reference-ingestlisted

从 GitCode 等可按 API 枚举的**文档仓**批量摄取官方文档，沉淀为 reference 先验词条（面向训练/推理的中断、精度、性能定位）。编排「仓库文档面普查 → 增量扫描（path×blob sha 记账，防重复抓取与重复评估）→ 候选筛选 → 按需抓正文到本地缓存（ref-docs/，git-ignored，sha 校验）→ 抽取 → 走 to-reference 归类产出 → mark 回写判定」；状态文件 reference-ingest-state.json 是唯一台账，`skipped` 也记账（判过不沉淀的文档下一轮不再评估）。以 token 节省为设计约束：脚本只拉目录树、正文按候选抓、码块与日志裁剪后再读。这是「文档语料 → reference」的统一批量注入入口，与 issue-ingest（issue → case）、to-reference（零散来源 → reference）互补。
pillumina/ascend-sleuth · ★ 5 · AI & Automation · score 72

Install: claude install-skill pillumina/ascend-sleuth

# Reference Ingest 把**上游文档仓**里的官方文档批量吸收成先验知识。适合：组织（如 GitCode 的 `cann`）下有几十个仓，每个仓的 `docs/` 里散着真正专业的定位手册、错误码表、FAQ、调优指南，而人工一篇篇读不现实、读完也记不住读过哪些。 ## 与相邻 skill 的分工（先分清再动手） | 入口 | 输入 | 产出 | 幂等状态 | |---|---|---|---| | `issue-ingest` | 上游 issue 线程 | case 草稿 → inbox | `ingest-state.json`（按 issue 号） | | `to-reference` | 零散来源（内联 / 单文件 / URL / case 归纳） | reference 词条（active） | 无（单次产出） | | **本 skill** | **成规模的文档仓** | reference 词条（active，走 to-reference 的产出规则） | `reference-ingest-state.json`（按 path × blob sha） | **产出规则不在本 skill 里**：怎么归类（type 选择）、怎么写（schema 完整性、零注释、symptom 可 grep）、grill 强度、深审门槛——全部以 `skills/to-reference/SKILL.md` 为准，本 skill 只负责**把候选正文以最低成本、可追溯、不重复的方式交到那一步**。 ## 前置无外部 CLI 依赖：`scripts/gc_docs.py` 直连 GitCode API（读公开仓不需要 token）。任务开始前先确认它可用（`python3 scripts/gc_docs.py repos --org cann | head -3`）；报错就先修脚本而不是改走手工路径。 ## 输入方式 ``` /skill:reference-ingest cann/hccl # 指定仓：扫全仓文档面并给候选 /skill:reference-ingest --org cann --status # 看台账：各源决策分布（哪些仓扫过、多少未评） /skill:reference-ingest cann/hccl --prefix docs/zh/user_guide/fault_diagnosis # 指定子面（推荐：先吃结构化手册） /skill:reference-ingest "继续沉淀" # 续接：读台账找 pending 与未扫的源，按优先级推进 ``` | 用户给到什么 | agent 行为 | |---|---| | 指定仓/子面 | 直接 scan → 筛 → 抓 → 抽取 | | 只说"继续" | 读 `reference-ingest-state.json`：先清 pending，再按价值表取下一个源；报一句进度与下一批选题 | | 给"想吸收某主题的知识" | 在已扫源里按路径关键词检索（`status <repo> --decision pending` + 关键词），不重新全量扫 | ## 状态文件是唯一台账（`reference-ingest-state.json`）结构与字段含义见 `docs/guide/reference-ingest-pipeline.md`。执行