---

name: people-kb version: 1.0.0 description: > 名片知识库 / 人物志。在日常对话中被动感知用户聊到的人（朋友、同事、家人、合作方都记）， 一人一档持续沉淀到知识库，让 Agent 越来越懂用户身边的人。三件事： ① 被动记录 — 对话里出现某个具体的人+关于 ta 的信息时，主动沉淀到 人物 - {名字}； ② 召回 — 再次聊到这个人时，先召回 memory 里的一句话指针，再 knowledge_search 拉全量档案补进上下文； ③ 去重与整理 — 按月去重，定期合并同一个人的零散记录。 存储走知识库（scene=work/life），不占用 memory（人物档案会越来越大）。 trigger: "记一下.(是谁|这个人|他是|她是)|记到people|整理进people|归到people|人物档案|这个人|我同事|我朋友|我的朋友|我的同事|我们组的|团队成员|认识了|介绍下.(是谁)|.*最近怎么样|.*是个什么样的人|谁是|关于.*的信息" author: Ethan Agent license: MIT platforms: [linux, macos, windows] metadata: ethan: tags: [People, Knowledge, Relationship, Recall]

People KB（名片知识库 / 人物志）

把用户身边的人沉淀成一人一档的「人物志」，日积月累，让 Agent 越来越懂这些人。 数据写知识库（scene 区分 work/life），memory 里只放一句话「指针」用于召回。

🎯 核心理念

• 朋友、同事、家人、合作方都记 —— 不只是打工场景。是「你认识的人」的知识库。
• 被动感知：不需要用户显式说"记一下"。只要对话里出现一个具体的人 + 一条关于 ta 的信息，就应该沉淀。
• 档案是活的：每次聊到都可能补充，档案随时间变厚，画像越来越准。
• 存储在知识库、索引在 memory：全量档案放知识库（可以很大）；memory 里只留一句话指针，负责"下次聊到这个人时把 ta 捞回来"。

🚫 硬规则

R1：写档案只用 knowledge_* 工具

人物档案的所有写入必须通过 knowledge_add / knowledge_edit，禁止 file_write / shell。路径由后端管理，不要自己拼 vault 路径。

• 新建 → knowledge_add(title, content, tags, scene)
• 追加 → knowledge_edit(source, content, mode="append", scene)
• 整篇改写 → knowledge_edit(source, content, mode="replace", scene)

R2：档案条目命名固定为 人物 - {名字}

• 标题：人物 - {名字}（如 人物 - 张三）
• tags：["people", "{名字}"]（外加关系标签，如 "colleague" / "friend" / "family"）
• scene：同事/工作关系 → work；朋友/家人/生活关系 → life（拿不准默认 work）
• title 里禁止出现 /、\、连续 -、前后空格

R3：memory 指针（召回索引，务必写）

首次为某人建档、或档案有重要更新（换了关系/职业/重要标签）时，用 memory_write 写一条极短的人物指针：

• memory_type="relationship"
• content：一句话，形如 "用户的同事张三，负责支付方向，是直属下属；详细档案见知识库人物-张三"
• 只写身份锚点（谁、什么关系、一句话画像），不要把事件流水写进 memory —— 那些留在知识库档案里
• 同一个人只维护一条指针（内容变化时 memory_write 会按内容 supersede，直接用最新的一句话覆盖式重写即可）

作用：下次用户提到这个人时，recall_memory 会先召回这句指针，Agent 据此知道"这是用户认识的人"，再 knowledge_search 拉全量档案。

⚡ 快速路径

被动记录（核心，默认行为）

触发：对话中出现一个具体的人 + 关于 ta 的可沉淀信息。判断标准——满足下面任一条就该记：

• 提到某人的身份/关系（"我同事张三"、"我朋友小林"、"我妹"）
• 提到某人做了什么 / 发生了什么（"张三今天把支付联调搞定了"、"小林最近换工作了"）
• 提到某人的特点/偏好/近况（"张三特别较真"、"小林喜欢滑雪"、"李姐孩子刚上小学"）

不记：泛指的人（"有个用户"、"某个同事"没点名）、纯路人、一次性无信息量的提及。

流程：

1. 提取 {名字}、{关系}（同事/朋友/家人/合作方/…）、{信息}、{scene}（按 R2）
2. knowledge_search(query="人物 {名字}", scene=...) 找档案：
   • 不存在 → knowledge_add 建档（见 references/profile-format.md 的新建模板），并按 R3 写 memory 指针
   • 存在 → knowledge_read 读全文，按月去重（见 references/recall-and-dedup.md）后 knowledge_edit 追加时间线条目
3. 回复确认：记到了谁、记了什么（一句话，别啰嗦）

低打扰原则：被动记录时不要每条都追问。信息明确就直接记+一句话确认；只在关系/名字有歧义时才问。

召回（聊到熟人时补上下文）

触发：用户消息里出现一个可能是"用户认识的人"的名字，或问"X 最近怎么样 / X 是谁 / X 是个什么样的人"。

流程：

1. recall_memory 命中人物指针 → 确认这是用户认识的人
2. knowledge_search(query="人物 {名字}", scene="work") + 生活向再搜 scene="life"，找到档案
3. knowledge_read 读全文，把关系、画像、最近时间线提炼进当前回答的上下文
4. 若用户是在"聊这个人的新情况"，顺带走一遍被动记录把新信息沉淀进去

显式整理

触发：「把 xxx 整理进 people」「记到 people 里」「给 X 建个档案」。

1. 从消息/上下文提取 {名字}: {信息} 列表
2. 逐个走被动记录流程（建档 or 追加 + 指针）
3. 回复：列出写入了哪些人、各写了什么

🗂️ 与其他技能的关系

技能	关系
team-manager	消费者：绩效/CR/群扫描识别出的工作事件，写进本技能的 人物 - {名字} 时间线（带 [亮点]/[问题] 工作标签）。存储格式归本技能管。
task-and-schedule-manager	「X 生日 6.1」「下周约 X 吃饭」这类含人物的时间信号，转交 task-and-schedule-manager 建提醒；人物本身信息留在这里。
recall_memory / memory_write	人物指针的读写通道（R3）。

🧹 定期整理（建议配定时任务）

同一个人可能被零散记了多条、或名字写法不一（"张三" vs "老张"）。建议用 task-and-schedule-manager 配一个低频任务（如每月）做整理，prompt 见 references/recall-and-dedup.md 的「定期整理」章节：合并重名档案、去重时间线、补全画像摘要、刷新 memory 指针。

⚠️ 约束

• 隐私边界：人物档案仅存本地知识库，绝不发送到任何外部渠道/群/个人。
• 客观记录：时间线以事实为主；主观印象放"画像"段落并注明是印象。
• 敏感信息：薪资、绩效评级、健康隐私等，除非用户明确要求，否则不写档案。
• 不臆造：拿不准名字/关系时先问，不要猜一个写进去。

📎 详细规范

• references/profile-format.md — 人物档案的结构、新建/追加模板、字段规则
• references/recall-and-dedup.md — 召回流程、按月去重、memory 指针写法、定期整理 prompt