tc-knowledge

Files (16)

• SKILL.md
• openai.yaml · agents/
• README.md · references/
• atoms.jsonl · references/
• concept-dictionary.md · references/
• 天策_公开实践与创业价值观.md · references/core-sources/
• 技术合伙人_商业世界观与AI实操.md · references/core-sources/
• dbs-books.md · references/external-sources/
• action_市场验证与复盘.md · references/knowledge-packs/
• ai_AI商业落地.md · references/knowledge-packs/
• community_组织与合作边界.md · references/knowledge-packs/
• content_个人IP与内容获客.md · references/knowledge-packs/
• diagnosis_真问题与商业断点.md · references/knowledge-packs/
• product_需求产品化与交付.md · references/knowledge-packs/
• public-posts.jsonl · references/
• tc_knowledge.py · scripts/

SKILL.md (first lines)

# TC Knowledge｜天策知识库

## 一句话说明

知识库像一个有管理员的图书馆：核心参考源是看问题的眼镜，原推是原书，知识原子是带出处的小卡片，知识包是按问题装好的教材。不能把书架上所有句子都当成正确答案。

## 六种模式

### 1. 查 TC 知识

用户问天策过去说过什么、某个方法来自哪里，或要求结合 TC 知识时，使用本 Skill 目录内的脚本：

```bash
python3 scripts/tc_knowledge.py search --query "目标用户 产品化" --scope guidance --limit 5
```

实际运行时从本 `SKILL.md` 所在目录解析脚本绝对路径，不假设当前工作目录。搜索范围：

- `guidance`：默认范围，只查核心参考源、知识包和知识原子；
- `atoms`：经过筛选、带边界的知识原子；
- `posts`：仅用于用户明确要求的历史查询，只证明作者当时公开说过；
- `packs`：可以直接用于判断和行动的专项知识包；
- `sources`：技术合伙人与天策的两份核心参考框架；
- `all`：兼容旧调用，与 `guidance` 相同，不包含历史原推。

回答创业方法时先选相关核心参考源，再用知识包和原子落地。不得为了补故事、证明方向或模仿作者而检索原推。

只有用户明确问“天策过去说过什么、某条原推是什么、历史上怎样表达”时，才使用 `--scope posts`。返回后停留在历史查询，不把作者的职业、项目、收入、失败、违规经历或其他个人经历带回 `/tc` 生成项目、推荐方向或推断用户能力。

### 2. 接用户自己的知识库

用户提供飞书、Notion、网盘、代码仓库或本地目录时：

1. 先找项目级 `AGENTS.md`、`knowledge/SOURCE_OF_TRUTH.md` 或 `SOURCE_OF_TRUTH.md`；
2. 没有导航时，只扫描用户指定范围，先列资料地图；
3. 建立一份短导航，说明不同问题去哪里找、更新时间、是否允许公开；
4. 具体回答继续读取导航指向的原始文件，不只根据摘要作答；
5. 用户没有要求修改时，只读，不自动整理或上传资料。

对用户统一叫“知识库”和“知识库导航”，不要求他理解 RAG、向量库或真源等术语。

### 3. 把新资料放进 TC

先登记来源，再按五层处理：

```text
L0 原始资料：保存出处和权限，不代表认可
L1 候选原子：有场景、动作、边界和可证伪条件
L2 已验证模式：拿到真实动作与结果，或多次出现
L3 稳定方法：脱敏、通用、合规、跨案例稳定
核心参考源：多条方法背后相对稳定的世界观，只用于形成问题和判断视角
```

知识对象使用 `QST / CON / OPI / CAS / SOL`。一次先提炼 5 至 10 条高价值样本；结构和去重规则稳定后才扩大，不用“全量导入”冒充知识工程。

第三方资料没有公开授权时，原文、私有链接、人物、客户、收入和经营细节只留内部；公开版只保留脱敏后的通用方法。被列为“核心参考源”不等于作者每句话都正确，也不提高其中事实的证据等级。

### 4. 检查知识库

在官方 TC 安装包中运行：

```bash
python3 scripts/tc_knowledge.py stats
python3 scripts/tc_knowledge.py validate
```

在用户知识库中检查：导航路径是否存在、多个版本是否冲突、动态事实是否过期、私密资料是否被错误标成可公开、答案是否能回到原文件。

### 5. 查或加工 DBS 外部理论库

用户明确要求使用 dontbesilent 的开源推文集、DBS books 或“那 1,544 条精选推文”时，必须先完整读取 [dbs-books.md](references/external-sources/dbs-books.md)。AI 只用 Markdown，不读 PDF。

第一次使用时，说明上游是 CC BY-NC 4.0；用户确认仅作署名的非商业研究后运行：

```bash
python3 scripts/tc_knowledge.py external-sync \
  --source dbs-books --accept-license
```

然后按当前真问题搜索，不要顺序阅读 1,544 条：

```bash
python3 scripts/tc_knowledge.py search \
  --scope dbs-books --query "流量 变现 产品" --limit 5
```

已经下载原文件时，用 `--source-path` 指向 Markdown 文件或其目录。返回结果必须保留日期、原帖链接、主题、标签、第三方观点和许可证边界。

DBS 结果只负责提供外部视角。先用用户当前事实与 TC 方法定义问题，再选 3 至 5 条相关内容判断是否真的改变方案。商业文案、付费交付、课程和产品不得复制、洗稿或改写上游原文，除非用户已另行取得作者许可。

维护者希望让 DBS 参与 TC 迭代时，不把搜索结果直接写进 Skill。先写一份不含原文的候选 payload，再运行：

```bash
python3 scripts/tc_knowledge.py dbs-candidate \
  --query "用户需求 产品验证" \
  --payload /tmp/tc-dbs-candidate.json \
  --limit 3
```

脚本只保存 3 至 5 条来源的 ID、日期、链接、主题、标签和许可证，不保存正文；默认写入本机 `~/.tc/knowledge-candidates/`。候选固定为私有 L1、不可商用、不可自动升级。取得独立市场证据，例如真实用户原话、付款或交付后，仍要人工检查反例、许可和是否存在对 DBS 独特表达或结构的复制。

### 6. 接收用户主动授权的市场证据

`tc-state` 可以在用户明确同意后导出一份已脱敏、仍需人工复核的本机证据候选。把导出文件交给：

```bash
python3 scripts/tc_knowledge.py candidate-add \
  --payload /path/to/tc-evidence-candidate.json
```

这一步只进入本机候选区，不上传、不进入公开仓库，也不自动升级知识等级。使用：

```bash
python3 scripts/tc_knowledge.py candidate-list
```

查看候选。只有多个独立案例出现相同场景、动作和结果，且许可与隐私审查通过后，维护者才可以人工提炼 L2/L3 方法。

## 回答格式

From Leobai03/tc, Apache-2.0.

More from Leobai03/tc