。项目:https://github.com/jinchenma94/jinchenma-knowledge-base

原文怎么说

@jinchenma_ai:搭知识库别一上来抄重架构;三类内容是原始文件、输出成品、知识编译(概念分类,不必三个文件夹)。开源底座含目录模板与 11 个核心 Skill;原始数据坚决不动,编译层可迭代并标来源;提炼成个人观点须本人确认。国内可用 WorkBuddy,也可用 Codex / Claude Code。

我们实测

克隆 jinchenma94/jinchenma-knowledge-base(commit d9c0bda)。安装 pytest 与 requirements-dev 后执行 scripts/run_tests.py 与 scripts/check_project.py;用 setup.py --mode create 在临时目录创建 vault,并 --check base。未登录飞书、未跑 ASR/媒体真采集、未在 WorkBuddy/Claude Code 会话里走完整对话入库。

我们亲自试下来:pytest:146 passed,8 subtests passed(约 2.1s)。check_project.py:ok,skill_count=11,errors=[]。setup create:status=configured,临时库含 00-收集箱…99-配置 等目录与 AGENTS.md;--check base → ready。

怎么用上

GitHub 公开仓库;需能用 git/Python。国内可用腾讯 WorkBuddy 读写本地库;Claude Code / Codex 亦可。原帖与文档以中文为主。

适合谁

想用 Agent 长期管理个人材料、写作素材与会议纪要的人;接受非商业许可证、愿意自己确认观点入库。

踩坑提示

  • 许可证是 CC BY-NC 4.0:商业产品/培训直接打包分发可能违规,先读 LICENSE 与 NOTICE。
  • 知识库目录必须在项目外;`create` 只接受空目录,勿把个人笔记提交进 GitHub 底座仓库。
  • knowledge-analysis 提炼的是候选观点,入库前要人确认;AI 会误把「三类内容」理解成三个文件夹。
  • 我们实测:单元测试 146+8 通过、vault 模板可建;未接飞书真账号,远端同步与总结质量仍要以你本机为准。

同类用例