Ob Chat

执行流程

第一步：读取索引

读取 $OBSIDIAN_REPO/wiki/index.md，获取知识库全局导航。

如果索引文件过长（超过 200 行）：

1. 先读取主索引中的分类标题
2. 根据问题定位到最相关的 1-2 个子分类
3. 读取对应的子索引文件

如果知识库为空：

知识库索引为空。请先使用 ob-learn 采集内容或使用 ob-index 初始化知识库。

第二步：定位相关文章

从索引的一行摘要中，选择 3-5 篇最相关的文章。

选择标准：

1. 标题或摘要直接包含问题关键词
2. 概念文章优先于来源文章（更凝练）
3. 综合文章优先（已经过二次提炼）

展示检索过程：

索引检索：
→ 分类：概念 → 选中 3 篇
  - [[concepts/rlhf]] — "用人类反馈强化学习对齐语言模型"
  - [[concepts/chain-of-thought]] — "引导模型逐步推理的提示技术"
  - [[concepts/attention]] — "让模型动态权衡 token 相关性"
→ 分类：来源 → 选中 2 篇
  - [[sources/instructgpt]] — "OpenAI 的 RLHF 实践"
  - [[sources/cot-paper]] — "Chain-of-Thought 原始论文"

第三步：读取并综合回答

1. 读取选中的 3-5 篇文章全文
2. 综合回答用户问题
3. 回答中所有知识库概念使用 [[wikilinks]] 引用
4. 识别 code-ref callout：文章中包含 > [!code-ref] 的内容，作为"相关代码"部分展示
5. 底部列出参考文章和相关代码

回答格式：

## {回答标题}

{综合回答内容，使用 [[wikilinks]] 引用相关概念}

### 相关代码

> [!code-ref] {从文章中提取的 code-ref，直接展示}
> ...

---

### 参考
- [[sources/{来源 1}]]
- [[concepts/{概念 1}]]
- [[synthesis/{综合文章}]]

code-ref 展示规则：

• 文章中的 code-ref callout 直接带入回答的"相关代码"部分
• 如果用户问的是"怎么实现某功能"，优先展示与该功能相关的 code-ref
• code-ref 中的 GitHub 链接直接呈现，用户可点击直达代码

第四步：归档答案

将答案归档到 $OBSIDIAN_REPO/outputs/{YYYY-MM-DD}-{slug}.md：

---