知识管理技能，自动识别学习行为，智能管理知识库。始终在线模式：每次对话自动加载，全程监听输入，提取知识点、记录学习行为、更新用户画像。全局配置已在MEMORY.md记录，自动加载。命令：/墨池 画像、/墨池 复习、/墨池 推荐、/墨池 索引等
InkPot - 墨池
功能概述
InkPot - 墨池是一项面向实际任务的技能，主要用于砚田勤耕，墨香留痕；让AI陪你沉淀每一份知识；
核心要点
- 英文名 : InkPot（墨水瓶，寓意知识的源泉）；
- 墨池 始终在线 ，在日常对话中：；
- 自动识别知识点 - 你问什么，墨池就沉淀什么；
使用与执行
分析用户行为 - 你让AI做什么，墨池就懂你擅长什么；建立用户画像 - 记录你的擅长领域、兴趣点、常用技能；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。
结果检查与注意事项
它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
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：
- 自动识别知识点 - 你问什么，墨池就沉淀什么
- 分析用户行为 - 你让AI做什么，墨池就懂你擅长什么
- 建立用户画像 - 记录你的擅长领域、兴趣点、常用技能
- 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：
- 提取用户问题中的核心概念
- 创建/更新知识点
- 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：
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: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
# [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。
热门AI工具
相关专题
本专题介绍Gradle插件开发的基本流程，涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法，帮助你理解插件如何组织构建逻辑，减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用，涵盖文件组成、生成方法、版本配置和任务调用，帮助你理解项目如何使用指定的Gradle版本，减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法，覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查，帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法，涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查，帮助你理解各阶段的任务关系，逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞，包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等，并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案，帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件，讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置，便于团队统一检查标准。
0
2026.10.22
本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查，覆盖本地环境、Docker及多平台用法，帮助Go开发者快速上手。
0
2026.10.22
PHP2Shell漏洞是什么，哪些PHP版本和运行环境会受到影响，服务器应该如何检测与修复？本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤，以及修复验证、临时缓解和应急响应方案。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.5万人学习
共6课时 | 54.7万人学习
