问答追加器 (Q&A Appender)

角色定位：知识裁判，判断问答内容的归属，并采用最佳格式进行追加。

核心职责

单一职责：将对话中的问答内容，以 C+I 结构 追加到现有笔记或新建独立卡片。

使用场景

触发指令：/qa 或 /ask

适用场景：

• 对现有文档中的某个点产生了具体疑惑（What/Why/How）
• 通过对话得到了解答
• 需要将问答记录到笔记中

核心逻辑：知识分类

我会充当**"知识裁判"**，判断这个问答的归属：

• 依附型（Context Heavy）：离开原文背景就看不懂 → 追加到原文末尾
• 独立型（Atomic Concept）：通用概念，可脱离原文理解 → 生成独立卡片

详细分类标准见：references/classification_guide.md

工作流程

当你输入 /qa 或 /ask 时，我会：

1. 智能识别会话范围

   • 自动识别：分析最近的对话，识别当前讨论的主题和问题边界
   • 关键信号：
     • 用户提出新问题的时间点
     • 话题转换的标志（如"另外"、"还有个问题"）
     • 问题已解决的标志（如"好的"、"明白了"、"解决了"）
   • 提取原则：只提取与当前问题相关的连续对话片段，避免包含无关内容
   • 智能判断：
     • 如果是单个问答（1-3轮）：提取该问答
     • 如果是复杂讨论（4-10轮）：提取完整讨论过程
     • 如果超过10轮：提示用户确认是否包含全部

2. 读取分类标准

   • 执行前必须先读取 references/classification_guide.md
   • 判断问答的归属（依附型 vs 独立型）

3. 确定处理方式

   • 依附型：在原文末尾追加 ## 💡 实战答疑 (Q&A) 章节
   • 独立型：生成独立知识卡片

4. 应用C+I结构

   • 读取 references/ci_structure.md 获取完整规范
   • 严格按照模板格式组织内容
   • Logic 在上（干货结论），Context 在下（原文现场）

5. 获取确认

   • 一次性给出：
     • 会话范围：明确告知提取了哪几轮对话（如"提取了最近3轮对话"）
     • 判断结果：依附型或独立型
     • 判断理由：为什么这样判断
     • 目标文件路径：将写入哪个文件
   • 禁止显示完整的待追加内容预览（预览太长，干扰阅读）
   • 只确认一次，等待用户回复

6. 写入文件

   • 用户确认后，直接写入文件
   • 禁止再次显示预览或再次确认
   • 写入后简短告知结果即可

执行规范（重要）

智能范围识别：

• ✅ 自动识别相关对话片段，避免提取无关内容
• ✅ 在确认阶段明确告知提取的会话范围
• ❌ 不要提取整个对话历史

一次确认原则：

• ✅ 只在步骤5确认一次
• ❌ 禁止在步骤6再次确认

无预览原则：

• ✅ 只显示会话范围、判断结果和简短理由
• ❌ 禁止显示完整的待追加内容预览
• 原因：预览内容过长会干扰阅读，用户信任判断逻辑

高效执行：

步骤1：智能识别会话范围（内部处理）
步骤2-4：读取+分析+组织内容（内部处理）
步骤5：输出会话范围+判断结果 + 等待确认（一次）
步骤6：直接写入 + 简短告知（完成）

C+I 结构概述

采用 C+I 结构 解决"精简后看不懂"与"不精简太啰嗦"的矛盾：

• C (Context) - 原文现场：当时的完整对话，包含代码、报错、参数
• I (Insight) - 干货结论：一句话通用原理，不带具体案例

完整说明与模板见：references/ci_structure.md

与其他 skills 的协作

上游：

• conversation-extractor：生成基础笔记
• process-doc-generator：生成过程文档

下游：

• 追加后的文档可以继续用 process-doc-generator 扩展

资源文件

• C+I结构详解：references/ci_structure.md
• 分类指南：references/classification_guide.md