法律事務所維基編譯器
使用時機
- 將新案件或舊案件檔案加入維基
- 在活動日誌更新後重新編譯
- 查詢維基以取得機構知識
- 對維基文章執行語法/健康檢查
- 從維基文章產生 Hermes 技能
Excel 匯入(FileVine 活動匯出)
當 Aaron 從 FileVine 寄送 Excel 活動日誌試算表時:
預期格式
- 工作表欄位:
Project Name | Note Text | Created At | (空白) - Project Name = "客戶名稱 案件類型 MM/DD/YYYY"(例如 "Amy Stich WC 01/17/2024")
- Note Text = markdown 格式的活動備註(可能包含 FileVine 連結、刪除線)
- Created At = 日期時間
轉換步驟
- 如有需要,執行
pip install openpyxl - 使用
openpyxl.load_workbook(path, read_only=True)載入 - 根據 FirmVault 規則將案件名稱 slugify(小寫、移除所有格符號/引號、& → and、非字母數字 → 連字號)
- 先依案件分組,再依案件內的日期分組
- 寫入
FirmVault/cases/<slug>/Activity Log/<YYYY-MM-DD>.md,包含 frontmatter:schema_version: 2 date: "YYYY-MM-DD" category: imported subcategory: settlement_activity_export - 使用
subcategory: settlement_activity_export標籤,後續可識別從 Excel 匯入的案件
單一會話中的多個檔案
Aaron 經常依序傳送多個 Excel 檔案。請完整處理每一個檔案(轉換 → 批次 → 編譯 → 重建索引),然後再要求下一個。轉換器會自動處理重複項目——如果案件目錄已存在,新日誌會附加;如果該日期的日誌檔案已存在,則會附加「已匯入條目」區段。
規模參考(2026-04-12 匯入)
- 檔案 1 (settlement_1):17,639 行 → 198 個案件 → 6,221 個日誌檔案(13.7 MB)
- 檔案 2 (settlement_2):22,182 行 → 169 個案件 → 7,341 個日誌檔案(12.9 MB)
- 檔案 3 (settlement_3):688 行 → 8 個案件 → 158 個日誌檔案(小)
- 檔案 4 (closing):9,363 行 → 125 個案件 → 2,924 個日誌檔案
- 轉換每個檔案約需 2 秒
- 重複偵測:比較行數 + 第一行/最後一行以識別重送
批次大小決策
- >50 個案件:3 個平行子代理(依日誌數量平均分配)
- 10-50 個案件:1-2 個子代理,視日誌數量而定
- <10 個案件:單一子代理,僅針對性文章更新。 不要讓它讀取所有現有文章——只指向最可能更新的 5-6 篇文章。設定 max_iterations=30 以避免因閱讀而耗盡回合數。
可重複使用的轉換腳本
儲存至 /tmp/convert_excel.py,每次新檔案時更換路徑。腳本功能:
- 使用 openpyxl(若缺少則 pip install)
- 根據 FirmVault 規則 slugify
- 依案件 → 日期分組 → 寫入包含 frontmatter 的 markdown
- 回報新案件目錄與已更新案件目錄
架構
Karpathy 的三層模式:原始來源 → LLM 編譯器 → 結構化維基
第 1 層:原始(不可變)
cases/*/Activity Log/*.md — 21,000+ 個活動日誌
cases/*/*.md — 案件檔案
第 2 層:維基(LLM 維護)
wiki/
Home.md — Obsidian 儀表板
index.md — 主目錄
log.md — 編譯歷史
concepts/*.md — 原子知識文章(截至 2026-04-12 共 63 篇)
connections/*.md — 跨領域洞見(截至 2026-04-12 共 26 篇)
AGENTS.md — 編譯器架構(規格書)
SPEC.md — 架構文件
第 3 層:消費者
Hermes 語義技能、OpenClaw 代理、經由 Hermes 的 Aaron
編譯流程
批次處理(適用於大量案件)
- 將案件分組為約 80K token 的批次
- 平行委派 3 個批次
- 每個子代理讀取 AGENTS.md、現有文章、案件檔案 + 取樣日誌
- 子代理更新現有文章(evidence_count++)或建立新文章
- 不要讓子代理改寫 index.md(競賽條件)——編譯後自行重建
- 所有批次完成後,從磁碟上的所有文章重建 index.md
編譯器子代理關鍵指示
- 閱讀 AGENTS.md 以了解完整架構
- 在寫入前閱讀所有現有的概念 + 關聯文章
- 去識別化所有 PII(使用「案件 A」、「案件 B」等)
- 更新現有 > 建立新(提升信心度是目標)
- 信心度:低(<5 個案件)、中(5-9 個)、高(10+ 個)
- 在文章之間使用 [[wikilinks]]
- 附加至 log.md,不要改寫 index.md
取樣策略
- 大型案件(400+ 日誌):按時間順序取前 40 筆 + 後 40 筆
- 中型案件(100-400):取前 25 筆 + 後 25 筆
- 小型案件(<100):取前 10 筆 + 後 10 筆,或全部
子代理提示範本
法律事務所維基編譯器。讀取 /opt/data/FirmVault/wiki/AGENTS.md。
讀取 wiki/concepts/ 和 wiki/connections/ 中的現有文章。
編譯案件:[清單]。對每個案件:讀取 cases/<slug>/<slug>.md 並
取樣前 N 筆 + 後 N 筆活動日誌。更新現有文章
(增加 evidence_count、提升信心度:5=中、10=高)。
僅針對真正的新模式建立新文章。去識別化 PII。
寫入 wiki/。不要改寫 index.md。附加至 wiki/log.md。
根據資料類別調整提示
不同的 Excel 匯出包含不同類型的資料。加入焦點提示:
- 和解檔案:「關注:和解模式、談判策略、 治療時間線、時效管理、理賠員行為、留置權解決」
- 結案檔案:「這些是結案案件——特別關注:案件 結案工作流程、拒絕原因、最終付款、檔案歸檔、 結案後義務、客戶終止模式」
- 受理檔案:關注入職、保險驗證、初次 治療轉介 這能顯著提升模式提取品質。
索引重建
在所有編譯批次完成後,務必以獨立的 delegate_task 任務重建 index.md。即使對於小批次也是如此。子代理只需解析 concepts/ + connections/ 中所有 .md 檔案的 YAML frontmatter,並根據 AGENTS.md 中的架構產生索引。約需 60 秒,max_iterations=15。
Obsidian 筆記庫
wiki/ 目錄本身就是一個 Obsidian 筆記庫:
- .obsidian/ 配置,包含圖形顏色(藍色=概念,橙色=關聯)
- Home.md 作為登陸頁面
- [[wikilinks]] 使用 slug 名稱(非路徑前綴)
- 圖形檢視顯示文章間的相互連結
Wikilink 規則
- 使用
[[slug-name]]而非[[concepts/slug-name]] - Obsidian 依檔案名稱解析,路徑會破壞連結
篩選待編譯案件
兩種方法——優先直接使用 Excel 檔案,或掃描筆記庫:
優先:從 Excel 檔案本身提取 slug
# 解析 Excel → 取得唯一 Project Names → slugify → 批次
wb = openpyxl.load_workbook(path, read_only=True)
cases = Counter(str(r[0]).strip() for r in list(wb.active.iter_rows(values_only=True))[1:] if r[0])
slugs = [{"slug": slugify(name), "logs": count} for name, count in cases.items()]
這種方法精確——只編譯剛匯入的內容。
備用:依 subcategory 標籤掃描筆記庫
for slug in os.listdir(cases_dir):
for logfile in os.listdir(log_dir):
if "settlement_activity_export" in open(logfile).read(200):
new_slugs.append(slug)
break
不要使用 mtime 過濾——它會選取筆記庫中的每個案件 (包括轉換期間目錄被觸及的舊案件)。
陷阱
- 平行子代理在 evidence_count 上造成競賽條件——接受 ±3 的差異
- 不要讓子代理改寫 index.md——在所有批次完成後自行重建
- 大型案件(1000+ 日誌)必須截斷——策略性取樣
- 包含路徑前綴的 Wikilinks 在 Obsidian 中會中斷——移除
concepts/等前綴 - compile.py 腳本產生提示,但不會直接呼叫 LLM——請使用 delegate_task
- 有些文章參考了尚未建立的文章連結——這沒問題,編譯更多案件時會建立
- 基於 mtime 的筆記庫掃描無法可靠識別「剛匯入」的案件——轉換也會觸及現有目錄。務必直接從 Excel 檔案中提取案件清單。
- 結案案件大多是拒絕案件,而非結案後的結案。拒絕/結案工作流程從結案資料中獲得最大的證據提升,而非和解付款工作流程。
- 小批次(<10 個案件) 如果讓子代理閱讀全部 89 篇文章,會耗盡疊代次數。請改為指向特定文章。
多檔案工作流程
當使用者傳送多個 Excel 檔案時,先全部轉換再編譯:
- 重複使用 /tmp/convert_excel.py——只需為每個檔案修改檔案名稱
- 全部轉換後,僅對新案件進行批次處理(使用 slugify + 檢查是否存在)
- 以 3 個平行批次編譯,最後再重建索引一次
重複偵測
使用者可能傳送同一個檔案兩次(相同名稱,不同文件 ID)。在轉換前比較行數 + 第一行/最後一行以偵測重複。
匯入規模參考
- 檔案 1 (settlement_1):17.6K 筆,198 個案件,6.2K 個日誌檔案
- 檔案 2 (settlement_2):22.1K 筆,169 個案件,7.3K 個日誌檔案
- 檔案 3 (settlement_3):688 筆,8 個案件(小——單一批次)
- 檔案 4 (closing):9.3K 筆,125 個案件,2.9K 個日誌檔案
- 檔案 5-7 (已歸檔 2、3、4):64.3K 筆,692 個案件,21K 個日誌檔案 總計匯入:約 114K 筆,1,170 個案件,約 56K 個日誌檔案 → 93 篇維基文章
建議批次策略
- <20 個案件:單一子代理,無批次
- 20-300 個案件:3 個平行子代理
-
300 個案件:3 個平行子代理,採用積極取樣(前 10 筆 + 後 10 筆)
- 務必在所有批次完成後重建 index.md(切勿讓子代理碰觸它)
陷阱:基於 mtime 的過濾不可靠
不要使用檔案 mtime 來尋找「新」案件——convert_excel.py 也會觸及現有檔案。請改為直接從 Excel 中提取案件名稱並進行 slugify,以取得目標清單。
檔案
- FirmVault:/opt/data/FirmVault
- 維基:/opt/data/FirmVault/wiki/
- 架構:wiki/AGENTS.md
- 轉換器:/tmp/convert_excel.py(在執行之間修改檔案名稱)
- 文章數量:65 篇概念 + 28 篇關聯 = 總計 93 篇(截至 2026-04-12)
- 決策:/opt/data/FirmVault/decisions/(ADR-000 至 ADR-006)
- 稽核報告:/opt/data/FirmVault/wiki/reports/workflow-vs-wiki-audit.md
- v2 提案:/opt/data/FirmVault/wiki/reports/PHASE_DAG_v2_proposal.md
工作流程稽核
在重大編譯回合後,針對 PHASE_DAG 稽核維基:
- 讀取 PHASE_DAG.yaml(規定的工作流程)
- 讀取所有維基文章(觀察到的現實)
- 比較:矛盾、缺口、冗餘
- 將稽核報告寫入 wiki/reports/
- 如有必要修改,草擬 PHASE_DAG v2 提案
- 將決策記錄為 decisions/ 中的 ADR(從 stirps-ai/stirps-gov 精選)
此次稽核正是將 93 篇維基文章轉化為可行架構決策的關鍵。維基是證據;ADR 是承諾。