用途：把任意 Obsidian 仓库或文档集转化为 3D 交互式知识可视化。输出为单个 HTML 文件（基于 Three.js），包含同心实体环、音频、发现机制和多尺度语义缩放。可对单个仓库生成地图，也可比较两个仓库或文档集，或从零重新生成。
架构：分两部分——生成本技能负责发现结构、命名、打分置信度并导出场景包；运行时模板负责导航、过渡、音频与发现。理念是“预生成含义，运行时渲染体验”。
使用方式：
- 扫描仓库：python3 ~/.claude/skills/temple-generator/scripts/extract_entities.py <vault_path>，生成 vault-scan.json（含文件、图邻接表、中心度、聚类）。
- 读取扫描结果与中心度最高的约 20 个节点，参考 references/classification-guide.md 学习实体分类启发式，并读 3-5 篇代表性笔记校准语气。
- 分类实体，维护 canonical 与 poetic 两套词汇，按仓库规模控制各类型数量（神、半神、张力、叙事、盲点、精灵、研究、价值、路径、问题、深度、晶体）。
- 构建抽象层级：Level 0 实体、Level 1 域（需≥3 个有意义的聚类）、Level 2 轴（需≥2 对可解释对立）、Level 3 比较（需两个仓库且对齐充分）；层级有置信度门控，不足则省略。
- 按 references/entity-schema.md 生成 temple-data.json，含实体、层级及缩放阈值、映射、比较、音频、风格与置信度。
- 生成 HTML：复制 assets/temple-template.html；加 --inline 则内嵌 const TEMPLE_DATA = {...};，否则将 temple-data.json 放在 HTML 旁。
- 汇报：按类型统计实体数、生成的抽象层级及置信度、前 5 个核心实体、检测到的张力；双图模式还报告重叠百分比与共享域。
双图模式：传 --compare vault_path_2 时，分别扫描两个仓库、各自分类，按 references/merge-algorithm.md 运行合并算法，生成带来源归属的合并场景包，模板以差异偏移渲染共享骨架。
限制与质量要求：跳过琐碎笔记（日常待办、管理日志、空存根）；优先揭示仓库真实关注点而非归档结构；用仓库自身语气书写；层级置信度不足时省略而非编造；每个抽象层须有成员权重、范例与来源。音频需跨缩放层级保持连续性，缩放应像改变分辨率而非切换世界。具体价格、平台与效果未提供。