Joan Workflow
提供Joan知识与任务管理系统的核心工作流指导,支持工作区、Pods、Todo和计划的管理。
将品牌文档整合为标准化的可复用知识包,支持多格式输出。
openclaw skills install @ljseeking/brand-knowledge-base命令、参数、文件名以原文为准
使用此技能将分散的品牌资料整合为标准化、可复用的品牌知识包,支持下游内容生成、销售支持、客户服务、FAQ、RAG 或 Agent 工作流。
本技能用于构建单一事实来源(SSOT),而非撰写一次性营销文案。
可选择以下任一或两种输入模式:
上传原始材料- 官网文案
- 公司介绍
- 产品资料
- 销售话术
- FAQ 草稿
- 客户案例
- 访谈或语音转文字
填写采集表单 - 在模板模式下运行技能,生成 intake_form.md、intake_form.yaml 或 intake_form.json
- 让用户先填写关键字段,后续可补充原始材料
在首次使用该技能时,不得直接进入提取阶段。
必须首先明确告知用户:
- 直接上传原始材料
- 先填写采集表单,再视情况附加原始材料
待确认,分析报告中应列出待跟进问题。必须明确要求用户提供以下最低必要材料:
同时强烈建议提供以下额外材料:
最终知识包应包含:
- 首次使用时,明确告知用户所需提供的材料
- 收集文件和/或已填写的采集模板
- 当用户已有部分结构化内容加原始文档时,优先采用混合模式
- 若用户未准备足够材料,应引导其使用采集模板,而非静默推进
- 输出标准的 JSON 包
- 优先处理事实性内容,而非衍生型文案资产
- 评估内容完整性
- 识别缺失字段、矛盾点、假设项及待跟进问题
- 生成 FAQ、术语表、标准话术、以及 llms.txt 输入文件
- 将完整知识包渲染为以下格式:
- brand_knowledge_base.json
- brand_knowledge_base.yaml
- brand_knowledge_base.md
- faq.md
- glossary.md
- standard_messaging.md
- llms.txt
- analysis_report.md
compliance_boundary 中保留或添加强免责声明prompts/intake.mdprompts/extraction.mdprompts/normalization.mdprompts/asset_generation.mdtemplates/brand_knowledge_base.jsonmain.py 为可执行入口--generate_intake_template 用于生成可填写的采集文件--input 和 --inputs 接受原始材料文件--intake_file 接受结构化采集表单--render_from_json 可基于已有包的 JSON 重新渲染全部输出文件首次调用技能时,助手应以如下内容作为开场:
使用本 Skill 前,请先按要求提供品牌资料。至少需要:公司简介、官网链接、产品服务、目标客户、核心卖点、联系方式、品牌语气与禁用词、合规边界。强烈建议同时提供客户案例、FAQ、竞品信息、销售话术和其他原始素材。你可以直接上传资料,或者先填写 intake 表单。若资料不完整,系统会生成初稿,并把缺失项标记为“待确认”。
已收录 1 个 Skill