Add markdown sink for filtered knowledge notes

2026-03-25 10:25:26 +08:00
parent ff3d15b8c4
commit cecf4d3ae7
10 changed files with 656 additions and 21 deletions
@@ -1,6 +1,6 @@
 # Content Extract MCP

-Python MCP scaffold for article content extraction, structured summary validation, and deterministic filtering.
+Python MCP scaffold for article content extraction, structured summary validation, deterministic filtering, and Markdown sink output.

 ## Run

@@ -77,3 +77,15 @@ python scripts/run_filter_rules.py ^
  --context outputs/filter-context.json ^
  --output outputs/filter-decision.with-context.json
 ```
+
+Write a filtered result into the Markdown sink:
+
+```bash
+python scripts/run_markdown_sink.py ^
+  --summary outputs/result.json ^
+  --extracted outputs/read-flow-2026.extracted.json ^
+  --filter outputs/filter-decision.json
+```
+
+The script writes markdown notes under `knowledge-base/`.
+
@@ -2,7 +2,7 @@

 ## 当前状态

-项目当前处于 `Content Extract MCP` 的 MVP 完成并进入规则过滤阶段。
+项目当前处于 `Content Extract MCP` 的 MVP 完成，已进入规则过滤与 Markdown sink 阶段。

 已完成：

@@ -23,6 +23,8 @@
 - [x] 跑通 `FreshRSS -> item -> content extraction` 单条链路
 - [x] 定义规则过滤层 schema
 - [x] 实现第一版规则引擎与过滤 MCP tool
+- [x] 定义 sink 输入输出 schema
+- [x] 实现第一版 Markdown sink 与本地写入脚本

 ---

@@ -42,7 +44,7 @@
 - [x] 补充 `item` 的实际样例文件
 - [x] 跑通 `FreshRSS -> item -> content extraction` 单条链路
 - [x] 定义规则过滤层的输入输出 schema
- [ ] 设计知识库入库格式
+- [x] 设计知识库入库格式
 - [ ] 设计 webhook / 推送格式
 - [ ] 给提取结果增加更多正文清洗策略，比如尾部噪音清理
 - [ ] 细化过滤规则并引入更多个性化上下文
@@ -57,6 +59,7 @@
 - [ ] 增加提取缓存、重试和更细粒度日志
 - [ ] 重命名包和项目名，从 `summary_mcp` 调整为更符合当前职责的名称
 - [ ] 与 OpenClaw 做更正式的工作流编排整合
+- [ ] 扩展 Notion / Webhook / 其他 sink

 ---

@@ -64,8 +67,8 @@

 优先做这两件事：

-1. 设计知识库入库格式
-2. 设计 webhook / 推送格式
+1. 设计 webhook / 推送格式
+2. 细化过滤规则并引入更多个性化上下文

 ---

@@ -73,5 +76,5 @@

 - docs/context-reset-brief.md
 - docs/filter-rule-engine-design.md
- docs/content-extract-mcp-mvp-archive.md
+- docs/markdown-sink-design.md
 - TODO.md
@@ -8,11 +8,13 @@
   - 当前 MCP 服务的职责、接口和边界
 3. `filter-rule-engine-design.md`
   - 过滤层的输入输出、规则结构与当前实现
-4. `source-schema-design.md`
+4. `markdown-sink-design.md`
+   - 第一版 Markdown sink 的输入输出、目录结构与落地方式
+5. `source-schema-design.md`
   - `source -> item -> document` 的对象设计
-5. `reading-pipeline-design-notes.md`
+6. `reading-pipeline-design-notes.md`
   - 更上层的阅读流方案与阶段划分
-6. `summary-loop-explained.md`
+7. `summary-loop-explained.md`
   - 当前 LLM 摘要校验闭环的解释

 ## 当前文档分层
@@ -40,6 +42,8 @@
  - 提取 JSON -> LLM 摘要 JSON -> 校验 的闭环说明
 - `docs/filter-rule-engine-design.md`
  - 第一版规则过滤引擎设计与落地位置
+- `docs/markdown-sink-design.md`
+  - 第一版 Markdown sink 设计与落地位置

 ### 3. 上下游方案设计

@@ -24,6 +24,8 @@
 - 已跑通 `FreshRSS -> item -> content extraction` 单条链路
 - 已定义过滤层输入输出 schema
 - 已完成第一版规则引擎、本地脚本和 MCP tool
+- 已定义 sink 输入输出 schema
+- 已完成第一版 Markdown sink 与本地写入脚本

 ## 当前关键文件

@@ -39,6 +41,10 @@
  - `src/summary_mcp/models/filtering.py`
 - 过滤引擎：
  - `src/summary_mcp/filters/engine.py`
+- sink 模型：
+  - `src/summary_mcp/models/sink.py`
+- Markdown sink：
+  - `src/summary_mcp/sinks/markdown.py`
 - 默认过滤规则：
  - `configs/filter_rules.json`
 - 校验 CLI：
@@ -51,20 +57,16 @@
  - `scripts/run_freshrss_extract.py`
 - 过滤脚本：
  - `scripts/run_filter_rules.py`
+- Markdown sink 脚本：
+  - `scripts/run_markdown_sink.py`
+- Markdown sink 文档：
+  - `docs/markdown-sink-design.md`
 - 当前提示词：
  - `outputs/llm-summary-prompt.txt`
- FreshRSS 原始响应样例：
-  - `outputs/freshrss.raw.json`
- FreshRSS item 样例：
-  - `outputs/freshrss.items.json`
- FreshRSS 提取结果：
-  - `outputs/freshrss.extracted.json`
 - 过滤结果样例：
  - `outputs/filter-decision.json`
 - 文档索引：
  - `docs/README.md`
- MVP 归档：
-  - `docs/content-extract-mcp-mvp-archive.md`
 - 当前 TODO：
  - `TODO.md`

@@ -79,21 +81,22 @@
 - 标准化 `item` 可继续进入内容提取流程
 - 规则引擎可对结构化摘要结果输出 `keep / drop / review` 决策
 - MCP tool 可承接“由上层 LLM/Agent 调用过滤”的模式
+- Markdown sink 可将过滤后的结果写入本地知识库目录

 ## 当前未开始的下一阶段

- 设计知识库入库格式
 - 设计 webhook / 推送格式
 - 把 FreshRSS 拉取与提取流程进一步批量化/调度化
 - 迭代更细的过滤规则与个性化上下文
+- 决定是否扩展 Notion / Webhook / 其他 sink

 ## 收束后建议从这里继续

 优先从这两个问题继续：

-1. 先设计知识库 sink 的输入输出格式
-2. 再决定先接 webhook / 推送还是继续细化过滤规则
+1. 先设计 webhook / 推送格式
+2. 再决定是否扩展其他 sink，而不是继续深化 Markdown sink 本身

 ## 一句话结论

-当前 MVP 已完成，FreshRSS 上游和第一版规则过滤层都已接通，下一阶段应转向下游 sink 与推送设计。
+当前 MVP 已完成，FreshRSS 上游、第一版规则过滤层和第一版 Markdown sink 都已接通，下一阶段应转向推送层与更完整的下游集成。
@@ -0,0 +1,105 @@
+# Markdown Sink 设计
+
+## 1. 目标
+
+第一版 sink 不直接绑定外部平台，而是先落一个稳定的 `Markdown sink`。
+
+原因：
+
+- 可审计
+- 可版本化
+- 易迁移
+- 可直接兼容 Obsidian / 通用 Markdown 知识库
+
+## 2. 统一输入
+
+Markdown sink 读取统一的 `SinkInput`：
+
+- `item`
+- `article`
+- `summary`
+- `filter_decision`
+- `metadata`
+
+这样未来扩展 Notion sink、Webhook sink 时，可以继续复用同一套上游输入结构。
+
+## 3. 目录结构
+
+当前建议目录结构：
+
+```text
+knowledge-base/
+  inbox/
+  review/
+  archive/
+```
+
+具体落盘规则：
+
+- `keep` -> `knowledge-base/inbox/YYYY/YYYY-MM/`
+- `review` -> `knowledge-base/review/YYYY/YYYY-MM/`
+- `drop` -> `knowledge-base/archive/YYYY/YYYY-MM/`
+
+## 4. 文件命名
+
+文件名格式：
+
+```text
+YYYY-MM-DD-title-slug.md
+```
+
+例如：
+
+```text
+2026-03-21-kimi-cursor.md
+```
+
+## 5. Markdown 内容结构
+
+输出采用：
+
+- YAML frontmatter
+- 摘要区
+- 要点区
+- 过滤决策区
+- 原文信息区
+- 正文摘录区
+
+frontmatter 中保留：
+
+- `title`
+- `url`
+- `source_id`
+- `item_id`
+- `extract_id`
+- `category`
+- `worth_keeping`
+- `decision`
+- `priority`
+- `topics`
+- `keywords`
+- `labels`
+- `published_at`
+- `saved_at`
+- `quality_flags`
+
+## 6. 当前落地位置
+
+- sink 模型：
+  - `src/summary_mcp/models/sink.py`
+- Markdown sink：
+  - `src/summary_mcp/sinks/markdown.py`
+- 本地运行脚本：
+  - `scripts/run_markdown_sink.py`
+
+## 7. 当前阶段结论
+
+第一版知识库不先绑定 Notion、Lumina 或数据库，而是先让过滤后的内容稳定进入 Markdown 知识库。
+
+只要这层格式稳定，后续可以继续扩展：
+
+- Obsidian Vault
+- Logseq
+- Notion
+- Webhook
+- 自定义数据库 sink
@@ -0,0 +1,282 @@
+---
+title: "信息过载时代，我的漏斗式阅读工作流"
+url: "https://shawnxie.top/blogs/tools/read-flow-2026.html"
+source_id: ""
+item_id: ""
+extract_id: "sha256:1ee177246bce46534c81718bee693fea43a4b491f545e61b3c41f22e20994057"
+category: "方法论"
+worth_keeping: true
+decision: "keep"
+priority: 80
+topics:
+  - "个人信息管理"
+  - "阅读工作流"
+  - "知识沉淀"
+keywords:
+  - "RSS"
+  - "FreshRSS"
+  - "OpenClaw"
+  - "Digest"
+  - "Daily Review"
+  - "Lumina"
+  - "信息漏斗"
+  - "人在回路"
+labels:
+  - "durable"
+  - "needs-review"
+  - "summary"
+published_at: ""
+saved_at: "2026-03-25T02:24:05.936615+00:00"
+quality_flags:
+  is_paywalled: false
+  is_truncated: false
+  is_low_content: false
+---
+
+# 摘要
+
+作者为解决信息过载问题，构建了一套以RSS为上游、FreshRSS为聚合池、OpenClaw为编排层的漏斗式工作流，通过分层筛选、AI精选和人工精读，将信息逐步沉淀至Lumina知识库，形成稳定可控的个人信息处理闭环。
+
+# 要点
+
+- 以RSS为主统一信息源，通过转换工具将公众号、社交动态等非RSS内容标准化接入。
+- Digest预处理负责去重、抓取正文和生成摘要，Daily Review结合AI将内容分类为日报栏目。
+- 人工精读是长期价值判断的核心环节，只有经过筛选的内容才进入Lumina知识库沉淀。
+- 通过轻量兴趣画像和反馈机制，系统能逐步优化筛选排序，同时避免形成信息茧房。
+- 沉淀后的内容可进一步生成周刊或主题文章，将信息流转化为长期资产。
+
+# 过滤决策
+
+- decision: `keep`
+- priority: `80`
+- matched rules: keep-worth-keeping-method, review-worth-keeping-other
+
+## reasons
+
+- Structured summary marked the content as worth keeping in a durable category.
+- Worth-keeping signal is positive but no stronger keep rule matched.
+
+# 原文信息
+
+- 标题: 信息过载时代，我的漏斗式阅读工作流
+- 链接: https://shawnxie.top/blogs/tools/read-flow-2026.html
+- 作者: unknown
+- 发布时间: unknown
+- 内容类型: article
+
+# 正文摘录
+
+信息过载时代，我的漏斗式阅读工作流
+这两年我越来越强烈地感觉到，信息问题早就不是获取不到，而是处理不过来。
+真正让我疲惫的，不是没东西看，而是每天都有太多东西值得看：公众号文章、技术博客、GitHub Release、AI 新闻、社区讨论、长文、短讯、碎片化观点等等，全都在争夺我的注意力。
+如果不做点什么，一个人的信息生活很容易退化成这样：
+- 收藏夹里躺满了文章，真正读完的却寥寥无几
+- 每天浏览大量内容，能留在脑子里的却屈指可数
+- 输入看似充实，输出却异常薄弱
+- 以为自己一直在吸收信息，实际上只是在不同窗口间疲于切换
+2026年，我开始认真整理自己的一套信息处理工作流。我不需要大而全的平台，也不想要那种号称能“一键替我读完互联网”的 AI 产品。
+我只需要一套围绕自己运转的信息吸收漏斗：既能尽可能广泛地捕捉信息，又能提前过滤掉噪音和重复内容，只把真正值得投入时间的内容呈现在我面前。更重要的是，这套系统还要能将我精读后的高价值内容沉淀下来，反过来优化下一轮的信息筛选。
+信息处理不追求看得更多，而是在于更稳定地吸收、判断和沉淀。
+这篇文章，我将把这套工作流思路完整写下来，包括：
+- 为什么我要这样做
+- 它是怎么搭起来的
+- 每一层分别承担什么职责
+- 未来优化方向
+如果你也在被信息过载折磨，或者你已经有不少输入工具，却还是觉得每天看了很多，脑子里没留下什么，那也许这篇文章会有点参考价值。
+为什么要做信息吸收漏斗？
+我以前也尝试过很多方法：
+- 订阅很多 RSS，然后每天刷
+- 把值得看的东西先扔进稍后阅读
+- 用收藏、标签、笔记软件把文章存起来
+- 靠搜索和回忆去找以前读过的内容
+这些工具各有用处，但通常只能解决信息处理中的某一个环节。而个人信息处理真正的难点，从来都不在于单点突破，而在于如何将这些分散的环节串联起来。信息系统如果不能同时解决这两个问题，就很容易失控：
+输入太多，内容太杂
+几乎每一个你关心的领域，都在持续产生新内容。技术突破、产品迭代、AI进展、工具更新、商业动态、研究成果、行业变化……
+而且在未经过滤之前，重要新闻、工具发布、经验复盘、广告软文、标题党、重复报道等往往都混在一起，让人难以分辨。
+如果每一条内容都需要你从零开始判断其价值，那日积月累下来的认知负担会非常高。很多时候，人真正感到疲惫的不是读一篇长文，而是反复做这些微小但无意义的判断：
+- 这篇文章值不值得点开？
+- 这条消息是不是和刚才那条重复？
+- 这个标题是不是在夸大其词？
+- 这条内容到底在说什么？
+- 这篇文章我只是需要了解一下，还是值得保存？
+缺少精读回路
+很多内容看完就过去了，既没有标记，也没有沉淀，更没有真正融入自己的知识体系。
+如果信息系统永远只知道最新内容是什么，却不知道什么内容真正对你有帮助，那最多只能算是一个信息输送管道，而不是一个能越来越懂你的个性化系统。
+所以我要的不是做一个更强的信息池，而是做一个更稳的信息漏斗。
+桶的思路是往里装更多，漏斗的思路是让信息在往下走的过程中不断收窄，最后留下真正值得进入大脑和长期记忆的部分。
+从实践效果来看，这套漏斗式信息处理工作流至少给我带来了几个显著的变化：
+- 我不再需要每天从海量标题中艰难地筛选重点内容
+- 低质量和重复的信息大部分在上游就被过滤掉了
+- 真正值得精读的内容，会在更靠后的环节中呈现在我面前
+- 我读过并认为有价值的内容，终于开始能够反过来优化后续的筛选逻辑
+不是追求更快地刷完信息，而是实现更稳定地吸收知识。
+为什么基于 OpenClaw 搭建？
+由于流程尚处探索阶段，选择先用 OpenClaw 将整条链路串联起来，让系统先运行起来，验证可行性，发现问题后再逐步优化和完善。
+OpenClaw 主要扮演编排层的角色，负责以下工作：
+- 定时触发各类任务
+- 串联不同的外部工具和系统
+- 与飞书文档进行交互
+- 与 Lumina 知识库进行联动
+- 在需要的环节引入 AI 进行结构化内容生成
+这种方式起步快、迭代快，非常适合边运行边优化，不需要一开始就投入大量精力构建完整的前后端系统。
+如果你也想搭建一套类似的信息处理流程，需要做这些准备：
+1. 可持续维护的信息源
+这是整个系统的上游基础，需要先想清楚几个问题：
+- 自己真正长期关注的主题领域是什么
+- 这些领域的主要信息来源有哪些
+- 哪些信息源值得长期订阅，哪些只是偶尔查看即可
+这一步不需要追求大而全，但要尽量保持稳定和高质量。
+如果你还没有构建自己的信息源，可以先参考我收集的 RSS 订阅源。
+2. 统一的聚合池
+我选择的聚合池是 FreshRSS，一个开源的RSS阅读器，支持多平台，支持自定义订阅，内容分类管理和API，非常适合用来进行内容存储和同步。
+它并非最终阅读工具，而是信息汇聚的中转站，让所有信息源先汇聚到同一个地方，形成可持续消费的内容候选池。
+3. 自动化编排层
+这是 OpenClaw 最能发挥价值的地方，极大地降低了自动化流程实现的难度，通过自然语言描述诉求，在对话中逐步落地想法。我主要用它来完成以下任务：
+- 定时执行 digest（自定义的预处理Skill）
+- 定时执行 daily-review（自定义的内容精选Skill）
+- 发布飞书文档
+- 调用 Lumina（个人开源的知识库项目）
+- 串联各个技能和脚本
+4. 长期知识沉淀层
+在我的工作流中，这一层使用 Lumina——个人开发的信息管理工作台。当然也可以使用别的笔记工具，如Notion、Obsidian等。
+Lumina 只承接我经过筛选后确认值得长期保留的优质内容，这一步直接决定了后续反馈机制的质量。
+一个系统最终能学到什么，很大程度上取决于你为它提供了什么样的正反馈样本。
+信息处理工作流
+一句话描述：用 RSS 尽可能广泛地捕捉信息，用 FreshRSS 进行稳定聚合，用 Digest 完成预处理，用 Daily Review 实现每日精选，通过人工精读判断内容的长期价值，用 Lumina 进行知识沉淀，最后将这些沉淀的价值反向转化为轻量的个性化信号。
+这套流程的核心优势不是追求全自动，而是在于分层处理的设计理念。这意味着：
+- 并非所有信息都值得投入时间精读
+- 并非所有信息都值得长期留存
+- 并非所有信息都需要进行个性化加权
+- 并非所有信息都适合直接作为输出内容
+一旦层次划分清晰，系统就不会退化为单一维度的推荐流，而会演变成一个真正的认知加工流程。漏斗的真正价值不在于让信息越来越少，而在于实现了这几个关键目标：
+- 上游宽广：确保不会错过真正重要的信息变化
+- 中游稳定：有效过滤噪音，避免其直接干扰注意力系统
+- 下游精准：让我不必在不值得精读的内容上浪费时间
+- 回流轻柔：通过轻量反馈机制，避免系统演变成封闭的信息茧房
+个人信息系统核心能力不是如何接入更多信息源，而是要明确：哪些信息值得进入系统，哪些信息值得投入时间精读，哪些内容值得长期留存，哪些知识最终真正融入了你的思考和行动？
+当能够清晰地回答这些问题时，就不再是互联网信息的被动接收者，你将拥有一套真正属于自己的认知处理系统。接下来将按顺序详细介绍每一层的工作原理。
+信息源：以 RSS 为主，但不局限于原生 RSS
+整个系统的最上游是信息源，主要依赖 RSS。
+RSS 是最被低估的个人信息基础设施。其天然符合个人信息系统最核心的几个要求：
+- 订阅权完全掌握在自己手中
+- 信息来源清晰明确
+- 更新内容结构化
+- 不受平台推荐算法直接支配
+- 便于程序接入和自动化处理
+然而在现实中，有一个不可避免的问题：并非所有值得关注的信息源都提供 RSS 订阅。例如：部分公众号内容、某些社区的特定栏目、垂直网站的更新页面和社交平台上的账号动态。
+因此，需要在信息源进入流程之前，尽可能将其统一转换为 RSS 或类似 feed 的格式。常见的方案有：
+- RSSHub / RSS-Bridge 等转换工具：能够将大量原本不提供 RSS 订阅的内容源，转换为可以被订阅和程序自动化消费的 feed 格式；
+- GitHub feed：项目的 Releases、Commits、Discussions 等，都天然提供了结构化的 feed 接口；
+- wewe-rss：能够将公众号文章转换成RSS订阅源；
+- nitter：将 Twitter/X 动态转换为RSS源；
+- 自定义抓取脚本：对于没有现成 RSS 解决方案的页面，也可以自行编写轻量级的抓取脚本，将其转换为内部可用的 feed 格式。
+这一步的原则很简单：上游信息源可以多种多样，但在进入系统之前，格式必须尽可能统一。只有这样，下游的预处理和筛选环节才能稳定可靠地运行。
+更多信息源归一处理方案可参考之前文章碎片时间刷文章！懒人阅读方案分享。
+聚合池：用 FreshRSS 打造稳定的“中间水库”
+所有订阅源最终都会汇聚到 FreshRSS 中，它并非"我每天真正坐下来阅读的地方"，而是流程的缓冲层，主要有以下作用：
+实现信息来源的统一管理
+无论内容来自博客、社区、GitHub 还是转换后的 feed，最终都以统一的格式呈现，成为可被消费的标准化对象。
+让下游环节无需直接对接互联网
+digest 模块无需再逐个访问各个网站抓取今日更新内容，只需从 FreshRSS 这个统一的内容池中获取未读候选即可。大大降低了系统各环节之间的耦合度。
+确保了信息处理的时间连续性
+信息系统最忌讳的是“今天临时查看一下、明天就忘了、后天又重新开始”的碎片化处理方式。FreshRSS 提供了一个稳定的时间窗口，使后续任务能够按照固定节奏有序运行。
+我的目标不是追求无边界的信息获取，而是实现有边界的信息处理。
+预处理：Digest 将海量候选内容转化为可判断对象
+如果把 FreshRSS 比作蓄水池，那么 Digest 就是这套系统中的第一道加工厂，专注于完成内容预处理任务。
+让人每天真正感到疲惫的，往往不是精读一篇高质量文章，而是反复判断大量低质量内容是否值得投入时间。
+核心处理任务
+- URL 精确去重
+- 相似内容去重
+- 正文抓取
+- 质量检查
+- 噪音过滤
+- 摘要生成
+- 初步排序与文档输出
+在真正的“阅读”开始之前，先将互联网上天然混乱的信息整理成一批更具可读性的候选内容。
+为什么重要？
+如果没有预处理环节，后续的所有精选工作都将建立在一堆未经整理的原始标题之上。而经过 Digest 处理后，情况会改善：
+- 标题党内容大幅减少
+- 重复报道得到有效过滤
+- 无法获取正文的无效数据明显减少
+- 每条候选内容至少附带一个可供快速判断的摘要
+这将显著降低后续阅读的认知成本。Digest 的职责并非编辑终稿，而是将候选内容池整理干净、结构化，为后续的精选环节奠定基础。
+AI 精选：Daily Review 为我呈现重点关注内容
+如果说 Digest 的作用是将原始候选内容处理得更具可读性，那么 Daily Review 则是从这些经过预处理的候选中，进一步提炼出当天真正值得关注的精华内容。
+这一步让流程从预处理迈向编辑阶段。不再追求内容的广度，而是致力于打造重点更突出、结构更清晰的阅读体验，让最终产物更像一份真正意义上的日报，而非简单堆砌的摘要集合。
+目前，我将 Daily Review 设计为几个固定栏目，将不同类型的信息分配到不同的认知槽位中，包含：
+- 今日大事：聚焦具有公共重要性的事件
+- 变更与实践：关注对个人有直接操作价值的内容
+- 安全与风险：警惕潜在的风险因素
+- 开源与工具：追踪工具生态的发展变化
+- 洞察与数据点：把握行业趋势和关键数据
+- 主题深挖：将单一新闻事件提升到趋势层面进行分析
+LLM 赋能
+从 Digest 输出的候选内容，到 Daily Review 最终的成稿层，中间有很多工作适合 AI 来完成：
+- 合并同一事件的多个信息来源
+- 提炼核心主题
+- 为内容分类并分配到对应栏目
+- 识别值得深入探讨的话题
+- 将零散的候选内容重组为人类可以快速阅读的日报结构
+但我对 AI 在这一环节的应用始终保持克制。不是让 AI 全自动生成日报，而是扮演结构化整理者的角色，从候选内容中筛选出当天和我相关的精华部分。
+精读留存：将 Human in the loop 置于系统核心
+前面所有流程，都是为将信息筛选到值得精读的阶段。真正让系统不至于退化为另一种自动化信息流的，正是这一关键环节：Human in the loop（人在回路中）。
+我坚信，在个人知识系统中，最不能完全外包的是长期价值判断能力。
+系统可以协助我完成许多任务，如信息收集、去重、摘要、聚类、排序和精选等。但它无法完全替我做出关键决策：
+- 哪些内容真正值得纳入长期知识库
+- 哪些内容在未来会持续发挥价值
+- 哪些内容会对我的写作和判断产生深远影响
+因此，在我的工作流中，Lumina 前面始终设有一道人工筛选门槛。我会从之前各个环节产生的内容中，挑选出真正值得精读和长期留存的内容。
+这是整套系统中最关键的价值确认环节。能够进入 Lumina 的内容，不仅代表我看过，更意味着我认为这篇内容值得在未来持续为我所用。
+个人画像：让系统学会识别对我真正有价值的内容
+如果流程到 Lumina 就戛然而止，那么它仍然只是一个单纯的过滤和沉淀系统。只有当沉淀的内容开始反过来影响上游的信息选择时，整个系统才真正形成了闭环。
+为此我加入了一层设计较为克制的兴趣画像逻辑。
+刻意控制了影响力，不希望整个系统演变成另一个猜你喜欢的推荐引擎。我只需要它能稍微更懂我，但又不过度迎合我的偏好，保留对公共重要性内容的关注和探索未知领域的空间。
+这层画像目前主要承担轻量 rerank 的功能，作为辅助信号，轻微影响 Digest 和 Daily Review 环节中候选内容的排序。主要从以下几个维度逐步学习我的偏好：
+- 长期精读的主题领域
+- 能稳定提供价值的信息源
+- 偏好的内容格式
+- 最终存入 Lumina 知识库的内容类型
+轻量引导的设计，旨在减少无效信息对注意力的浪费，同时避免构建封闭的信息茧房。个性化推荐应帮助我们减少无意义的判断，而非让我们躲进舒适区。
+沉淀：将信息流转化为长期内容资产
+信息漏斗的终点不是读完，而是沉淀。目前从两个方向拓展沉淀的价值：
+1. 周刊生成
+当系统积累了一周的高质量内容后，就不应再局限于每天生成一份日报。一周的时间跨度非常适合进行复盘总结。此时，系统已经拥有了丰富的素材：
+- 一周的 Digest 预处理结果
+- 一周的 Daily Review 精选内容
+- 若干经过价值确认的 Lumina 知识库内容
+- 一些开始反复出现的热门主题
+此时生成周刊，比单纯从网页上抓取热点更有价值。因为这些内容已经经过了个人筛选和沉淀，带有明显的个性化痕迹。周刊不应仅仅是本周发生了什么的简单罗列，更应该具备深度和价值：
+- 本周有哪些主题值得重点关注和记忆
+- 哪些变化只是短期噪音，哪些是值得重视的长期信号
+- 哪些内容具有长期参考价值，值得反复回看
+周刊合集👉🏻：肖恩技术周刊
+2. 主题文章生成
+另一个方向是让系统能够逐渐识别哪些主题已经积累了足够的素材，值得写成长篇文章。
+虽然信息流中的内容看起来是离散的，但如果拉长时间维度观察，就会发现很多内容其实都在指向同一个核心主题，例如：
+- AI Agent 工程的发展趋势
+- 开源工具链的演变
+- 内容平台分发机制的变革
+- 隐私保护、合规要求与数据治理
+一旦某个主题在一段时间内反复出现，并且我多次对相关内容进行精读、收藏和沉淀，那么它就不应再仅仅是多条零散的新闻，而应该逐渐发展成为一个可以深入挖掘和输出的长期主题。
+内容合集👉🏻：今日观察
+未来迭代方向
+尽管工作流目前已经能够稳定运行，但它远未达到最终完成的状态。可以继续完善的方面有：
+细化反馈机制
+目前系统中最强的反馈信号是这篇内容是否被存入 Lumina。但在理想状态下，我希望系统能够逐渐识别更多层次的用户行为：
+- 点开内容但未读完
+- 读完内容但未收藏
+- 内容值得精读
+- 内容值得长期沉淀
+- 内容最终影响了写作、决策或实际实现
+- 不喜欢的内容（负反馈）
+一旦这些层次的反馈机制得以完善，兴趣画像将变得更加精准，不再只是一个粗粒度的偏好集合。
+进一步抽象流程
+目前，我更倾向于继续在现有的 OpenClaw 体系内迭代优化，这是探索阶段最适合的方式。
+但如果这套流程能够变得更加稳定，职责边界也更加清晰，那么抽象出其中的信息处理内核，会更有利于后续工程化迭代。
+不过比起将其产品化，还是先让这套漏斗系统持续稳定地运转，越来越懂我。
+结语
+信息处理的关键，从来不是看到更多，而是让真正重要的信息被自己接住。
+当信息经过筛选、精读、沉淀和反馈，真正融入知识结构时，我们不再是信息的被动消费者，将真正成为自己信息环境的主人。
+感谢阅读
+微信公众号「肖恩聊技术」
+如果这篇文章对你有帮助，欢迎扫码关注，获取原创文章推送。
@@ -0,0 +1,61 @@
+from __future__ import annotations
+
+import argparse
+import json
+import sys
+from datetime import UTC, datetime
+from pathlib import Path
+from typing import Any
+
+
+REPO_ROOT = Path(__file__).resolve().parents[1]
+SRC_ROOT = REPO_ROOT / "src"
+
+if str(SRC_ROOT) not in sys.path:
+    sys.path.insert(0, str(SRC_ROOT))
+
+from summary_mcp.models.document import ExtractedArticle
+from summary_mcp.models.filtering import FilterDecisionResult
+from summary_mcp.models.item import Item
+from summary_mcp.models.llm_result import LlmSummaryResult
+from summary_mcp.models.sink import SinkInput, SinkMetadata
+from summary_mcp.sinks.markdown import MarkdownSink
+
+
+def _load_json(path: Path) -> dict[str, Any]:
+    return json.loads(path.read_text(encoding="utf-8-sig"))
+
+
+def main() -> None:
+    parser = argparse.ArgumentParser(description="Write a filtered result into the Markdown sink.")
+    parser.add_argument("--summary", type=Path, required=True, help="Structured LLM summary JSON file")
+    parser.add_argument("--extracted", type=Path, required=True, help="Extracted article JSON file")
+    parser.add_argument("--filter", type=Path, required=True, help="Filter decision JSON file")
+    parser.add_argument("--item", type=Path, default=None, help="Optional normalized item JSON file")
+    parser.add_argument(
+        "--base-dir",
+        type=Path,
+        default=REPO_ROOT / "knowledge-base",
+        help="Markdown sink base directory",
+    )
+    args = parser.parse_args()
+
+    summary = LlmSummaryResult.model_validate(_load_json(args.summary))
+    extracted_payload = _load_json(args.extracted)
+    article = ExtractedArticle.model_validate(extracted_payload.get("article", extracted_payload))
+    decision = FilterDecisionResult.model_validate(_load_json(args.filter))
+    item = Item.model_validate(_load_json(args.item)) if args.item else None
+
+    sink_input = SinkInput(
+        item=item,
+        article=article,
+        summary=summary,
+        filter_decision=decision,
+        metadata=SinkMetadata(generated_at=datetime.now(tz=UTC), source="run_markdown_sink.py"),
+    )
+    result = MarkdownSink(args.base_dir).write(sink_input)
+    print(json.dumps(result.model_dump(mode="json"), ensure_ascii=False, indent=2))
+
+
+if __name__ == "__main__":
+    main()
@@ -0,0 +1,35 @@
+from __future__ import annotations
+
+from datetime import datetime
+from typing import Literal
+
+from pydantic import BaseModel, Field
+
+from .document import ExtractedArticle
+from .filtering import FilterDecisionResult
+from .item import Item
+from .llm_result import LlmSummaryResult
+
+
+SinkTarget = Literal["markdown"]
+
+
+class SinkMetadata(BaseModel):
+    generated_at: datetime | None = None
+    pipeline_version: str = "v1"
+    source: str | None = None
+
+
+class SinkInput(BaseModel):
+    item: Item | None = None
+    article: ExtractedArticle
+    summary: LlmSummaryResult
+    filter_decision: FilterDecisionResult
+    metadata: SinkMetadata = Field(default_factory=SinkMetadata)
+
+
+class SinkResult(BaseModel):
+    target: SinkTarget
+    success: bool
+    output_path: str | None = None
+    message: str | None = None
@@ -0,0 +1,3 @@
+from .markdown import MarkdownSink
+
+__all__ = ["MarkdownSink"]
@@ -0,0 +1,127 @@
+from __future__ import annotations
+
+from datetime import UTC, datetime
+from pathlib import Path
+import re
+
+from summary_mcp.models.sink import SinkInput, SinkResult
+
+
+_DECISION_DIR = {
+    "keep": "inbox",
+    "review": "review",
+    "drop": "archive",
+}
+
+
+def _slugify(text: str) -> str:
+    slug = text.lower()
+    slug = re.sub(r"[^a-z0-9\u4e00-\u9fff]+", "-", slug)
+    slug = re.sub(r"-+", "-", slug).strip("-")
+    return slug or "untitled"
+
+
+def _yaml_scalar(value: str) -> str:
+    escaped = value.replace('"', '\\"')
+    return f'"{escaped}"'
+
+
+def _yaml_list(values: list[str]) -> str:
+    if not values:
+        return "[]"
+    return "\n".join(f"  - {_yaml_scalar(value)}" for value in values)
+
+
+def _frontmatter(payload: SinkInput) -> str:
+    article = payload.article
+    summary = payload.summary
+    decision = payload.filter_decision
+    generated_at = payload.metadata.generated_at or datetime.now(tz=UTC)
+    published_at = article.published_at.isoformat() if article.published_at else ""
+    source_id = article.source_id or (payload.item.source_id if payload.item else "")
+    item_id = article.item_id or (payload.item.item_id if payload.item else "")
+
+    return "\n".join(
+        [
+            "---",
+            f"title: {_yaml_scalar(summary.title)}",
+            f"url: {_yaml_scalar(str(summary.url))}",
+            f"source_id: {_yaml_scalar(source_id)}",
+            f"item_id: {_yaml_scalar(item_id)}",
+            f"extract_id: {_yaml_scalar(article.extract_id)}",
+            f"category: {_yaml_scalar(summary.category)}",
+            f"worth_keeping: {'true' if summary.worth_keeping else 'false'}",
+            f"decision: {_yaml_scalar(decision.decision)}",
+            f"priority: {decision.priority}",
+            "topics:",
+            _yaml_list(summary.topics),
+            "keywords:",
+            _yaml_list(summary.keywords),
+            "labels:",
+            _yaml_list(decision.labels),
+            f"published_at: {_yaml_scalar(published_at)}",
+            f"saved_at: {_yaml_scalar(generated_at.isoformat())}",
+            "quality_flags:",
+            f"  is_paywalled: {'true' if article.quality_flags.is_paywalled else 'false'}",
+            f"  is_truncated: {'true' if article.quality_flags.is_truncated else 'false'}",
+            f"  is_low_content: {'true' if article.quality_flags.is_low_content else 'false'}",
+            "---",
+        ]
+    )
+
+
+def _render_markdown(payload: SinkInput) -> str:
+    summary = payload.summary
+    article = payload.article
+    decision = payload.filter_decision
+    highlights = "\n".join(f"- {item}" for item in summary.highlights)
+    reasons = "\n".join(f"- {item}" for item in decision.reasons)
+
+    return (
+        f"{_frontmatter(payload)}\n\n"
+        f"# 摘要\n\n{summary.summary}\n\n"
+        f"# 要点\n\n{highlights}\n\n"
+        f"# 过滤决策\n\n"
+        f"- decision: `{decision.decision}`\n"
+        f"- priority: `{decision.priority}`\n"
+        f"- matched rules: {', '.join(decision.matched_rules) if decision.matched_rules else 'none'}\n\n"
+        f"## reasons\n\n{reasons}\n\n"
+        f"# 原文信息\n\n"
+        f"- 标题: {summary.title}\n"
+        f"- 链接: {summary.url}\n"
+        f"- 作者: {article.author or 'unknown'}\n"
+        f"- 发布时间: {article.published_at.isoformat() if article.published_at else 'unknown'}\n"
+        f"- 内容类型: {article.content_kind}\n\n"
+        f"# 正文摘录\n\n{article.plain_text.strip()}\n"
+    )
+
+
+class MarkdownSink:
+    def __init__(self, base_dir: Path) -> None:
+        self.base_dir = base_dir
+
+    def _target_dir(self, decision: str, published_at: datetime | None) -> Path:
+        bucket = _DECISION_DIR.get(decision, "archive")
+        if published_at is None:
+            return self.base_dir / bucket / "unknown-date"
+        return self.base_dir / bucket / published_at.strftime("%Y") / published_at.strftime("%Y-%m")
+
+    def _target_name(self, payload: SinkInput) -> str:
+        article = payload.article
+        published_at = article.published_at or datetime.now(tz=UTC)
+        title = payload.summary.title or article.title or "untitled"
+        return f"{published_at.strftime('%Y-%m-%d')}-{_slugify(title)}.md"
+
+    def write(self, payload: SinkInput) -> SinkResult:
+        target_dir = self._target_dir(payload.filter_decision.decision, payload.article.published_at)
+        target_dir.mkdir(parents=True, exist_ok=True)
+        output_path = target_dir / self._target_name(payload)
+        output_path.write_text(_render_markdown(payload), encoding="utf-8")
+        return SinkResult(
+            target="markdown",
+            success=True,
+            output_path=str(output_path),
+            message="Markdown note written successfully.",
+        )
+
+