system-dev-template/template/.claude/commands/wiki-extract.md

/wiki-extract — vault 增量萃取（Logseq / Obsidian → system-dev/wiki）

把筆記 vault（Logseq graph 如 notes/kb、或 Obsidian）的原始筆記，增量、冪等地 萃成 system-dev/wiki/ 的精耕卡＋[[wikilink]]。這是知識一庫 ingest 的前段： AI 只產卡片檔，下游 Arcrun ingest 再從 wikilink 機械拉三元組進 KBDB。

跟 /wiki-init 的分工：

• /wiki-init 是首次建結構 + 全庫首萃（一次性）。
• /wiki-extract 是之後每次的增量重萃——vault 會被 Syncthing/cron 持續灌新筆記， 這支負責「只萃變動的、沒變的不碰、不浪費 AI run」。給 Routine / cloud-worker 反覆跑。
• 跑它的是你（CC / Routine）＝LLM 本人，不需任何 token。

邊界（硬規矩，別越界）

• 只往 system-dev/wiki/ 寫。絕不寫入 KBDB、絕不拉三元組紀錄——三元組是下游 Arcrun 從你產的 [[wikilink]] + ## 關聯 機械映射（另一張 issue），不是這支的事。
• 原始筆記唯讀：journals/、pages/、Obsidian 根 .md 是 leo 的手寫真身， 改了會被 Syncthing 推回他手機污染筆記 App。萃取＝只讀原文、只寫 wiki。
• D16 精耕非 RAG：萃「知識點」成自包含原子卡 + 建 wikilink，不地毯灌原文全文。

---

執行流程

第一步：確認這是 vault repo，定位 raw source

偵測邏輯同 install.sh / wiki-init：

偵測到	型態	raw source（要掃的原文）
根目錄有 logseq/	Logseq vault	journals/*.md + pages/*.md
根目錄有 .obsidian/	Obsidian vault	vault 根下所有 .md
都沒有	不是 vault	→ 停手。這支只處理 vault；一般 dev repo 開發時就手寫 .claude/system-dev/wiki，不需萃取

沒有 system-dev/wiki/？→ 先跑 /wiki-init（首次建結構＋首萃），再回來用這支做增量。

第二步：content_hash 冪等 —— 決定哪些檔要萃（省 run 的核心）

讀萃取 manifest：system-dev/wiki/.extract-manifest.json（不存在＝首次，視同全部要萃）。 格式：

{
  "version": 1,
  "algo": "sha256",
  "sources": {
    "journals/2026_07_01.md": {
      "content_hash": "<sha256 of file bytes>",
      "extracted_at": "2026-07-06",
      "cards": ["Prompt能力即拆解自己邏輯的能力", "程式化邏輯可圖解任何主題不限AI"],
      "skipped_reason": null
    },
    "journals/2026_06_25.md": {
      "content_hash": "<sha256>",
      "extracted_at": "2026-07-06",
      "cards": [],
      "skipped_reason": "空檔／訊息量不足，無可萃知識點"
    }
  }
}

對每個 raw source 檔：

1. 算目前 content_hash（sha256sum <file>，取檔案 bytes 的 hash）。
2. 跟 manifest 裡該檔的 content_hash 比：
   • 相同 → skip，不讀不萃、不呼叫任何 AI 推理（就算它上次 cards: [] 也 skip——空檔沒變還是空）。
   • 不同或不在 manifest → 這檔要（重）萃。
3. manifest 有、但檔已不存在 → 該檔被刪，把它的 entry 從 manifest 移除（卡片是否連帶處理見第五步）。

這一步是「省 run」的重點：vault 每天可能只動 1～2 個 journal，其餘幾十個檔 hash 沒變 就整批跳過，AI 只對真正變動的檔動腦。重跑一個沒變動的 vault ＝ 零 AI 呼叫、零 diff。

第三步：對「要萃」的檔，抓知識點 + 任務

逐個變動檔讀原文，分兩類抽取：

(a) 知識點 → 概念原子卡 判準與卡片格式完全依 /wiki-init 第五步（frontmatter tags:/gloss:、H1、麵包屑 ← [[<bucket>/00-INDEX]]、**來源**、## 摘要、## 重點、## 實體、## 關聯 的 typed-edge 三元組、TAXONOMY 受控標籤、硬自檢等）——不在這裡重寫格式，一律回去讀那份。 廢話/訊息量薄的段落略過（在 manifest 記 skipped_reason，誠實留痕、不留卡）。

(b) Logseq 任務 marker → 任務卡（task_status） 解析完全依 system-dev/docs/4-guides/logseq-markers.md（單一真相源，與 template#4 tasks 投影共用同一套；別自己另寫 mapping）。摘要：

• 任務行 regex：^\s*- (TODO|DOING|NOW|LATER|WAITING|DONE|CANCELED|CANCELLED)\s+
• 狀態正規化：TODO/LATER→todo、DOING/NOW→in-progress、WAITING→blocked、 DONE→done、CANCELED/CANCELLED→closed。
• 跳過 :LOGBOOK:…:END: 區塊與 key:: value 屬性行（collapsed::、id::、 SCHEDULED::、DEADLINE::…），別把 marker 或屬性當任務內文。

有實質內容的任務 → 產一張任務卡進 cards/tasks/ bucket，frontmatter 帶 task_status：

---
tags: [<領域標籤，依 TAXONOMY>]
task_status: todo        # ← 依上表正規名；這是任務卡才有的欄位
gloss: 一句話定義這個任務要達成什麼（供下游 normalize）
---
# <任務一句話標題（marker 後的內文，去掉 marker）>

← [[tasks/00-INDEX]]

**來源**：`journals/2026_07_01.md`（TODO block）
**最後更新**：YYYY-MM-DD

## 摘要
[任務要做什麼、脈絡]

## 實體
- **<關鍵實體正規名>**（<同義詞>）— <一句描述>

## 關聯
### 內文知識關係（端點＝上方 `## 實體` 正規名，一字不差）
- <實體A> >> <謂詞> >> <實體B>
### 卡片關係（卡對卡）
- [[本任務卡]] >> 涉及 >> [[相關概念卡]]

純瑣事任務（「買菜」這種無知識量）不必成獨立卡——可在 cards/tasks/00-INDEX.md 列一行帶狀態即可，避免灌垃圾卡。判準同 D16：有沒有知識/專案價值。

第四步：更新桶索引與 INDEX

• 每個動到的 bucket（如 cards/notes/、cards/tasks/）更新其 00-INDEX.md （容器：只連不重寫，H2/H3 分節）。
• 更新 system-dev/wiki/INDEX.md 的標籤視圖與卡片清單。
• 任務卡可在 INDEX 開一個「任務視圖」按 task_status 聚類。

第五步：寫回 manifest + 驗證原文 0 動

1. 把這次萃過的每個檔的新 content_hash、extracted_at、產出的 cards、 （或 skipped_reason）寫回 system-dev/wiki/.extract-manifest.json。 沒動到的檔的 entry 原樣保留（別整檔重寫掉別人的 hash）。
2. 驗證原文零異動（踩過的坑）：

   git status --short journals/ pages/    # Obsidian 則看根目錄 .md ——須 0 新增 0 修改
   

   有任何原文變動 → 你誤寫了 raw source，回滾。

第六步：完成報告

✅ wiki-extract 完成（增量）
掃描：N 個 raw source 檔
  萃取：M 個（content_hash 變動）→ 產出 X 張概念卡 + Y 張任務卡
  跳過：K 個（hash 未變，零 AI 呼叫）
任務狀態分布：todo A / in-progress B / done C / …
原文驗證：journals/ pages/ git status 0 異動 ✅
manifest：system-dev/wiki/.extract-manifest.json 已更新

---

冪等自檢（Routine 反覆跑必守）

• 跑之前先讀 manifest，hash 相同的檔完全不進 AI（不是「讀了才發現一樣」，是靠 hash 先擋）。
• 對「同一個沒變動的 vault」連跑兩次：第二次應是零萃取、零卡片 diff、零 manifest 變化。
• 只有 system-dev/wiki/ 有寫入；journals/、pages/ git status 全乾淨。
• 任務狀態用正規名，marker/屬性沒混進內文（照 logseq-markers.md 自檢）。