用途
persona-knowledge 是一个持久化、可增量更新、可搜索的人格知识库，定位为原始数据源与人格训练之间的数据层。其依赖链为：数据源 → persona-knowledge → anyone-skill / persona-model-trainer。
架构由三部分组成：MemoryPalace（存储 + 检索）+ 知识图谱（关系 + 时间线）+ Karpathy LLM Wiki（知识积累）。
适用触发场景包括：为此人格创建数据集、向数据集添加数据、导入 Obsidian 仓库、导入 Twitter 存档、为某人构建知识库、导出训练数据、搜索人格数据集。
不适用场景：用户只需一次性快速蒸馏、无需持久化存储（可直接用 anyone-skill）；或数据少于 50 条消息（不值得建立数据集）。
主要能力与流程
阶段 1：初始化 创建新的人格数据集：
python scripts/init_knowledge.py --slug {slug} --name "Display Name"
这会创建 ~/.openpersona/knowledge/{slug}/ 目录，包含 dataset.json（元数据）、.mempalace/（本地数据）、sources/（不可变源文件备份）、wiki/（Karpathy wiki）。MemoryPalace 中每个人格一个 Wing，Hall 映射到 5 个人格维度：hall_facts（身份）、hall_events（记忆）、hall_preferences（个性）、hall_discoveries（程序）、hall_voice（交互）。需先与用户确认 slug 和显示名称。
阶段 2：摄取 将数据源导入数据集，可多次调用实现增量摄取：
python scripts/ingest.py --slug {slug} --source <path> [--adapter <name>] [--since <date>]
三种适配器覆盖所有支持的格式：universal（Obsidian 仓库、GBrain 导出、.md/.txt/.csv/.pdf/.jsonl/.json）、chat_export（WhatsApp/Telegram/Signal/iMessage）、social（X/Twitter、Instagram 存档）。
摄取流程：解析 → PII 扫描（SSN、信用卡、邮箱、密码模式）→ SHA-256 哈希去重 → 写入 sources/ 备份 → 存入 MemoryPalace → 提取知识图谱三元组 → 报告。
阶段 3：Wiki 构建（由 agent 智能驱动，非脚本）
摄取新数据后，agent 读取 MemoryPalace 内容与知识图谱关系，按 Karpathy LLM Wiki 模式构建或更新 wiki 页面，使用证据标签 [L1:source]、[L2]、[L3:inferred]、[L4:inspired]。涉及摄取操作、查询操作、lint 操作（运行 python scripts/lint_wiki.py --slug {slug} 检查断链、空页面、未解决矛盾、证据覆盖、源覆盖）。relationships.md 和 timeline.md 由知识图谱自动生成。
阶段 4：导出 生成与 persona-model-trainer 兼容的 training/ 目录：
python scripts/export_training.py --slug {slug} --output training/
每次导出自动版本化（v1、v2…），可用 --version 覆盖，用 --list 查看历史。输出包含：training/raw/（源文件直接拷贝）、conversations.jsonl（由 wiki 页面生成的结构化问答对）、profile.md（300-500 字角色表）、metadata.json（含版本与哈希信息，形成从源数据到训练模型适配器的完整溯源链）。
后续可训练本地人格模型：
bash skills/persona-model-trainer/scripts/pipeline.sh \ --slug {slug} \ --model google/gemma-4-E4B-it \ --source ./training \ --method mlx \ --preset gemma4 \ --probes ./training/probes.json
阶段 5：搜索 使用 MemoryPalace 语义检索与知识图谱查询：
mempalace search "how does this person handle conflict" --wing {slug}
python scripts/query_kg.py --slug {slug} --entity "Tom"
支持实体关系查询、最短路径、统计、JSON 输出，以及 mempalace wake-up --wing {slug} 唤醒摘要。
阶段 6：维护
新增源（重跑阶段 2）、移除源、wiki lint、数据集统计、列出数据集（ls ~/.openpersona/knowledge/）。
工具与脚本
内置工具：Bash、Read、Write、WebSearch。脚本：scripts/init_knowledge.py、scripts/ingest.py、scripts/export_training.py、scripts/lint_wiki.py、scripts/query_kg.py。
参考资料
references/wiki-schema.md（Karpathy wiki 结构规范与维护规则）、references/source-formats.md（支持的数据源格式与适配器细节）。
限制
资料未提供收费、价格、平台支持范围等具体信息。当用户仅需一次性蒸馏或数据少于 50 条消息时，该工具不适用。