从本地知识库目录检索信息/回答问题：用分层索引与按文件类型渐…

当用户要求从本地知识库目录（默认 knowledge/ 或指定路径）中查资料、检索信息或基于 Markdown/文本/PDF/Excel 回答问题时应使用。

适用场景

解决思路

1. 确定知识库根目录时，优先使用用户在对话中明确指定的路径（如 /data/kb、./docs、./knowledge-personal）。
2. 如果用户未指定路径，则默认使用当前项目根目录下的 knowledge/。
3. 使用 shell 显式检查默认根目录是否存在：优先执行 test -d knowledge，或回退执行 ls -d knowledge。
4. 禁止使用 Glob "knowledge" in . 或任何仅靠 Glob 判断目录存在性的调用，因为 Glob 只返回文件路径，空结果不能区分目录不存在和目录为空。
5. 只有在通过 test -d 等方式确认根目录存在后，才用 Glob 在该目录下检索内容，并把该目录作为 path，例如 pattern="**/data_structure.md", path="knowledge" 或 pattern="**/*.md", path="knowledge"。
6. 如果默认 knowledge/ 不存在（test -d 失败），不要猜测其他目录，明确告知用户未找到默认根目录，并要求用户指定实际知识库路径。
7. 读用户问题，提取主题/领域关键词（如“销售报表”“系统架构”“接口文档”）、时间或范围限定（如“2023 年 Q1”“最近版本”）以及需要的输出类型（解释、摘要、具体字段数值等）。
8. 确定知识库根目录：优先检查用户是否指定路径；否则用默认 knowledge/；若默认根目录不存在或结构异常，向用户询问确认，不自行假设。
9. 使用「当前工作目录」概念进行分层导航：默认从用户指定的知识库根目录开始；如果用户未指定，则使用当前目录。
10. 在当前工作目录下，如果存在 data_structure.md，使用 Read 读取前若干行（例如 limit=300），必要时分段继续读取，以了解当前目录下有哪些子目录和文件以及各自用途。
11. 基于用户问题，从 data_structure.md 中挑选最相关的若干个子目录或文件，构成候选集合。
12. 对于候选子目录，递归进入该子目录，将其作为新的「当前工作目录」，继续查找其中的 data_structure.md 并重复读取和挑选过程；避免一次性深入所有分支，优先沿与问题最相关的路径向下钻取。
13. 对于候选业务文件（md/文本、PDF、Excel 等），在完成必要的目录层级探索后，收集这些文件为最终的检索目标列表。
14. 对候选文件优先级排序：优先选择用途说明与问题主题高度匹配的领域目录和文件；其次考虑时间/版本等约束（如果索引中有体现）；通用说明类文档（如 README.md、总体设计类文档）放在较后优先级。
15. 遇到 PDF 文件时，强制执行检查清单：已读取对应 references 文档学习处理方法、已理解推荐工具和命令、已完成文件处理（提取/转换）、然后才开始检索。
16. 遇到 PDF 文件前，必须先读取 references/pdf_reading.md（该目录位于 Skills 目录下，而不是 Knowledge 目录下），学习 pdftotext 命令、pdfplumber 用法、表格提取方法、快速决策表。
17. 遇到 Excel 文件前，必须先读取 references/excel_reading.md 学习读取方法，并读取 references/excel_analysis.md 学习分析方法，重点了解 pandas 读取、列筛选、数据过滤、聚合操作。
18. 禁止在未读取 pdf_reading.md 的情况下直接尝试处理 PDF；禁止在未读取 excel_reading.md 和 excel_analysis.md 的情况下直接尝试处理 Excel；禁止跳过文件处理步骤直接对原始 PDF/Excel 进行检索。
19. 按文件类型执行处理和检索：使用刚学到的方法处理文件（提取、转换、结构化），对每类候选文件按照 Markdown/文本、PDF、Excel 策略执行。
20. 总原则：优先从最相关、最精确的文件开始；每个文件内都渐进式地局部检索，避免一次性加载全内容；若当前文件得不到满意信息，切换到下一个候选文件。
21. 关键词选择：从用户问题提取 3-8 个关键词（含可能的英文缩写、同义词、上位/下位词），可组合词组（如 "销售 报表"、"API 接口 超时"），必要时包含业务词、技术术语、常见缩写（如 uv、pv、GMV）。
22. grep 检索时始终指定尽量精准的 include 和 path，避免搜索整个目录；pattern 优先尝试问题中的核心名词、术语，再尝试同义词。
23. 对于每个 grep 命中，只读取匹配附近的局部区域（上下若干行），并保存「文件名 + 位置信息 + 文本片段」。
24. 所有文件类型都使用统一的多轮迭代检索机制，最多 5 次；维护「已尝试检索次数」计数，每次检索后累加。
25. 每轮迭代流程：基于问题生成/更新检索关键词（可包括同义词、扩展词）；选择尚未充分检索的文件或文件部分；执行检索（grep/局部读取/专用 Skill 调用）；分析获取的上下文片段；判断是否足够回答问题。
26. 迭代终止条件：找到足够支撑回答的上下文；或已达到 5 次尝试仍未找到合适信息。
27. 信息不足时：明确告知用户信息缺失或可能不在当前知识库中；提供已找到的最接近信息并说明不确定性；提示用户可以如何缩小范围（更具体的文件名、关键词、时间范围等）。
28. 处理 Markdown/文本类文件（.md、.txt、.log 等）时，根据 data_structure.md 和文件名、路径判断相关度；优先检索标题和目录类文件（如汇总文档、设计总览）。
29. 对 Markdown/文本候选文件，使用 Grep 工具并 include 限定具体后缀（如 "*.md"）；对于有匹配的文件，使用 Read 仅读取匹配附近的局部区域，通过行号偏移和 limit 控制读取（例如从匹配行附近往前后各读取几十行），避免整文件读取。
30. 如果 Markdown/文本内容仅是目录/标题，根据链接或小节名继续定位深入内容，并应用多轮迭代检索机制。
31. 处理 PDF 工作流：先读取 references/pdf_reading.md；根据 data_structure.md 描述选择最相关的 1-3 个 PDF，用户指明具体 PDF 时优先使用该文件。
32. 使用 pdf_reading.md 中推荐的工具提取文本，优先 pdftotext 或 pdfplumber；使用 `pdftotext input.pdf output.txt` 将文本提取到文件，不要直接输出到 stdout，避免占用大量 token；如需提取表格，使用 pdfplumber 的表格提取功能。
33. 对 PDF 提取结果执行 grep 关键词搜索；对每个命中，提取命中附近范围的上下文（上下数十行或相邻几页），保存「文件名 + 页码/大致位置 + 文本片段」，并应用多轮迭代检索机制。
34. 处理 Excel 工作流：先读取 references/excel_reading.md 和 references/excel_analysis.md；根据 data_structure.md 和文件/工作表命名选择最相关表，优先选择包含「报表」「统计」「日志」「配置」「映射」等关键词的工作簿/工作表，用户指明具体 Excel 文件时优先使用。
35. 使用 pandas 读取 Excel 前 10-50 行（使用 nrows 参数限制），重点掌握列名/字段名、数据类型（数值、日期、文本）、关键字段；将列名与用户问题比对，识别潜在关键字段（如「收入」「销售额」「error_code」等）。
36. 使用学到的 pandas 方法进行过滤和聚合（如 `df[df['column'] == value]`）；每次只读取匹配行附近的数据，避免一次性读取整表；如问题包含时间范围，在检索中加入时间过滤；应用多轮迭代检索机制。
37. 与其他工具协同处理 PDF：在处理 PDF 前必须先读取 references/pdf_reading.md；使用 pdfplumber/pypdf 进行文本提取、表格提取、元数据读取；优先使用 pdftotext 命令行工具进行快速文本提取。
38. 与其他工具协同处理 Excel：在处理 Excel 前必须先读取 references/excel_reading.md 和 references/excel_analysis.md；使用 pandas 进行数据探索、预览、过滤和分析。
39. 工具使用原则：Grep 用于按关键词在指定文件中查找行号与匹配片段，始终指定尽量精准的 include 和 path；Read 只用于局部读取文件，始终设置合理的 limit（如 200-500 行）和合适的偏移。
40. 对于任何可能很大的文件，禁止直接从头读到尾；始终先通过索引、目录、关键词等方式缩小范围后再读。
41. 答案组织与溯源：汇总多轮检索得到的上下文，综合回答用户问题；给出清晰、直接的回答；指出使用过的文件名（必要时包含大致位置，如章节或大概行数/页数）。
42. 如果答案基于推断或信息不完全，明确标注假设与不确定性，提示用户可以补充更具体的文件范围或关键词。
43. 回答风格：尽量用用户提问的语言（中文/英文）作答；先给出结论，再给出简要依据；如需要，在后面列出引用的文件和大致位置，例如 来源：design/api_gateway.md 第 100 行附近 或 来源：reports/2023_Q1_sales.xlsx Summary 工作表。
44. 信息缺失或不确定时：明确说明在当前知识库中没有找到完全匹配的信息或只能部分回答；不臆造事实；提示用户指定更具体的目录/文件、提供更精确的关键词或字段名、指定时间/版本范围。
45. 使用本 Skill 查询知识库时，禁止使用网络搜索等其他工具获取知识。

适用边界 · 注意事项

• 知识库不在本地、无法确认根目录且用户未指定路径时，不应使用本技能猜测检索。
• 需要通过网络搜索或其他外部工具获取知识时，不适用；本技能禁止用网络搜索查询知识库。