Neo：两个具体计划（按工作级别详细）

---
计划1：MCP 暴露路线图（前三大能力）
目标：让 Hermes 通过 MCP 端点被代理发现并可调用。这直接回应了“新SEO”的观察结论。
优先顺序
1. note-weaver（最高即时价值）
2. wiki 导入管道（Raindrop + EPUB → wiki）
3. FlashLib 聚类技能（新）
实现步骤
- 阶段 1（note-weaver）
- 将现有的 note-weaver 逻辑作为 MCP 工具暴露出来。
- 所需参数：source_path（文件或 URL）、target_vault（默认：~/wiki）、tags（可选）。
- 返回：结构化 markdown + 自动生成的链接列表 + 连接分数（Connection Scores）。
- 添加进度流（progress streaming），以便长时间的导入能报告状态。
- 阶段 2（wiki 导入）
- 创建专用的 MCP 端点 ingest-to-wiki，用于封装完整管道（获取 → 提取 → note-weaver → 交叉链接）。
- 支持单个条目以及批量集合。
- 暴露元数据（source、date、original tags），让代理能够做出有依据的决策。
- 阶段 3（FlashLib 聚类）
- 一旦聚类技能存在，将 cluster-corpus 和 get-cluster-summary 作为 MCP 工具暴露。
- 允许代理请求任意集合的主题分组，并获得中心页面（hub-page）建议。
决策点
- 认证：先从仅本地（stdio）开始；如果需要，再加入基于令牌（token-based）的认证。
- 工具命名：使用清晰、对代理友好的名称（note_weaver、ingest_to_wiki、cluster_documents）。
- 文档：每个端点都必须包含一段一问段落描述（one-paragraph description）+ 一个示例调用（example call），以便代理能够自我发现。
时间线目标：第一个端点（note-weaver）在一次专注会话内上线。
---
计划2：通过 FlashLib 升级 Wiki 知识库
目标：把你的 wiki 从一堆页面转变为一个聚类化、可查询的知识图谱，包含主题中心、重复检测以及漂移追踪。
核心工作流程
1. 嵌入生成
- 对所有 wiki 页面以及 Raindrop 条目使用你现有的嵌入器（embedder）。
- 将嵌入与元数据一并存储（title、source、date、tags）。
2. 使用 FlashLib 聚类
- 在完整语料库上运行 FlashKMeans（或该库推荐的聚类方法）。
- 目标簇数：先从 30–80 开始（可调）。
- 输出：每个文档的 cluster ID + 成员列表。
3. 后处理
- 主题中心：对每个簇自动生成一个中心页面（hub page），包含：
- 簇名称（由 LLM 根据最主要的文档生成）
- Top 5 个代表性摘录（representative excerpts）
- 所有成员页面的列表（附链接）
- 重复检测：在同一簇内，对余弦相似度 > 0.92 的文档进行标记（Flag documents）。
- 漂移追踪：每月重新运行聚类，并比较簇成员随时间的变化。
4. 集成
- 新技能：wiki-cluster（或扩展 note-weaver）。
- 一条命令：wiki-cluster --collection raindrop --output hubs/
- 结果以 markdown 文件形式写出，并成为一等（first-class）的 wiki 页面。
决策点
- 嵌入模型：复用你在 note-weaver 中已经使用的任何模型，以保持一致性。
- 簇数策略：先用肘部法（elbow method）或轮廓系数（silhouette score），然后允许手动覆盖。
- 更新频率：新条目每日夜间更新，每月进行一次完整重聚类。
- 隐私：所有处理都保持在本地完成。
预期结果
你的 wiki 将变得更强大——代理（以及你自己）可以按主题导航而不是手动搜索，重复内容会被自动标记，并且知识漂移将变得可度量。
---
下一步
你想先从哪个计划开始，还是让我们两个同时并行推进？只要你选定入口点，我就可以立即生成第一个技能文件或 MCP 端点规格。