人工智能RAGAgent 记忆MCP 服务知识管理【免费下载链接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain项目地址https://gitcode.com/gh_mirrors/gb/gbrain点击查看免费下载导读本文讲解 gbrain 中内容与媒体摄入Content Media Ingestion这一核心数据管线如何把 YouTube 视频、社交媒体帖子、PDF 与文档转化为带有 Agent 自身分析、完整实体交叉引用、且可永久全文搜索的大脑页面brain page。你将掌握三大摄入模式视频、社交帖子、PDF/文档的可执行伪代码与底层 CLI 命令gbrain put、link、timeline-add、files upload-raw、sync了解内置media-ingest技能skills/media-ingest/SKILL.md的契约、阶段与错误处理并学会用gbrain get、gbrain call get_links、gbrain search等命令验证摄入是否成功。全文以 docs/guides/content-media.md 为骨架结合仓库源码与配套文档进行纵深展开。一、为什么需要内容与媒体摄入从腐烂的书签到活的档案馆在传统的工作流里人们看到一段有价值的 YouTube 视频或一篇 PDF通常的做法是把它收藏进书签。gbrain 的视角是书签会腐烂——你记得自己看过某个视频却想不起来里面说了什么、是谁说的、为什么重要。content-media.md给出的承诺是每一份媒体都是一张永久的大脑页面Agent 的分析叠加其上每个被提及的实体都获得反向链接back-link全部内容永久可搜索。这正是 docs/GBRAIN_SKILLPACK.md 所描述的memex 愿景在媒体摄入层面的实现——Vannevar Bush 设想中的所有资料都可被快速检索的个人设备在这里由 Agent 自动构建检测实体、丰富页面、建立交叉引用、维护编译真值compiled truth。要理解这一模式在整个技能包中的位置可参考 docs/guides/content-media.md 结尾的定位——它是 GBrain Skillpack 的组成部分与 会议摄入meeting-ingestion.md 同属数据管道Data Pipelines章节服务于同一个目标让大脑持续自我增殖。与会议摄入的边界content-media.md明确指出会议录音/转录的场景不在本文范围内而是由 meeting-ingestion.md 单独覆盖。两者的核心逻辑高度相似拉取完整转录 → Agent 撰写分析 → 传播到所有实体页面 → 双向建链 → sync但媒体摄入覆盖的格式更广视频、音频、PDF、图书、截图、GitHub 仓库见 skills/media-ingest/SKILL.md 的 Phase 1 格式表。二、内置设施media-ingest 技能与 gbrain filescontent-media.md在 Implementation 一节给出了两条内置支撑media-ingest技能skills/media-ingest/SKILL.md仓库内置的、可直接交付给 Agent 执行的摄入工作流版本 1.1.0upstream: media-ingestfc834ee。gbrain files处理二进制/文件上传把附件放在页面旁边gbrain files upload-raw file --page slug用于保留原始文件provenance。media-ingest 技能契约技能头部定义了触发词、可用工具与写入范围这是 Agent 判断何时该用这个技能的依据触发词watch this video、process this YouTube link、ingest this PDF、save this podcast、process this book、ingest it into my brain、whats in this screenshot、check out this repo等可用工具search、query、get_page、put_page、add_link、add_timeline_entry、file_upload——这七个工具正好映射到下文 CLI 命令的底层 op见 src/core/operations.ts 中add_timeline_entry、add_link等 op 的注册以及 src/core/minions/tools/brain-allowlist.ts 对add_timeline_entry的许可说明输入参数source必填URL/文件路径/上传引用、title可选覆盖自动检测标题、target_slug可选覆盖自动生成的 slug写入范围concepts/、people/、companies/、sources/契约承诺每个媒体条目都有带分析的页面而非转录转储、转录以 raw 与可读两种格式保存、每个被提及的人/公司都被反向链接、原始文件通过gbrain files upload-raw保留、按主要主题归档而非按媒体格式归档。技能的 Phases 与content-media.md的三模式伪代码互为表里识别格式并抓取Phase 1→ 上传原始文件Phase 2→ 创建大脑页面Phase 3→ 实体提取与传播Phase 4→ 同步Phase 5。gbrain files命令族从 src/cli.ts 的帮助文本可以看到完整的文件子命令FILES files list [slug] List stored files files upload file --page slug Upload file to storage files upload-raw file --page s Smart upload (size routing .redirect.yaml) files signed-url path Generate signed URL (1-hour) files sync dir Bulk upload directory files verify Verify all uploads其中upload-raw是智能上传会根据文件大小自动路由存储后端并按 skills/_brain-filing-rules.md 中的大小路由size routing规则处理大文件例如超长图书全文不必内联进页面而是链接到 raw 上传。典型用法gbrain files upload-raw file --page page-slug --type type--type用于标注文件类型CHANGELOG 中记录过upload-raw在重复上传同一文件时不覆盖已存储的 metadatatype的行为修复见 CHANGELOG.md说明该命令对文件元数据是合并式更新。另外Agent 场景下的原始文件上传建议直接走工具file_upload而非 CLI见 plugin/skills/ingest/SKILL.md 的说明。三、模式一YouTube 视频摄入完整转录 Agent 分析 实体交叉引用这是content-media.md中最完整的模式。核心信念只有一句话永远使用带说话人分离speaker diarization的完整转录绝不使用 YouTube 自动摘要或 AI 摘要。自动摘要丢失了纹理谁说了什么、确切的措辞、语气、以及没说什么。3.1 完整工作流原文档给出的伪代码骨架如下on user_shares_media(url_or_file): # PATTERN 1: YouTube Video Ingestion if media.type youtube: # Step 1: Get FULL transcript with speaker diarization # WHO said WHAT -- not just a wall of text # Use Diarize.io or equivalent service transcript diarize(video_url) # speaker-attributed transcript # Step 2: Agent writes OWN analysis (this is the value) # NOT a summary. NOT regurgitation. The agents TAKE: # - What matters and why (given the users worldview) # - Key quotes attributed to specific speakers # - Connections to existing brain pages # - Implications and follow-up angles analysis agent_analyze(transcript, user_context) # Step 3: Create brain page slug fmedia/youtube/{video_slug} gbrain put slug --content # {title} **Channel:** {channel} | **Date:** {date} | **Link:** {url} ## Analysis {agent_analysis} ## Key Quotes - **{Speaker}** ({timestamp}): {quote} -- {why_it_matters} --- ## Full Transcript {diarized_transcript} # Step 4: Extract and cross-reference entities for person in transcript.mentioned_people: gbrain link slug person_slug gbrain link person_slug slug gbrain timeline-add person_slug {date} \ Discussed in {video_title}: {what_was_said} \ --source YouTube: {url}3.2 关键命令逐条解析gbrain put slug --content ...写入/更新页面。src/cli.ts 的帮助文本为put slug [ file.md]即除--content外也可通过管道读入 Markdown 文件。这里用media/youtube/{video_slug}作为 slug 前缀属于原文档明确认可的格式前缀路径见下文归档规则的微妙之处。gbrain link from to创建带类型的链接别名link-add可选参数--link-type T与--link-source Sprovenance 默认manualsrc/cli.ts。反向链接的双向铁律要求link slug person_slug与link person_slug slug都要执行。gbrain timeline-add slug date text追加一条带日期的时间线条目src/cli.ts。原文档在每条timeline-add上都加了--source YouTube: {url}这里需要特别注意一个语义细节meeting-ingestion.md 有更完整的说明--source是引文文本citation text不是来源路由source routing。因为timeline-addop 声明了自己的source参数CLI 会把--source绑定到该参数若要写入不同的已注册来源应改用.gbrain-source点文件或GBRAIN_SOURCE环境变量进行路由。3.3 归档规则的微妙之处表面上看按主要主题归档而非按媒体格式归档skills/media-ingest/SKILL.md与media/youtube/、media/social/这样的格式前缀路径存在张力。事实上两者并不矛盾skills/_brain-filing-rules.md 给出了清晰的裁定对原始摄入raw ingest按主要主题归档media/前缀的格式路径是反模式对合成输出synthesis output即针对单一来源 特定读者的一对一产物如 book-mirror 生成的media/books/slug-personalized.md格式前缀路径是受认可的例外sanctioned exception。content-media.md三模式中使用的media/youtube/、media/social/正是这类单来源、单读者的合成页面——它们带有 Agent 的专属分析是 sui generis 的产物。仓库中book-mirror命令src/commands/book-mirror.ts同样将输出写到media/books/slug-personalized.md印证了这一归档约定的实现。3.4 实际运行入口book-mirror 的工程化启示对于PDF/图书 → 大脑页面这类长文档摄入仓库提供了工程化的命令级实现gbrain book-mirrorsrc/commands/book-mirror.ts。其设计思路可以作为 YouTube/PDF 摄入的参考架构预提取章节文本 上下文 → 按章节扇出fan-outN 个只读子 Agent每个子 Agent 的allowed_tools仅限get_page、search→ 收集各章节分析 → CLI 在最后以操作员级信任调用一次put_page这样做的安全收益是未受信任的 EPUB 内容无法通过提示注入污染任何people/*页面因为子 Agent 根本没有写权限src/commands/book-mirror.ts。这套技能准备输入、CLI 作为可信运行时的分工正是媒体摄入在长文档场景下的最佳实践模板。四、模式二社交媒体帖子束Social Media Bundles第二类模式的洞察是一条推文不是孤立的文本而是一个束bundle。没有上下文线程、引用推文、链接文章和互动数据的推文只是碎片。因此摄入前必须先重建完整上下文# PATTERN 2: Social Media Bundles elif media.type tweet or media.type social: # Dont just save a tweet -- reconstruct FULL context bundle { original: fetch_tweet(url), thread: reconstruct_thread(url), # quoted tweets, replies linked_articles: fetch_linked_urls(), # fetch and summarize engagement: get_engagement_data(), # what resonated } slug fmedia/social/{platform}-{author}-{date} gbrain put slug --content # {author}: {topic} {agent_analysis_of_full_bundle} ## Thread {reconstructed_thread} ## Linked Articles {article_summaries} --- ## Raw {original_tweet_text} # Extract entities and cross-reference for entity in bundle.mentioned_entities: gbrain link slug entity_slug gbrain link entity_slug slugBundle 的四个组成要素各有分工要素来源价值originalfetch_tweet(url)原始文本作为证据底稿threadreconstruct_thread(url)被引用的推文与回复补全对话上下文linked_articlesfetch_linked_urls()链接文章的抓取与摘要防止链接即断点engagementget_engagement_data()互动数据反映什么引发了共鸣slug 使用media/social/{platform}-{author}-{date}随后对 bundle 中每个被提及实体执行双向建链。注意这里的实体不仅指人也包括公司、产品、概念——与 skills/media-ingest/SKILL.md 中每个被提及的人与公司都必须反向链接的 Iron Law 一致skills/conventions/quality.mdAn unlinked mention is a broken brain。五、模式三PDF 与文档摄入含 OCR 与长文档策略第三类模式处理 PDF 与普通文档重点解决两个问题扫描件的 OCR与长文档图书的分章处理# PATTERN 3: PDFs and Documents elif media.type pdf or media.type document: # OCR if needed (scanned PDFs) content ocr_if_needed(file) or extract_text(file) # For books and long-form: slug fsources/{document_slug} gbrain put slug --content # {title} **Author:** {author} | **Date:** {date} ## Chapter Summaries {per_chapter_summary} ## Key Quotes - p.{page}: {quote} -- {why_it_matters} ## Cross-References {links_to_brain_pages_for_people_and_concepts} --- ## Source {full_text_or_key_sections} for entity in document.mentioned_entities: gbrain link slug entity_slug gbrain link entity_slug slug # Always sync after ingestion gbrain sync5.1 长文档的容量策略原文档将页面结构设计为摘要在上、源文本在下## Chapter Summaries承载逐章摘要## Key Quotes保留带页码的关键引语## Cross-References指向大脑中既有的个人与概念页面## Source只放全文或关键章节。这一点与 skills/media-ingest/SKILL.md 的错误处理规则呼应Large content (books 500 pages):Summarize by chapter; do not attempt to inline the full text. Link to the raw upload.也就是说超过 500 页的图书不要尝试内联全文应逐章摘要并链接到 raw 上传gbrain files upload-raw这也正是大小路由size routing存在的意义。对于逐章深度分析的需求可直接使用gbrain book-mirror见 3.4 节。5.2 归档位置sources/的边界注意模式三的 slug 是sources/{document_slug}而模式一/二是media/youtube/、media/social/。skills/_brain-filing-rules.md 明确界定了sources/的用途只存放批量数据导入API 转储、CSV 导出、快照、喂养多个页面的原始数据、周期性捕获。而如果内容有明确的主要主题人物、公司、概念、政策议题就不应进sources/。因此sources/{document_slug}适用于作为原始文档档案的摄入场景若文档实质是关于某人的文章或关于某公司的研究报告按归档规则应分别归档到people/、companies/等主题目录并在相关目录间交叉链接。六、实体传播与时间线让媒体页面活起来6.1 为什么传播是摄入的完成条件content-media.md的 Tricky Spots 第 3 条指出没有反向链接的媒体页面是死档案dead archive。一个 YouTube 页面如果没有指向它所提及的人物与公司的反向链接就没有进入大脑的知识图谱。skills/media-ingest/SKILL.md 的 Phase 4 把这一要求写得更加绝对A media item is NOT fully ingested until entity propagation is complete.即实体传播完成之前媒体条目不算完成摄入。Phase 4 的具体步骤是① 检查大脑是否已有该实体页面② 若无则创建/丰富可委托给 enrich 技能③ 从实体页面添加指向本媒体页面的反向链接④ 在实体页面上添加时间线条目。三条模式伪代码末尾的for ... : gbrain link ... / gbrain timeline-add ...循环正是对这个阶段的逐字实现。6.2 时间线条目的引文规范quality.md的引用要求skills/conventions/quality.md规定每个事实都要携带内联[Source: ...]引用媒体场景的引文格式可以是视频/播客[Source: YouTube: {url}, YYYY-MM-DD]社交帖子Source: X/handle, YYYY-MM-DD网页内容[Source: {publication}, {URL}, YYYY-MM-DD]时间线条目位于证据层的最高优先级之下skills/conventions/quality.md 的优先级用户直接陈述 编译真值 时间线条目 外部来源因此它是原始证据而页面上方的 Agent 分析则是编译真值——这正是 compiled-truth.md 描述的上方当前综合、下方只增不改证据的双区结构在媒体页面的体现。6.3 双向链接的工程保障gbrain check-backlinks命令为双向铁律提供了兜底工具src/commands/backlinks.tsgbrain check-backlinks check [dir] # 报告缺失的反向链接 gbrain check-backlinks fix [dir] # 创建缺失的反向链接 gbrain check-backlinks fix --dry-run # 预览修复它可定期扫描大脑页面、找出提及了某实体却没有反向链接的缺口并补齐是媒体摄入长期运行后的体检与自愈手段。七、易错点Tricky Spots深度解读content-media.md列出五点易错点结合仓库文档与实现逐一展开1. 永远使用完整转录绝不用 AI 摘要。YouTube 自动摘要与 AI 摘要会丢失谁说了什么、确切措辞、语气、以及没说什么。完整的分说话人转录是证据底座evidence baseAgent 的分析叠加其上。这与 meeting-ingestion.md 的告诫一致AI 摘要会幻觉化框架例如虚构会议决定/达成一致转录才是 ground truth。media-ingest技能进一步要求转录以 raw 与可读两种格式保存并且如果无法获得转录应在页面中标注[transcript unavailable]绝不捏造内容skills/media-ingest/SKILL.md Error Handling。2. Agent 自己的分析才是价值而非复述。原文档的对比极具说服力The video discussed AI safety无用vs.演讲者就算力扩展提出了一个具体主张与另一位研究者在 NeurIPS 演讲中的说法矛盾——见 media/youtube/a-researcher-neurips-2025有用。分析必须把新媒体与既有大脑连接起来结合用户的世界观判断什么重要及为何重要、把关键引语归到具体说话人、指出对既有页面的影响与后续可跟进的角度。3. 社交媒体是一个束不是单条推文。没有线程、引用推文、链接文章与互动上下文的推文只是碎片。必须先重建完整上下文再建页面见第四节。4. 交叉引用让媒体页面活起来。提及的每个实体都要有链接与时间线条目。这与 skills/_brain-filing-rules.md 的 Iron Law 完全一致Every mention of a person or company with a brain page MUST create a back-link...An unlinked mention is a broken brain. The graph is the intelligence.未链接的提及是损坏的大脑图谱即智能。5. 长期积累下media/会成长为可搜索的档案。用户消费过的每一个视频、播客、演讲、访谈、文章与推文都叠加着 Agent 的评论——这就是 memex 全功率运转的样子the memex at full power。技能层补充的易错点skills/media-ingest/SKILL.md 的 Known Pitfalls 还补充了几个媒体摄入特有的坑YouTube 自动字幕会误认专有名词字幕可能把alice-example听成 Alise。创建实体前务必先与既有大脑页面交叉核对命中既有页面而非新建对同一来源重复摄入会产生重复Phase 3 前必须先按源 URL 或文件哈希搜索大脑命中后询问用户更新既有页面还是跳过图书 OCR 质量参差扫描 PDF 常出现乱码文本若可读性 80% 应向用户标记而不是摄入垃圾无说话人分离的多说话人转录价值很低若无法分离要显著标注此局限而不是把所有发言归给一个人超过 2 小时的音频可能令转录服务超时必要时先切块再转录。八、如何验证摄入成功How to Verifycontent-media.md提供了五步验证清单这也是媒体摄入模式的验收测试。结合 CLI 帮助文本src/cli.ts每步对应的具体命令如下1. 验证视频页面结构完整。摄入 YouTube 视频后gbrain get media/youtube/{slug}确认页面包含Agent 的分析不只是摘要、带说话人归属的关键引语、完整的分说话人转录。2. 验证反向链接存在。用gbrain call直接调用get_links工具call tool json是原始工具调用入口见 src/cli.tsgbrain call get_links {slug: media/youtube/{slug}}确认每个被提及的人物与公司都有指向其大脑页面的反向链接。也可用gbrain backlinks slug查看某个页面的入链src/cli.ts。3. 验证实体时间线已更新。挑一个视频中提及的人物gbrain get person_slug确认其时间线出现新条目引用该视频并给出具体上下文而不只是出现在某视频中。4. 验证推文摄入包含完整上下文。摄入推文后确认页面包含线程上下文、链接文章摘要与实体交叉引用——而不仅是推文文本本身。5. 验证可搜索性内容已索引。用视频中的主题词搜索gbrain search {topic_from_video}确认媒体页面出现在搜索结果中src/cli.ts 的search query走 tsvector 关键词搜索对语义查询可用gbrain query question走混合检索。这一步同时验证了gbrain sync是否正确执行——原文档在三个模式末尾都强制要求sync因为只有同步后新页面才会立即进入索引。九、与相邻模式的配合媒体摄入并非孤立管线它在 Skillpack 中与多个模式协同meeting-ingestion.md会议录音的摄入走同一套完整转录 → Agent 分析 → 实体传播 → 双向建链 → sync逻辑且共享--source是引文而非路由的语义坑docs/guides/meeting-ingestion.md#L74entity-detection.md负责在对话中捕获实体提及媒体摄入则在离线侧做同样的实体提取与页面丰富两者共同支撑大脑复合增长enrichment-pipeline.md实体传播阶段需要创建/丰富实体页面时media-ingest技能明确委托给 enrich 技能compiled-truth.md媒体页面上方分析、下方转录的结构正是编译真值 时间线双区模式的实例化source-attribution.md[Source: ...]引文规范贯穿所有媒体页面的事实写入。在技能路由层面media-ingest经由 ingest 路由器分发见 src/core/check-resolvable.ts 中对ingest路由器的注释它委托给idea-ingest、media-ingest、meeting-ingestion因此ingest it into my brain这类触发词会被正确路由到本文所讲的媒体摄入流程。结语媒体摄入的本质回顾整个模式content-media.md想传递的最终信息是媒体摄入的本质不是存档而是增值。完整转录提供证据Agent 分析提供判断实体传播提供连接全文索引提供可检索性——四者叠加才把一个会腐烂的书签变成大脑中一个永久的、被充分引用的节点。正如原文档所言这才是memex at full power。对希望在 gbrain 上构建生产级内容管线的开发者建议以 skills/media-ingest/SKILL.md 为执行规范、以本文三种模式为流程骨架、以第八节的验证清单为验收标准从摄入第一条 YouTube 视频开始让大脑开始自我增殖。本文基于 docs/guides/content-media.md 编写属于 GBrain Skillpack 文档体系的一部分。赞分享人工智能RAGAgent 记忆MCP 服务知识管理【免费下载链接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain项目地址https://gitcode.com/gh_mirrors/gb/gbrain点击查看免费下载相关推荐Wasp 社媒内容体系实战:social-content 技能的帖子模板库与 Hook 公式全解Wasp 社媒内容体系实战:social content 技能的帖子模板库与 Hook 公式全解 本文以 Wasp 仓库中 post templates.mdWeb框架后端前端CLI开发工具Wand-Enhancer 完整指南3 步本地补丁免费解锁 Wand Pro 与手机远程控制Wand Enhancer 完整指南3 步本地补丁免费解锁 Wand Pro 与手机远程控制 Wand Enhancer 是一个开源的 Windows 桌面人工智能RAGAgent 记忆MCP 服务知识管理解决AngularJS通知痛点ng-notify的模块化设计与最佳实践解决AngularJS通知痛点ng notify的模块化设计与最佳实践 ng notify是一个简单轻量级的AngularJS通知模块专为解决Angular创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
