l2-capture

l2-capture

为共享 L2 Whiteboard 提供一个薄封装写入入口。

它做四件事：

1. 接收原始文本或已经标注好的候选条目
2. 规范成 decision / action / learning
3. 先做去重和质量检查
4. 串行调用 memory-manager 完成最终写入

不要用它写 L3 文档；稳定文档仍然进入 Obsidian 知识库。

什么时候用

• 用户明确说“记到 L2 / 写入白板 / 记下这个决策 / 记下这个待办”
• 要从当前任务或对话中提炼 1-3 条共享记忆
• 需要避免直接调用 memory-update.py 时的并发与重复问题

快速开始

先 dry-run 看候选条目：

python3 ~/.ai-skills/l2-capture/scripts/l2_capture.py \
  --project agent-toolchain \
  --from-text "[decision] 共享稳定知识统一落到 20_Knowledge_Base"

第二版也支持从原始总结里自动提炼：

python3 ~/.ai-skills/l2-capture/scripts/l2_capture.py \
  --project agent-toolchain \
  --from-text "我们决定把共享稳定知识统一放到 20_Knowledge_Base。后续需要单独评估 Git 化方案。实测下来 L3 更适合目录监听自动入库。"

确认后写入：

python3 ~/.ai-skills/l2-capture/scripts/l2_capture.py \
  --project agent-toolchain \
  --from-text "[decision] 共享稳定知识统一落到 20_Knowledge_Base" \
  --apply

支持多条：

python3 ~/.ai-skills/l2-capture/scripts/l2_capture.py \
  --project agent-toolchain \
  --from-text "
[decision] OpenClaw 私有记忆不覆盖共享事实
[action] 单独评估 20_Knowledge_Base 的 Git 化方案
[learning] L3 适合目录监听自动入库
" \
  --apply

如果原始文本只对应一条，给定类型即可：

python3 ~/.ai-skills/l2-capture/scripts/l2_capture.py \
  --project agent-toolchain \
  --type learning \
  --from-text "L3 适合目录监听自动入库；L2 更适合结构化短条目写入。" \
  --apply

输入规则

• 优先使用显式标记：
  • [decision] ...
  • [action] ...
  • [learning] ...
• 也支持：
  • decision: ...
  • action: ...
  • learning: ...
• 如果只有一条内容，可以配合 --type
• 如果没有显式标记，也会尝试自动提炼 1-3 条候选

自动提炼规则

• 优先从一句话里识别 decision / action / learning
• 会按关键词和句首信号做启发式分类
• 返回 source_mode=auto 和命中的 signals
• 如果内容太泛、太长，仍然会被过滤或要求你显式标注

默认行为

• 默认是 dry-run
• 只有加 --apply 才真正写入 ~/.ai-memory/whiteboard.json
• 写入前会读取现有 whiteboard 做重复检查
• 真正落盘时会串行写入，避免多条并发写 whiteboard 失败

和 memory-manager 的分工

• memory-manager：底层读写与检索统一入口
• l2-capture：更方便的 L2 写入入口

需要了解 L2 规则时，读取：

• ~/.ai-skills/memory-manager/references/whiteboard-template.md