# 钉钉群聊飞书文档收集与知识图谱系统

从钉钉群聊「dc战略问题研究院」和「创新组」中自动收集飞书链接、文件附件，读取内容并整理为结构化知识图谱和 Obsidian 知识库。

## 项目背景

公司战略研究团队每天在钉钉群中分享飞书文档（研究报告、竞品分析、日报等），本项目自动化完成：

1. **采集**：通过悟空（dws CLI）拉取群聊消息，提取飞书链接和文件附件
2. **下载**：下载 HTML/MD/XLSX 等文件附件
3. **解析**：读取文档内容，提取关键信息
4. **结构化**：构建知识图谱（JSON）和 Obsidian 知识库
5. **汇总**：生成主题汇总报告

## 目录结构

```
├── output/                        ← 核心产出
│   ├── reports/                   ← 汇总报告
│   │   ├── 花园世界全量汇总.md    ← 《我的花园世界》全量研究汇总
│   │   └── ...
│   ├── knowledge-graph/           ← 知识图谱
│   │   ├── knowledge_graph.json   ← 结构化数据（28人/190文档/7主题）
│   │   ├── knowledge_graph.html   ← 可视化网页
│   │   └── knowledge_graph_mermaid.md
│   ├── obsidian-vault/            ← Obsidian 知识库（可直接打开）
│   │   ├── 00-MOC/               ← 主索引入口
│   │   ├── 01-产品研究/           ← 10个产品分析页面
│   │   ├── 02-方法论/             ← 5个方法论页面
│   │   ├── 03-项目落地/           ← 3个落地方案
│   │   ├── 04-人物/               ← 3个人物页面
│   │   ├── 05-行业趋势/           ← 2个趋势页面
│   │   └── 06-数据与索引/         ← 3个数据页面
│   └── downloaded-files/          ← 从钉盘下载的原始文件
│       ├── html-md/               ← HTML/MD/XLSX 报告
│       └── other/                 ← ZIP 等其他文件
├── scripts/                       ← 采集和处理脚本
│   ├── fetch_all.py               ← 全量消息拉取
│   ├── extract_links.py           ← 链接提取
│   ├── build_graph.py             ← 知识图谱构建
│   ├── write_obsidian.py          ← Obsidian 库生成
│   └── daily_feishu_collector.py  ← 每日定时采集脚本
├── data/                          ← 中间数据
│   └── links/                     ← 提取的链接列表
└── docs/                          ← 历史文档
```

## 快速开始

### 环境要求

- Python 3.10+
- 悟空 CLI（dws）已认证登录
- Node.js（可选，用于 Playwright 浏览器模式）

### 使用方式

```bash
# 1. 全量拉取两个群的消息
python scripts/fetch_all.py

# 2. 提取所有链接和文件
python scripts/extract_links.py

# 3. 构建知识图谱
python scripts/build_graph.py

# 4. 生成 Obsidian 知识库
python scripts/write_obsidian.py

# 5. 查看结果
# 知识图谱：output/knowledge-graph/knowledge_graph.html
# Obsidian：用 Obsidian 打开 output/obsidian-vault/ 目录
```

### 每日定时采集

```bash
# 注册 Windows 定时任务（每天18:00执行）
python scripts/daily_feishu_collector.py
```

## 核心发现

### 《我的花园世界》研究

详见 [output/reports/花园世界全量汇总.md](output/reports/花园世界全量汇总.md)

**一句话结论**：不要学"种花题材"，要学"已验证底座 + 放大能力"的立项路径。

### 知识图谱概览

- **28位活跃人员**：跨两个群
- **190个飞书文档链接**：4个飞书空间
- **18个文件附件**：HTML/MD/XLSX/PPT/PDF/ZIP
- **7大核心主题**：花园世界研究、云湖项目、Agent工具、战略思维、AI落地、创新组研发、战略组日报
- **300+条关系**

## 数据来源

| 群组 | 消息数 | 时间范围 | 飞书链接 |
|------|--------|----------|----------|
| dc战略问题研究院 | 291条 | 2026-05-08 ~ 06-02 | 96个 |
| 创新组 | 86条 | 2026-05-01 ~ 06-02 | 94个 |

## 技术栈

- **悟空 CLI（dws）**：钉钉消息拉取、文件下载
- **Python**：数据处理、知识图谱构建
- **BeautifulSoup**：HTML 解析
- **Obsidian**：知识库管理