让 AI 有边界地维护知识库：siyan-brain-skills

知识库需要保留什么

让 AI 整理笔记，可以节省归纳和关联的时间，也会带来新的问题：旧事实被覆盖，来源丢失，推测混入自我描述，或者矛盾被过早消除。

这些是需要防范的风险，并不意味着所有 AI 笔记方案都会失败。siyan-brain-skills 把来源、写入权限与验证步骤写进工作流，帮助使用者管理这些风险。

两个 Skill，一次建立，长期维护

这套东西分成两个 Skill，配套使用：

co-evolution-wiki 对应 /wiki，负责一次性把一个空的第二大脑骨架搭起来——完整目录、五个入口通道、系统规则、检索脚本、页面模板。
wiki-up 对应 /wiki up，负责之后每次主动触发的增量更新——扫描、分级、提升、重建索引、验证、出报告。

两者执行同一套硬边界：source 只读、不解析加密聊天、不摘录敏感值、不自动写自述层、不创建任何定时任务。更新只由用户主动触发，不存在 cron、不存在后台守护、不存在”半夜自动同步”。

三层模型：让事实、自述和结构互不污染

最底层的一个判断是：知识库不能只有一层。把项目信息、用户自我描述、知识库自身的变化历史混在一起，AI 就有了从项目成果反推人格的通道——做了 VR 项目不代表”喜欢沉浸式体验”，这种推断必须被物理隔绝。

所以这套架构把 vault 分成三层：

事实层：可观察、可溯源、可证伪。项目、技术、人物、时间线、决策。每条事实必须能追溯到 file:/// 链接。
自述层：只有用户明确说过的话——价值观、信念、原则、决策风格。只能通过 main-self-up 访谈通道写入，更新前先在 evolution/ 写快照。
结构层：知识库自身的变化历史。目录改名、页面合并、schema 迁移、自述层快照，都进这里。

三层之间没有 AI 自己搭的桥。事实层不能推断自述层，自述层不能改写事实，冲突进 self/thoughts/contradictions 等用户澄清，不自动解决。

五个入口：每一种操作走自己的写面

“问个问题”和”全库更新”不应该有一样的写权限。这套架构给每种操作单独开了一个入口通道：

main-self：查询，只读，一行都不写。
main-self-update：全局深挖事实层，写实体页和索引。
main-self-empty：当前任务沉淀，只写本次任务碰过的页面。
main-self-up：自述层访谈和进化，写 self/thoughts/*，红区。
periodic-maintenance：用户输入 wiki up 后的全库维护，走 wiki-up Skill 的七步流程。

通道是操作方式，不是知识本体。知识本体还是三层。这样设计的好处是：一个”快速问一下”不会意外重写整个 vault，因为它根本走不到能写的通道。

七种判定：每条候选先分类，再决定怎么处理

更新时，扫描器吐回来一堆候选——新文件、改动过的 README、新出现的人物目录。在它们碰到任何页面之前，每一条都要先被归到下面七种之一：

create：全新实体，建页。
update：已有实体的新事实，追加而不是覆盖。
link：只新增关系，不动实体事实。
merge：两个页面其实是同一个，合并前先在 evolution/ 记录理由。
archive：过时了，标 archived 而不是删源事实。
ignore：命中忽略规则或与知识库无关，跳过。
conflict：两个 source 说法矛盾，进 inbox，不替用户选边。

第七种是关键。AI 最容易犯的错就是看到两个矛盾的 source，自己挑一个”看起来更对的”然后把另一个删掉。这套架构把矛盾当成需要保留的信息，而不是需要立即消除的噪音。

三区写入边界：自动写、确认写、必须批准

判定完类型还不够，写入本身还要过一道风险分级：

🟢 安全区可以自动写：同步日志、简报、临时上下文、事实层追加、索引更新。低风险、可回滚、不碰身份。
🟡 审查区确认后写：新建实体页、改 wikilink 关系网、inbox 提升为新页、结构调整。中风险，影响知识图谱。
🔴 批准区必须明确批准：任何 self/thoughts/* 写入、用户的”是谁”部分、核心原则、历史快照。高风险，直接影响”用户是谁”，AI 永远不能擅自写。

无论哪个区，还有几条绝对禁止：不从项目成果反推人格、不从聊天片段推断价值观、不美化也不黑化、不做心理诊断。这些不是建议，是硬边界。

inbox：不确定的东西不进事实层

如果一条候选事实没法同时满足六个自动提升条件——source 路径明确可读、实体映射唯一、无未解决冲突、可观察不涉及身份、不含敏感值、相关页面和索引能一起更新——它不会进任何 canonical 页面。它会进 _system/inbox.md，带着 source 链接、未通过的条件、建议的处理路径，等人裁决。

inbox 是这套架构的泄压阀。冲突、敏感值、自述推断、文件名-only 证据、可能过时的状态——全部走这里，而不是直接落进事实层。AI 永远不自己解决 inbox 里的条目。

L0–L3 分级检索：从最便宜够用的层答题

回答问题时，不是把全库原始文件铺开看，而是按层级走：

L0 路由：用 INDEX 和分类索引确定主题范围。
L1 canonical：默认从权威实体页答题——项目、技术、人物、领域。
L2 context：需要历史、原因、变化过程时，再读时间线、决策、上下文页。
L3 evidence：只有证据不足或用户明确要来源时，才读 source 页和打开原始文件。

这样问答从最便宜够用的层出发，context window 不会被原始文件淹没，用户也不会在问”X 项目是什么”时拿到一整屏的源码。

验证契约：没通过就回滚，绝不提升坏数据

wiki up 的最后一步不是”写完了”，是验证。Markdown frontmatter 合法、ID 唯一、wikilink 可解析、file:/// 链接可打开、无隐私违规、新事实有 source 覆盖、检索数据库和 manifest 是同一代、golden-query 阈值通过——任何一条不过，本次改动的所有页面从备份回滚，保留上一代已知良好的检索对。

检索数据库和 manifest 只是可重建缓存。Markdown 是唯一事实来源。缓存坏了不污染事实，只让搜索降级。

两个命令试用

初始化一个新 vault：

python skills/co-evolution-wiki/scripts/init_wiki.py \
  --owner "你的名字" --vault "/path/to/wiki"

之后每次更新就一行：

wiki up

完整安装、架构说明、验证契约见 siyan-brain-skills 仓库。

写在最后

让 AI 维护知识库的真正难点，不是让它更聪明地写，而是让它在该停的地方停。三层模型挡住身份反推，七种判定保留矛盾而非消除，三区写入边界把高风险写入留给人工批准，inbox 接住所有不确定的东西。这些规则为长期维护提供了依据；实际效果仍取决于来源质量、人工审阅，以及执行时是否遵守约定。