Brand Knowledge Base Builder Skill (品牌知识母库构建 Skill)
1. Skill 名称
- 英文名称:
brand-knowledge-base-builder - 中文名称: 品牌知识母库构建 Skill
- 版本: 0.1.0 (Starter MVP)
2. Skill 描述
本 Skill 是一个底层的品牌知识整理与抽象工具。它的核心作用是接收用户提供的零散品牌资料（如公司介绍、官网内容、销售话术、产品文档等），通过信息抽取、结构化和合规审查，构建出一套标准化、可复用的“品牌知识母库”。
该知识母库旨在为其他内容生成、对话或检索系统（如小红书/抖音内容生成 Skill、AI-GEO 内容生成 Skill、官网 FAQ 生成 Skill、客服/销售 Agent 等）提供极其稳定、准确、规范的基础知识来源，而非直接面向最终消费者的单次文案生成。
3. 适用场景
- 品牌资产数字化：将线下的宣传册、老板访谈、客户案例等非结构化文本沉淀为 AI 可读资产。
- 多渠道内容统一：为社媒运营、客服、销售等不同部门提供统一口径的“事实源”（Single Source of Truth）。
- AI Agent/RAG 知识初始化：作为企业私有大模型或智能客服机器人的底层语料基础。
- SEO / AI-GEO 基础物料准备：为搜索引擎和 AI 搜索引擎（如 Perplexity、Doubao）提供标准化摘要（
llms.txt等）。
4. 不适用场景
- 直接的 C 端营销文案生成：本 Skill 追求客观、克制和结构化，不生成带有夸张营销色彩（如“颠覆性”、“遥遥领先”）的单次推广软文。
- 需要实时联网查询动态数据的场景：本 Skill 主要基于用户输入的存量资料进行结构化处理。
- 高度自动化的无监督决策系统：特别是医疗、金融、法律等行业，本 Skill 仅负责知识整理，不能替代专业人士进行最终决策，且会强制添加合规边界。
5. 输入要求
支持多种交互方式输入零散资料：
- 文本输入：直接粘贴品牌介绍、聊天记录、文档内容。
- 文件输入：上传
.txt、.md、.docx、.pdf等格式的文档（视具体 OpenClaw 宿主环境能力而定）。 - 问答输入：用户仅提供基础信息，Skill 通过表单或多轮对话追问补全信息。
- 网页输入：提供官网 URL（需用户提供抓取后的文本或由宿主环境支持抓取）。
6. 工作流程
Skill 执行遵循分阶段交互流程，避免未经确认直接生成全套文档：
- 基础信息收集 (Intake)：询问品牌名称、行业、目标客户、已有资料类型、主要用途等。
- 资料读取与分析 (Analysis)：阅读用户提供的资料，总结来源，标记缺失字段、冲突信息和高风险表达。
- 初稿生成 (Drafting)：按照 14 个核心模块生成品牌知识母库初稿。
- 追问与补全 (Refinement)：生成不超过 15 个重要问题的追问清单，引导用户补充缺失信息。
- 迭代与确认 (Iteration)：根据用户的补充，更新并统一知识库，确保术语和定位的一致性及合规性。
- 最终输出 (Export)：生成多格式交付物（Markdown, JSON, YAML, llms.txt 等）。
7. 输出格式
Skill 最终将生成并导出以下格式和结构的文件：
brand_knowledge_base.md/.json/.yaml(核心知识库)llms.txt(AI-GEO 专用摘要)faq.md(高频问答集)glossary.md(标准术语库)standard_messaging.md(多场景标准话术)
8. 合规要求与安全预警
- 客观陈述：避免使用极端、夸张、无法证实的形容词。
- 行业红线：对于医美、金融、健康、法律等行业，必须在输出的“合规边界 (Compliance Boundary)”中强制加入“本内容不构成专业医疗/投资/法律建议，不能替代专业人士决策”的免责声明。
- 拒绝编造：如果资料中缺失公司资质、案例数据或价格信息，严禁 AI 自行编造（幻觉），必须明确标记为“待确认”或直接留空。
- ⚠️ 数据隐私声明 (Privacy)：本 Skill 执行时，会将输入的资料全文发送至您配置的
OPENAI_BASE_URL对应的第三方大模型 API。请勿传入未脱敏的敏感用户数据或核心机密商业文档。 - ⚠️ 人工审核要求 (Manual Review / Context Poisoning Prevention)：本 Skill 生成的知识库文件，在正式装载入 RAG 系统、对客 Agent 或公开网站前，必须经过人工的严格复核与批准。大模型可能被原始输入中的恶意内容误导产生幻觉，未经人工审核直接发布，可能会导致向用户提供有毒、错误或带有不当承诺的输出。
9. 质量检查清单 (Quality Checklist)
在每次输出最终版知识库前，必须进行自检：
- 是否明确说明品牌是什么？
- 是否明确说明服务谁？
- 是否明确说明解决什么问题？
- 是否明确说明不能做什么（边界）？
- 是否生成了至少 20 个分类清晰的 FAQ？
- 是否生成了多场景的标准话术？
- 是否生成了针对大模型友好的 AI-GEO 摘要？
- 是否准确标记了信息的缺失项？
- 是否扫描并标记/修正了高风险的营销表达？
- 知识库内部的行业术语和自定义术语是否保持完全一致？
- 整体结构是否清晰，适合后续被其他 Skill (如 RAG, 自动发帖) 稳定调用？
- 是否可以完整导出为 Markdown / JSON / YAML / llms.txt 格式？
10. 示例调用方式
在 OpenClaw 中，可以通过以下系统指令或 API 调用触发本 Skill：
{
"skill": "brand-knowledge-base-builder",
"action": "initialize",
"payload": {
"brand_name": "PowerMatrix",
"industry": "B2B AI SaaS",
"raw_materials": "PowerMatrix 是一家企业级 AI 平台公司，主要提供..."
}
}
或者在聊天界面向 Agent 发送：“我要为一个医美机构搭建品牌知识库，这是他们的官网介绍和老板访谈记录……”