Arcrun CC
cc494a250e
新 ingest 模型（無 LLM，取代舊 raw→Haiku 路）： - 來源 = system-dev/wiki/cards/**/*.md（精耕卡）+ ## 實體/## 關聯 typed-edge + [[wikilink]] - 卡片→base entry（metadata.embed=true）；typed-edge/wikilink→graph triplet - 純機械決定性，零 token 形式 = Arcrun workflow（cron drain + Gitea webhook delta）+ 新自訂零件 km_wiki_card_parse 不撞頂設計：一卡一 tick + 超大卡以 source_uri anchor 自動分段； graph fan-out 精確 = 7+4N+M+D，dry-run 對 notes 三卡上限 33 subrequest（<50）。 Phase A：不部署、不寫 live。含純核心 + dry-run 證據（3 entries/15 triplets/16 nodes）。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01HJiLCRUU2o3aSpPEzVCt2o
Arcrun Examples Library
給 AI 操盤手快速參考的 workflow 範本庫。每個範例都是可直接
acr push部署的 YAML。對應 SDD:
matrix/arcrun/.agents/specs/llm-interface/Milestone 3.3
結構
每個範例一個資料夾：
{slug}/
├── workflow.yaml 可直接 push 部署
├── description.md 解決什麼問題 / 怎麼觸發 / 預期結果
└── tags.json ["webhook", "llm", "cron", ...] 用於搜尋
範例列表
| Slug | 場景 |
|---|---|
webhook-to-http |
簡單轉發：webhook → 打另一個 API |
cron-watcher |
每 5 分鐘掃資料庫 → 觸發子 workflow（mira pattern） |
llm-classify |
claude_api 分類文字 → 寫 KBDB |
rag-search-answer |
從 KBDB 找 context → claude 回答 |
email-summary |
gmail 收信 → claude 摘要 → telegram 推 |
pdf-to-blocks |
上傳 PDF → 轉文字 → 切 chunk → 存 KBDB |
github-issue-bot |
收 GH webhook → claude 分析 → 留 comment |
daily-digest |
cron → 多源聚合（KBDB / RSS / 等） → 推送 |
parallel-fanout |
一份輸入分發多 workflow 並行處理 |
error-retry |
try_catch + wait + retry 重試外部 API |
如何用（AI 視角）
arcrun_search_examples('rag context answer')→ 命中rag-search-answer- 拿 YAML，按自己需求改 prompt / 資料來源
arcrun_validate_yaml→arcrun_push_workflow→ 完成
CI 自動同步
GH Actions 監聽本目錄變動 → 把每個範例 PATCH 進 KBDB type=workflow-example
（含 YAML + description + tags）。MCP search_examples 走 KBDB semantic search。