← 返回技能库总览

本地 Agent 交互指南 (Local KB Integration)

探索如何利用本地部署的 Skills 赋能您的终端 AI(如 Cursor / Claude Code / Cline),将零散的信息转化为结构化的个人知识引擎。

📥

📥 第 1 步:输入与消化 (Ingest)

不再手动整理散落的笔记和 PDF。向本地 Agent 投喂资料,它会自动格式化、提炼核心结论,并精准放入本地 Markdown 目录树中。

User: "阅读我刚才拖进去的论文 PDF,提取核心结论,然后整理成笔记存到我的 /tech-fundamentals 目录下。"
🔗

🔗 第 2 步:网状联结 (Connect)

孤立的笔记没有价值。Agent 会扫描您的本地知识库,发现新笔记与已有项目、面经之间的联系,并自动建立双向链接。

User: "扫描我的本地知识库,发现这篇新笔记与我之前的推荐系统项目之间的联系,并自动添加双向链接。"
📖

📖 第 3 步:复习与强化 (Review & Reinforce)

基于艾宾浩斯遗忘曲线,Agent 会提取知识库中的薄弱环节,为您生成专属的复习抽认卡或每日学习计划,不断夯实基础。

User: "根据我知识库的记录,我最近对 RAG 架构掌握不牢,请给我出 3 道简答题帮我复习,并更新我的学习计划。"
🧠

🧠 第 4 步:应用与实战 (Apply)

告别通用且空泛的 AI 输出。当生成简历或模拟面试时,Agent 会先深度读取您本地高度关联的工作经历,进行防幻觉推理。

User: "我要投递 Google 的 Senior MLE 岗位,请基于我的本地项目库,提取 3 个相关度最高的 STAR 项目经验,帮我润色简历。"
🔄

🔄 第 5 步:复盘迭代 (Evolve)

实战后的经验最宝贵。将模拟面试或真实面试的录音/复盘稿发给 Agent,它会分析您的回答盲区,自动进入下一轮学习循环。

User: "这是我刚完成的 Mock Interview 录音稿,请帮我分析我的回答盲区,并更新到我的能力模型和学习计划中。"