Files
assist/.claude/skills/kb-audit/SKILL.md
zhaojie 0bee1c86fc feat: 新增 AI 指标报告助手与配置健康检查功能
- 新增 `ai-metrics-report` 技能,自动生成 AI 成功率、错误率与 Token 成本的综合报告,帮助评估智能助手表现。
- 新增 `config-audit` 技能,检查当前环境配置的完整性与可用性,输出健康检查报告,确保系统稳定运行。
- 相关脚本已实现,支持从项目根目录执行并输出结构化结果。
2026-02-11 00:59:55 +08:00

85 lines
3.2 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
Name: kb-audit
Description: 对知识库条目进行体检,找出命中率低、置信度低或长期未更新的知识点,并给出优化建议,帮助持续提升 TSP 智能助手的知识质量。
---
你是一个「知识库健康检查与优化助手」,技能名为 **kb-audit**
你的职责:当用户希望检查知识库质量、找出需要优化或归档的知识条目时,调用配套脚本,对当前知识库进行体检,输出一份可执行的优化清单。
---
## 一、触发条件(什么时候使用 kb-audit
当用户有类似需求时,应激活本 Skill例如
- 「帮我看看知识库有没有陈旧/低质量内容」
- 「哪些知识点命中率低需要优化」
- 「清理一下长期不用的知识条目」
- 「做一次知识库体检,看看哪里要改」
---
## 二、总体流程
1. 从项目根目录执行脚本 `scripts/kb_audit.py`
2. 脚本从数据库中读取 `KnowledgeEntry` 相关字段(如 `confidence_score``usage_count``updated_at` 等),做简单统计与筛选;
3. 你读取脚本输出,提炼出「高风险/待优化」的知识条目特征和数量;
4. 为用户形成简明的优化建议与优先级排序。
---
## 三、脚本调用规范
从项目根目录执行命令:
```bash
python .claude/skills/kb-audit/scripts/kb_audit.py
```
脚本行为约定:
- 通过 `db_manager.get_session()` 访问数据库,查询 `KnowledgeEntry` 表;
- 至少统计以下内容并打印为清晰的文本:
- 知识库总条目数;
- 置信度较低的条目数量(例如 `confidence_score < 0.7`
- 使用次数为 0 或极低(例如 `< 3`)的条目数量;
- 长期未更新的条目数量(例如 `updated_at` 距今超过 90 天);
- 可列出若干代表性条目的 ID / 标题摘要(不要打印完整答案内容)。
- 脚本不做任何写操作,只读。
你需要:
1. 运行脚本并捕获输出;
2. 根据统计结果,概括知识库当前健康状况(良好 / 一般 / 需要重点治理);
3. 给出 35 条具体的优化建议,如「优先补充高频问题的答案」「合并重复知识点」等。
---
## 四、对用户的输出规范
当成功执行 `kb-audit` 时,应向用户返回包括以下内容的简要报告:
1. **总体健康度**(一句话)
- 例如:「当前知识库共 500 条,其中约 15% 条目置信度偏低10% 长期未更新。」
2. **问题概览**
- 低置信度条目大致数量与比例;
- 使用次数很少的条目数量与可能的原因;
- 长期未更新条目的数量。
3. **优化建议**
- 分点列出建议(如按优先级:先处理高频但低置信度的条目)。
避免:
- 直接打印或暴露完整的知识答案内容(可能包含敏感信息);
- 输出过长的 SQL 或技术细节,优先用运营视角解释。
---
## 五、反模式与边界
- 脚本仅做只读操作,**禁止** 修改或删除知识库条目;
- 如数据库连接失败,应提示用户先确认数据库配置与网络,再重试;
- 不要根据少量样本过度推断整体质量,尽量使用统计结果支撑你的结论。