feat:新增知识库自动更新

This commit is contained in:
likun committed 2026-05-20 16:34:51 +08:00
1 parent 2a91e2e7ad
commit 2ecac1b231
17 files changed
+2186 -9

No files matched your search

@@ -0,0 +1,34 @@
#!/usr/bin/env python3
"""Generate daily live event file.
Placeholder script.
Expected output:
knowledge/knowledge_base/live/YYYY-MM-DD.txt
Usage:
python knowledge/knowledge_generate/maintenance/generate_daily_live.py --date 2026-05-20
Fill this script with your own collection/generation logic.
"""
from __future__ import annotations
import argparse
from datetime import date
def main() -> int:
parser = argparse.ArgumentParser(description="Generate daily live event file.")
parser.add_argument("--date", default=date.today().isoformat(), help="date label, e.g. 2026-05-20")
args = parser.parse_args()
# TODO: implement daily live file generation.
# The generated file should be:
# knowledge/knowledge_base/live/{args.date}.txt
print(f"[placeholder] generate live file for {args.date}")
return 0
if __name__ == "__main__":
raise SystemExit(main())
@@ -0,0 +1,10 @@
# Run daily knowledge update at 12:10.
#
# Install example:
# crontab -e
# Then paste the line below.
#
# Logs:
# knowledge/knowledge_generate/maintenance/logs/daily_knowledge_update.log
10 12 * * * mkdir -p /data01/likun/deerflow-cmzs/deerflow-server/offline-backend-20260512/backend/knowledge/knowledge_generate/maintenance/logs && /data01/likun/deerflow-cmzs/deerflow-server/offline-backend-20260512/backend/knowledge/knowledge_generate/maintenance/run_daily_knowledge_update.sh >> /data01/likun/deerflow-cmzs/deerflow-server/offline-backend-20260512/backend/knowledge/knowledge_generate/maintenance/logs/daily_knowledge_update.log 2>&1
@@ -0,0 +1,430 @@
#!/usr/bin/env python3
"""Generate and apply compact knowledge-base patches.
The pipeline is deliberately conservative:
- the agent generates compact `.patch.md` files only;
- this script applies only `更新动作: 新增` patches;
- each applied patch creates three core files in one run directory:
`*.patch.md`, `*.backup.md.bak`, and `*.applied.md`;
- stable knowledge files are backed up before being modified.
"""
from __future__ import annotations
import argparse
import json
import re
import shutil
import sys
import time
from dataclasses import dataclass
from datetime import datetime
from pathlib import Path
from deerflow.client import DeerFlowClient
from deerflow.config.paths import get_paths
from deerflow.runtime.user_context import get_effective_user_id
BACKEND_ROOT = Path(__file__).resolve().parents[2]
KNOWLEDGE_ROOT = BACKEND_ROOT / "knowledge_base"
MAINTENANCE_ROOT = BACKEND_ROOT / "knowledge_generate" / "maintenance"
RUNS_ROOT = MAINTENANCE_ROOT / "runs"
DEFAULT_MODEL = "GLM-5"
DEFAULT_SKILLS = {"policy-knowledge", "update-knowledge"}
class PatchError(RuntimeError):
pass
@dataclass
class ParsedPatch:
patch_path: Path
target_rel: Path
action: str
anchor_heading: str
merge_content: str
source_basis: str
merge_judgment: str
uncertain_items: str
def slug_from_target(target_rel: Path) -> str:
return "__".join(target_rel.with_suffix("").parts)
def section(text: str, heading: str) -> str:
pattern = re.compile(
rf"^## {re.escape(heading)}\s*\n(?P<body>.*?)(?=^## |\Z)",
re.M | re.S,
)
match = pattern.search(text)
if not match:
raise PatchError(f"missing section: ## {heading}")
return match.group("body").strip()
def first_backtick_path(text: str) -> str:
match = re.search(r"`([^`]+)`", text)
if not match:
raise PatchError("target file section does not contain a backtick path")
return match.group(1).strip()
def normalize_target_path(raw: str) -> Path:
raw_path = Path(raw)
parts = raw_path.parts
if parts and parts[0] in {"entities", "narratives", "events", "primitives", "policies", "playbooks", "reference", "analysis", "data_pointers", "routing"}:
return raw_path
if parts and parts[0] == "knowledge_base":
return Path(*parts[1:])
if parts and parts[0] == "/mnt" and len(parts) >= 3 and parts[1] == "knowledge":
return Path(*parts[2:])
if "knowledge_base" in parts:
idx = parts.index("knowledge_base")
return Path(*parts[idx + 1 :])
raise PatchError(f"target path must point inside knowledge_base: {raw}")
def extract_merge_block(text: str) -> str:
body = section(text, "可直接合并内容")
match = re.search(r"```(?:markdown)?\s*\n(?P<content>.*?)\n```", body, re.S)
if not match:
raise PatchError("merge content section must contain a fenced markdown block")
content = match.group("content").strip()
if not content:
raise PatchError("merge content block is empty")
return content
def extract_anchor(text: str) -> str:
body = section(text, "建议插入位置")
headings = re.findall(r"`(#{2,6}\s+[^`]+)`", body)
if not headings:
raise PatchError("insert position must contain an existing heading in backticks")
return headings[0].strip()
def parse_patch(patch_path: Path) -> ParsedPatch:
text = patch_path.read_text(encoding="utf-8")
target_rel = normalize_target_path(first_backtick_path(section(text, "目标文件")))
action = section(text, "更新动作").splitlines()[0].strip(" 。.")
if action != "新增":
raise PatchError(f"only 新增 patches are supported, got: {action}")
merge_judgment = section(text, "合并判断")
if "暂不合并" in merge_judgment:
raise PatchError("patch merge judgment says 暂不合并")
return ParsedPatch(
patch_path=patch_path,
target_rel=target_rel,
action=action,
anchor_heading=extract_anchor(text),
merge_content=extract_merge_block(text),
source_basis=section(text, "来源依据"),
merge_judgment=merge_judgment,
uncertain_items=section(text, "不确定项"),
)
def heading_level(heading: str) -> int:
return len(heading) - len(heading.lstrip("#"))
def insert_content(target_text: str, anchor_heading: str, merge_content: str) -> str:
if merge_content in target_text:
raise PatchError("merge content already exists in target")
anchor = re.search(rf"^{re.escape(anchor_heading)}\s*$", target_text, re.M)
if not anchor:
raise PatchError(f"anchor heading not found: {anchor_heading}")
level = heading_level(anchor_heading)
next_heading = re.search(rf"^#{{1,{level}}}\s+", target_text[anchor.end() :], re.M)
insert_at = anchor.end() + next_heading.start() if next_heading else len(target_text)
before = target_text[:insert_at].rstrip()
after = target_text[insert_at:].lstrip("\n")
return f"{before}\n\n{merge_content.strip()}\n\n{after}"
def write_applied_record(parsed: ParsedPatch, target_path: Path, backup_path: Path, record_path: Path) -> None:
now = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
record_path.write_text(
"\n".join(
[
"# 知识库自动更新说明",
"",
"## 更新时间",
"",
now,
"",
"## Patch 文件",
"",
f"`{parsed.patch_path}`",
"",
"## 目标文件",
"",
f"`{target_path}`",
"",
"## 备份文件",
"",
f"`{backup_path}`",
"",
"## 更新动作",
"",
parsed.action,
"",
"## 插入位置",
"",
f"`{parsed.anchor_heading}` 章节内、下一个同级标题之前。",
"",
"## 来源依据",
"",
parsed.source_basis,
"",
"## 合并判断",
"",
parsed.merge_judgment,
"",
"## 不确定项",
"",
parsed.uncertain_items,
"",
"## 状态",
"",
"已自动合并,待人工通过 git diff 审核。",
"",
]
),
encoding="utf-8",
)
def apply_patch_file(patch_path: Path, run_dir: Path, dry_run: bool = False) -> tuple[Path, Path | None, Path | None]:
parsed = parse_patch(patch_path)
target_path = KNOWLEDGE_ROOT / parsed.target_rel
if not target_path.exists():
raise PatchError(f"target file does not exist: {target_path}")
original = target_path.read_text(encoding="utf-8")
updated = insert_content(original, parsed.anchor_heading, parsed.merge_content)
slug = slug_from_target(parsed.target_rel)
backup_path = run_dir / f"{slug}.backup.md.bak"
record_path = run_dir / f"{slug}.applied.md"
if dry_run:
return target_path, None, None
backup_path.write_text(original, encoding="utf-8")
target_path.write_text(updated, encoding="utf-8")
write_applied_record(parsed, target_path, backup_path, record_path)
return target_path, backup_path, record_path
def build_prompt(live_date: str, workspace_rel_dir: str, limit: int, topic_hint: str | None) -> str:
topic_line = f"\n优先主题/目标:{topic_hint}\n" if topic_hint else ""
return f"""
你是知识库维护 agent。请使用 update-knowledge skill,并可结合 policy-knowledge skill 的知识库读取规则。
任务:基于 `/mnt/knowledge/live/{live_date}.txt` 判断是否需要生成可自动合并的知识库 patch 文件。{topic_line}
严格要求:
1. 先读取 `/mnt/skills/custom/update-knowledge/SKILL.md`。
2. 读取 `/mnt/knowledge/INDEX.md`、`/mnt/knowledge/live/_MANIFEST.md`、`/mnt/knowledge/live/{live_date}.txt`。
3. 根据 live 条目识别需要更新的稳定知识文件,并读取必要目标文件。
4. 不要修改 `/mnt/knowledge` 下任何稳定知识正文。
5. 使用 `write_file` 将 patch 写入 `/mnt/user-data/workspace/{workspace_rel_dir}/`。
6. 根据当天 live 内容自主判断需要更新多少个稳定知识文件;允许生成 0 到 {limit} 个 `.patch.md` 文件。
7. `{limit}` 是上限,不是必须生成数量;不要为了凑数量而更新。
8. 如果当天内容与稳定知识库无关、只是短期噪声、或信息不稳定,请不要生成 patch。
9. 不要生成 `.update.md` 长篇报告。
10. 每个 patch 总长度控制在 800-1500 字。
11. 每个 patch 必须只服务一个目标文件。
12. patch 文件必须使用以下固定格式:
```markdown
# 知识库更新补丁候选
## 目标文件
`knowledge_base/.../...md`
## 更新动作
新增。
## 建议插入位置
建议插入在 `## 已存在的二级标题` 章节内、下一个同级标题之前。
## 可直接合并内容
```markdown
可直接进入 knowledge_base 正文的内容。这里不要写维护说明,不要写“建议”“我认为”。
```
## 来源依据
- `live/{live_date}.txt`:条目编号
## 合并判断
建议人工审核后合并。
## 不确定项
- 需要继续核验的事项;没有则写“无”。
```
硬性约束:
- `## 可直接合并内容` 是唯一允许写入稳定知识库的正文。
- 如果信息不稳定,不要生成 patch。
- 不要写长篇背景介绍、完整事件复述、主题分类表。
- `建议插入位置` 中第一个反引号标题必须是目标文件中已经存在的标题。
- 如果判断无需更新,最终回复说明“本日未生成 patch”即可,不要调用 write_file。
完成后,在最终回复中列出实际写入的 patch 文件。
"""
def event_to_jsonable(event) -> dict:
return {"type": event.type, "data": dict(event.data or {})}
def generate_patches(
*,
live_date: str,
run_dir: Path,
model: str,
limit: int,
topic_hint: str | None,
keep_log: bool,
) -> list[Path]:
thread_id = f"knowledge-update-{live_date}-{int(time.time())}"
workspace_rel_dir = f"knowledge_update_runs/{run_dir.name}"
prompt = build_prompt(live_date, workspace_rel_dir, limit, topic_hint)
client = DeerFlowClient(
model_name=model,
thinking_enabled=False,
subagent_enabled=False,
plan_mode=False,
available_skills=DEFAULT_SKILLS,
)
chunks: dict[str, list[str]] = {}
last_ai_id = ""
log_file = (run_dir / "_agent_run.jsonl").open("w", encoding="utf-8") if keep_log else None
started = time.time()
try:
for event in client.stream(prompt, thread_id=thread_id, recursion_limit=160):
if log_file:
log_file.write(json.dumps(event_to_jsonable(event), ensure_ascii=False) + "\n")
log_file.flush()
if event.type == "messages-tuple":
data = event.data
if data.get("type") == "ai":
msg_id = data.get("id") or ""
content = data.get("content") or ""
if content:
chunks.setdefault(msg_id, []).append(content)
last_ai_id = msg_id
if data.get("tool_calls"):
names = [tc.get("name") for tc in data.get("tool_calls", []) if tc.get("name")]
if names:
print(f"[tool_call] {names}", flush=True)
elif data.get("type") == "tool":
name = data.get("name")
content = (data.get("content") or "").replace("\n", " ")
print(f"[tool_result] {name}: {content[:200]}", flush=True)
elif event.type == "end":
print(f"[end] usage={event.data.get('usage')} elapsed={time.time() - started:.1f}s", flush=True)
finally:
if log_file:
log_file.close()
if keep_log:
(run_dir / "_agent_final.md").write_text("".join(chunks.get(last_ai_id, [])), encoding="utf-8")
workspace_dir = get_paths().sandbox_work_dir(thread_id, user_id=get_effective_user_id()) / workspace_rel_dir
if not workspace_dir.exists():
raise RuntimeError(f"agent workspace output not found: {workspace_dir}")
copied: list[Path] = []
for source in sorted(workspace_dir.glob("*.patch.md")):
dest = run_dir / source.name
shutil.copy2(source, dest)
copied.append(dest)
return copied
def apply_all_patches(run_dir: Path, dry_run: bool) -> list[tuple[Path, Path, Path | None, Path | None]]:
results = []
for patch_path in sorted(run_dir.glob("*.patch.md")):
target, backup, record = apply_patch_file(patch_path, run_dir, dry_run=dry_run)
results.append((patch_path, target, backup, record))
return results
def create_run_dir(live_date: str, run_name: str | None) -> Path:
name = run_name or f"{live_date}_glm5_{datetime.now().strftime('%H%M%S')}"
run_dir = RUNS_ROOT / name
run_dir.mkdir(parents=True, exist_ok=False)
return run_dir
def main() -> int:
parser = argparse.ArgumentParser(description="Generate and apply knowledge patches.")
parser.add_argument("--live-date", default="2026-05-18", help="live file date, e.g. 2026-05-18")
parser.add_argument("--model", default=DEFAULT_MODEL)
parser.add_argument("--limit", type=int, default=5, help="maximum number of patches to generate; agent may generate fewer, including 0")
parser.add_argument("--topic", help="optional topic/target hint for the agent")
parser.add_argument("--run-name", help="run directory name under maintenance/runs")
parser.add_argument("--patch", type=Path, help="apply an existing patch instead of generating")
parser.add_argument("--dry-run", action="store_true", help="validate but do not modify knowledge_base")
parser.add_argument("--keep-log", action="store_true", help="keep agent stream log/final text in run dir")
args = parser.parse_args()
run_dir = create_run_dir(args.live_date, args.run_name)
try:
if args.patch:
patch_dest = run_dir / args.patch.name
shutil.copy2(args.patch, patch_dest)
patches = [patch_dest]
else:
patches = generate_patches(
live_date=args.live_date,
run_dir=run_dir,
model=args.model,
limit=args.limit,
topic_hint=args.topic,
keep_log=args.keep_log,
)
results = apply_all_patches(run_dir, dry_run=args.dry_run)
except Exception:
if not any(run_dir.iterdir()):
run_dir.rmdir()
raise
print(f"run_dir: {run_dir}")
print(f"patches: {len(patches)}")
if not patches:
print("status: no patches generated; no knowledge_base files changed")
return 0
for patch_path, target, backup, record in results:
print(f"patch: {patch_path}")
print(f"target: {target}")
if args.dry_run:
print("status: dry-run ok")
else:
print(f"backup: {backup}")
print(f"applied: {record}")
print("status: applied")
return 0
if __name__ == "__main__":
sys.exit(main())
@@ -0,0 +1,29 @@
#!/usr/bin/env bash
set -euo pipefail
BACKEND_DIR="/data01/likun/deerflow-cmzs/deerflow-server/offline-backend-20260512/backend"
RUN_DATE="${1:-$(date +%F)}"
MAX_PATCHES="${MAX_PATCHES:-5}"
export http_proxy="${http_proxy:-http://192.168.134.44:7897}"
export https_proxy="${https_proxy:-http://192.168.134.44:7897}"
export PYTHONPATH="packages/harness:."
cd "$BACKEND_DIR"
echo "[$(date '+%F %T')] start daily knowledge update: date=$RUN_DATE max_patches=$MAX_PATCHES"
.venv/bin/python knowledge/knowledge_generate/maintenance/generate_daily_live.py --date "$RUN_DATE"
LIVE_FILE="knowledge/knowledge_base/live/${RUN_DATE}.txt"
if [[ ! -s "$LIVE_FILE" ]]; then
echo "[$(date '+%F %T')] live file missing or empty: $LIVE_FILE"
echo "[$(date '+%F %T')] stop before knowledge update"
exit 1
fi
.venv/bin/python knowledge/knowledge_generate/maintenance/knowledge_update_pipeline.py \
--live-date "$RUN_DATE" \
--limit "$MAX_PATCHES"
echo "[$(date '+%F %T')] daily knowledge update finished"
@@ -0,0 +1,41 @@
# 知识库自动更新说明
## 更新时间
2026-05-20 15:13:34
## Patch 文件
`knowledge/knowledge_generate/maintenance/runs/2026-05-18_trump_admin_demo/entities__foreign_actors__trump_administration_2.patch.md`
## 目标文件
`/data01/likun/deerflow-cmzs/deerflow-server/offline-backend-20260512/backend/knowledge/knowledge_base/entities/foreign_actors/trump_administration_2.md`
## 备份文件
`knowledge/knowledge_generate/maintenance/runs/2026-05-18_trump_admin_demo/entities__foreign_actors__trump_administration_2.backup.md.bak`
## 更新动作
新增
## 插入位置
`## 对台政策的可能调整方向:从战略模糊到交易性模糊` 章节内、下一个同级标题之前。
## 来源依据
- `live/2026-05-18.txt`:01、02、11、19
## 合并判断
建议人工审核后合并。
## 不确定项
- 无。
## 状态
已自动合并,待人工通过 git diff 审核。
@@ -0,0 +1,316 @@
# 川普第二任政府涉台体系
---
**类型**: organization
**当前角色**: 美国联邦行政体系(2025-2029)
**何时调用此档案**: 分析川普 2.0 时期美台互动的具体决策来源;判断特定涉台声明的机构出处与权重;评估美台政策走向时;需要拆解"美国政府"这一单一标签时
---
## 一句话浓缩
川普 2.0 涉台体系是"高度个人化的交易中枢"与"制度性亲台官僚网络"的矛盾共生体——其运作逻辑不是传统的"总统-官僚"二元对立,而是各部门在"竞争性忠诚"框架下,将台湾议题重新包装为符合川普交易直觉之筹码的持续博弈过程。
---
## 体系总论:结构性命题与内在张力
### 结构性命题:竞争性忠诚体系
川普 2.0 的涉台决策体系运作逻辑是**竞争性忠诚**(Competitive Loyalty)。各部门与核心圈人物对台政策的推动或阻挠,首要考量不是台湾利益或对中战略,而是**如何在川普的交易框架中证明自身的忠诚与价值**。
这意味着:
- 鹰派(如鲁比奥)必须将"对台支持"包装为"对中施压的筹码",而非"捍卫民主的义务"
- 克制派(如万斯)必须将"避免对台承诺"包装为"避免卷入无谓战争",以契合美国优先
- 经济派必须将"对台关系"转化为"保护费"或"贸易让步"的具体数字
### 内在张力:川普集权 vs 多核心运作
川普 2.0 体系同时存在两种看似矛盾的特征:
1. **川普集权**:所有重大决策(关税、军售最终核定、对中谈判框架)最终由川普一人定夺;内阁成员的权力完全来自川普的个人信任
2. **多核心运作**:川普对日常政策与细节缺乏兴趣,留下大量真空由各机构填补;不同机构在各自地盘内享有高度裁量权
**分析含义**:分析时不能将"川普政府"视为单一行动者。国务院的日常声明与川普的推文可能方向相反,但两者都是"川普政府"的真实输出。判断哪个信号更代表"真实政策",取决于议题是否触及川普的核心利益(经济交易与个人政治形象)。
### 破除常见简化:经济施压不等于放弃安全承诺
把"川普对台施压关税"等同于"放弃台湾安全承诺"是错误的简化。在川普的交易框架中,**经济施压(要保护费)恰恰预设了安全承诺的存在**——如果没有安全保护,就无从收取保护费。两者是共生关系而非互斥关系。北京与台湾部分在野势力常将两者混为一谈,这是分析时必须拆解的论述操作。
---
## 白宫核心圈:终极变量与意识形态锚点
### 川普:交易中枢
**事实层**:
- 川普将国际关系视为房地产谈判的延伸:一切皆可交易,一切皆有价格
- 对台湾的公开发言集中在"抢走晶片"、"应付保护费"、"距离遥远"三个框架
- 第一任期内,川普在习近平要求下曾限制对台军售一年(2018);但也批准多次重大军售
- 川普对"同盟"概念缺乏信仰,对"贸易逆差"极度敏感
**脉络层**:
川普是涉台体系的终极变量。他不按意识形态运作,而是按"交易直觉"运作。这意味着台湾在川普眼中不是"民主盟友",而是"晶片供应地"与"潜在保护费来源"。这种定位对台湾是双刃剑:一方面意味着台湾有具体筹码(晶片、地缘位置)可谈,另一方面意味着若北京开出更高价格,台湾的筹码可能被覆盖。
**分析含义**:
分析川普的涉台发言时,**不要预测他的具体政策,而是预测他的"要价"逻辑**。当川普抱怨台湾晶片时,他不是在陈述经济事实,而是在为后续谈判设定议程。分析者应追踪:川普的发言是否伴随具体的政策行动?若无行动,则发言仅为谈判铺垫。
交叉引用:`entities/people/donald_trump.md`
### 万斯:意识形态锚点与克制派代表
**事实层**:
- 万斯是"美国优先"孤立主义的忠实信徒,公开反对美国海外军事介入
- 副总统在涉台政策上无直接行政权,但在国安会担任主席时有议程设定权
- 万斯的涉台发言极少,但其在慕尼黑安全会议的演说显示其倾向"减少海外承诺"
**脉络层**:
万斯在涉台体系中的角色不是"决策者",而是**"不做什么"的意识形态锚点**。当鹰派主张加强台湾安全承诺时,万斯的存在确保"避免卷入战争"的声音始终在决策圈内。他是川普孤立主义直觉的制度化代表。
**分析含义**:
万斯的发言是判断川普 2.0"不做什么"的指标。若万斯公开反对某项涉台军事合作,即使最终未否决,也反映白宫内部的牵制力量。分析者应追踪万斯在国安会中的投票记录与公开表态。
交叉引用:`entities/foreign_actors/jd_vance.md`
### 国家安全顾问:流程控制者
**事实层**:
- Mike Waltz 被任命为国安顾问,属对中鹰派
- 国安顾问无独立决策权,但控制"什么选项上达总统"的流程
- 川普 1.0 时期,国安顾问更替频繁(弗林、麦克马斯特、博尔顿、奥布莱恩),政策方向随之摆动
**脉络层**:
国安顾问在川普体系中的核心功能是**"干扰过滤器"**。传统国安顾问提供多元选项供总统抉择;川普 2.0 的国安顾问更可能过滤掉不符合川普直觉的常规选项,只留下"交易方案"。Waltz 的鹰派立场意味着他倾向于将"对台支持"包装为"对中威慑"推上议程,但他必须时刻确保建议不违背川普的"不想开战"底线。
**分析含义**:
观察国安会的人事清洗程度是判断常规政策能否上达天听的关键。若职业官僚被边缘化,则国安会输出将更贴近川普个人直觉,增加政策不可预测性。追踪国安会亚洲事务主任的人选,是判断涉台政策专业度的具体指标。
交叉引用:`entities/foreign_actors/mike_waltz.md`
---
## 内阁涉台关键部门:制度惯性与政治任命的缝隙
### 国务院:规范维护者与包装师
**事实层**:
- 鲁比奥被任命为国务卿,长期亲台鹰派,曾提出《台湾旅行法》等多项涉台法案
- 国务院东亚暨太平洋事务局(EAP)负责日常涉台事务,职业外交官为主
- 川普 2.0 初期,国务院网页涉台描述曾短暂修改(移除"不支持台独"),后部分恢复
**脉络层**:
鲁比奥在川普体系中的角色是**"翻译者"**:将川普的交易直觉转化为可操作的外交政策,同时将官僚体系的制度惯性包装为对川普有利的交易筹码。鲁比奥的亲台立场是真实的,但他的首要忠诚是川普。当川普的交易需求与亲台立场冲突时,鲁比奥会让步。
国务院内部的张力在于:政治任命官员(鲁比奥及其团队)倾向将涉台政策作为对中施压工具;职业外交官倾向维持政策稳定性与可预测性。网页修改事件正是这种张力的体现——政治任命官员试图发出信号,但遭遇制度性修正。
**分析含义**:
鲁比奥的公开声明是"制度下限"的指标——只要鲁比奥仍在公开支持台湾,说明国务院的亲台惯性尚未被打破。但若鲁比奥开始使用川普式的交易语言(如"台湾必须付出更多"),则反映白宫对国务院的渗透加深。分析者应区分"鲁比奥的参议院立场"与"鲁比奥的国务卿立场",后者必然更贴近白宫。
交叉引用:`entities/foreign_actors/marco_rubio.md`
### 国防部:威慑堡垒与"不想开战"的底线
**事实层**:
- 国防部长由川普提名,需在"对中威慑"与"避免卷入战争"间平衡
- 印太司令部负责台海军事行动规划,其评估是军售决策的基础
- 川普 1.0 时期,国防部曾因总统指令而限制南海自由航行行动的频次
**脉络层**:
国防部是涉台体系中**制度性威慑的堡垒**。军售、联合演训、军事交流等日常政策主要由国防部驱动。然而,国防部在川普体系下面临根本矛盾:其专业评估(威慑需要更强大的台湾)可能与川普的直觉(不想为台湾开战)冲突。
国防部的应对策略是**"低调实质"**:减少公开的象征性动作(如高调官员访台),但维持实质的军事合作(如训练、军售交付)。这种策略旨在既满足威慑需求,又不触碰川普的"避免挑衅"底线。
**分析含义**:
军售节奏与品项是观察国防部自主度的最佳指标。若军售维持稳定甚至升级,说明国防部仍掌握实质决策权;若军售被白宫暂缓作为对中谈判筹码,则反映川普集权压倒专业判断。分析者应追踪:军售通知是否按时送交国会?品项是否符合台方需求?时机是否与美中谈判周期重合?
### 商务部与贸易代表:经济施压引擎
**事实层**:
- 川普明确表态对台湾半导体不满,多次提及关税威胁
- 商务部长负责出口管制与技术转移,直接影响台积电等企业的运营环境
- 贸易代表负责对台贸易谈判,可能要求台湾开放市场或增加对美采购
**脉络层**:
商务部与贸易代表是川普 2.0 涉台体系中**最确定的方向**:经济施压。这与国防部的安全合作形成鲜明对比。在川普的交易框架中,经济施压是目的本身(减少贸易逆差、增加美国就业),也是手段(迫使台湾在安全议题上让步或支付更多)。
**分析含义**:
分析台方应对时,必须区分"经济让步"与"安全妥协"。台积电赴美投资是经济让步,不影响安全承诺;但若美方要求台湾自行承担全部防务费用,则触及安全妥协。川普 2.0 最可能的施压方向是前者,而非后者。追踪关税政策的实际执行程度,是判断经济施压力度的具体指标。
---
## 国安会的角色:异化的协调中枢
### 传统功能 vs 川普 2.0 功能
**事实层**:
- 传统国安会功能:协调各部门、提供多元选项、确保政策一致性
- 川普 1.0 的国安会:内斗严重,多次政策方向摆动
- 川普 2.0 的国安会:Waltz 领导下可能更强调"忠诚"与"纪律"
**脉络层**:
川普 2.0 的国安会功能已**异化**。传统国安会是"选项生成器",川普 2.0 的国安会更像是**"干扰过滤器"与"交易包装机"**。其核心任务不是提供最专业的建议,而是确保上达川普的选项不违背其交易直觉,并将各部门的诉求翻译为川普能理解的交易语言。
这种异化导致涉台危机管理可能出现**"信息真空"**。若台海发生突发事件,国安会可能过滤掉需要强硬回应的专业建议,只提供"谈判解决"的选项,从而延误威慑时机。
**分析含义**:
国安会的运作是黑箱,但可通过以下指标间接观察:国安会亚洲事务团队的人事稳定性、国安会与国务院/国防部的政策一致性、危机事件中的反应速度。若国安会频繁否决国务院的涉台声明草案,反映内部过滤机制正在运作。
---
## 国会与白宫的协调:防跌网而非推进器
### 共和党控制下的双轨运作
**事实层**:
- 共和党控制参众两院(或至少一院),传统上亲台立场跨党派
- 国会涉台立法(如《台湾关系加强法》、《台湾保护法》)持续推动
- 国会无权指挥行政部门的具体外交行动,但可通过立法设定框架与限制
**脉络层**:
国会在川普 2.0 涉台体系中的角色是**"防跌网"**而非"推进器"。国会可以确保对台政策的下限(通过立法禁止行政部门减少对台军售或降级关系),但无法决定上限(无法迫使行政部门提升对台支持层级)。
共和党控制下的国会与白宫关系复杂:一方面,共和党议员普遍亲台;另一方面,MAGA 派议员可能不愿公开挑战川普。因此,国会的涉台立法可能以**"大共识、小争议"**的方式推进——在象征性议题上(如支持台湾参与国际组织)高调表态,但在涉及实质预算或军事承诺的议题上谨慎行事。
**分析含义**:
追踪国会涉台立法的进度与内容,是判断"制度下限"的指标。若立法顺利推进且获跨党派支持,说明对台政策仍有坚实底盘;若立法因白宫施压而搁置,则反映川普集权对国会的渗透。分析者应注意:国会的涉台立法往往是"授权"而非"强制",行政部门的执行空间仍然很大。
---
## 对台政策的可能调整方向:从战略模糊到交易性模糊
### 调整方向一:军售的交易化
**事实层**:
- 川普 1.0 时期的军售金额创纪录,但品项选择有时受政治考量影响
- 川普 2.0 可能将军售与经济议题挂钩
**脉络层**:
军售可能从"基于威胁评估的专业决策"转向"基于交易逻辑的政治决策"。这意味着:台湾若在贸易或投资上让步,可能获得更先进的武器;若不配合,军售可能被暂缓或降级。这种调整不意味着军售停止,而是意味着军售的**决定逻辑改变**。
**分析含义**:
观察军售通知送交国会的时机是否与美台贸易谈判周期重合。若重合,则交易化倾向明显。
### 调整方向二:互动的去象征化
**事实层**:
- 川普对象征性外交(如高层访台)的兴趣有限
- 川普更关注实质交易(如投资、军购金额)
**脉络层**:
美台互动可能从"象征突破"转向"实质交易"。高层访台的频次可能减少,但军售与经济合作的金额可能增加。这对台湾的国内政治有影响:DPP 难以用"高层访台"作为政绩,但可用"军售升级"作为替代。
**分析含义**:
不要仅以"高层访台频次"作为美台关系好坏的指标。在川普 2.0 框架下,"低调但实质"可能是更常态的互动模式。
### 调整方向三:对中谈判的筹码化
**事实层**:
- 川普习惯将所有议题作为谈判筹码
- 美中贸易谈判可能涉及非贸易议题
**脉络层**:
台湾最深层的安全风险不是川普"放弃台湾",而是川普在美中谈判中**"暂时搁置台湾"**。例如,为达成贸易协议,川普可能同意减少对台军售或限制高层访台,作为对北京的让步。这种让步可能是暂时的,但对台湾的安全影响是立即的。
**分析含义**:
追踪美中谈判周期与涉台政策的关联。若重大军售或涉台声明总是在美中谈判破裂后出现,则"筹码化"倾向明显。分析者应区分"作为筹码被交易"与"作为资产被强化"两种情境。
交叉引用:`events/timelines/us_taiwan_2024_present_trump_2.md`、`primitives/frameworks/trump_factor_analysis.md`
---
## 关联分析
### 关联一:川普个人档案
- **功能**:提供事实层与脉络层
- **说明**:川普的交易直觉是整个涉台体系的终极驱动力。理解川普的谈判风格(极限施压、随时反悔、重视个人关系)是预测政策走向的前提
### 关联二:万斯档案
- **功能**:用于对照
- **说明**:万斯代表涉台体系中"不做什么"的力量。将万斯的公开立场与实际政策对比,可测量鹰派在体系中的影响力
### 关联三:鲁比奥档案
- **功能**:提供事实层与交叉验证
- **说明**:鲁比奥是国务院亲台立场的核心。追踪鲁比奥的发言是否从"价值观驱动"转向"交易驱动",是判断国务院被白宫同化程度的指标
### 关联四:Waltz 档案
- **功能**:提供脉络层
- **说明**:Waltz 控制国安会的流程。他的鹰派立场与对川普的忠诚度,决定哪些涉台选项能上达总统
### 关联五:川普 2.0 时间线
- **功能**:提供事实层与交叉验证
- **说明**:时间线提供具体事件序列,本档案提供结构性解释。两者交叉使用可避免单事件过度诠释
### 关联六:川普因素分析框架
- **功能**:提供脉络层
- **说明**:该框架提供分析川普不确定性的方法论,本档案是该框架在机构层面的具体应用
---
## 常见的分析陷阱
### 陷阱一:将"川普政府"视为单一行动者
- **错误**:认为国务院的声明等于白宫的意图,或川普的推文等于国防部的政策
- **修正**:必须区分不同机构的输出,并判断该议题是否触及川普的核心利益。若不触及,则机构自主度较高
### 陷阱二:将"经济施压"等同于"安全放弃"
- **错误**:看到川普对台关税威胁,就推断美国将放弃台湾安全承诺
- **修正**:在交易框架中,经济施压预设了安全承诺的存在。两者是共生关系,分析时必须拆解
### 陷阱三:将"鹰派内阁"等同于"亲台政策"
- **错误**:因为鲁比奥、Waltz 等是鹰派,就推断川普 2.0 必然亲台
- **修正**:鹰派内阁成员的首要忠诚是川普,而非台湾。当川普的交易需求与亲台立场冲突时,鹰派会让步。内阁的鹰派色彩只意味着"亲台选项更容易上达",不意味着"亲台政策必然执行"
### 陷阱四:过度依赖川普的公开发言预测政策
- **错误**:将川普的每一句涉台发言都视为政策预告
- **修正**:川普的发言多为谈判铺垫,不必然转化为政策。分析者应追踪发言后是否有具体行动,若无行动,则发言仅为信号操作
### 陷阱五:忽视"未发生的事件"
- **错误**:只关注发生了什么,忽略本应发生但未发生的事件
- **修正**:若某项常规军售未按时通知国会,或某项例行演训被取消,这些"未发生"的事件可能比公开声明更重要
### 陷阱六:假设国会是台湾的可靠保护者
- **错误**:认为国会可以通过立法强制行政部门执行亲台政策
- **修正**:国会立法多为"授权"而非"强制",行政部门有极大的裁量权。在共和党控制下,MAGA 派议员可能不愿挑战川普,国会的"防跌网"功能可能弱化
---
## 仍不确定的部分
### 不确定一:国安会的实际运作模式
- 川普 2.0 的国安会是否真的成为"干扰过滤器",仍需更多内部信息验证。目前只能通过外部指标间接推断
### 不确定二:川普对中谈判的底线
- 川普在美中谈判中愿意就台湾议题做出多大让步,取决于他对"交易"的评估。这高度情境化,无法预先确定
### 不确定三:国防部与白宫的危机管理协调
- 若台海发生突发事件,国防部与白宫的反应速度与一致性如何,仍需实战检验。川普 1.0 时期未经历台海重大危机
### 不确定四:人事变动的影响
- 川普 1.0 时期内阁更替频繁。若鲁比奥或 Waltz 去职,涉台体系可能大幅调整。本档案需定期更新以反映人事变化
### 不确定五:台湾方面的应对策略效果
- 台湾如何回应川普的交易需求(如增加军购、台积电投资),将反向影响川普的后续决策。这是双向博弈,非单向决定
---
## 与其他文件的关系
| 文件路径 | 关联功能 |
|---|---|
| `entities/people/donald_trump.md` | 提供川普个人的决策逻辑与交易风格,是理解涉台体系终极变量的基础 |
| `entities/foreign_actors/jd_vance.md` | 提供克制派意识形态锚点的脉络,用于对照鹰派主张 |
| `entities/foreign_actors/marco_rubio.md` | 提供国务院亲台立场的具体事实与转变轨迹,用于交叉验证 |
| `entities/foreign_actors/mike_waltz.md` | 提供国安会流程控制者的背景,用于判断选项过滤机制 |
| `events/timelines/us_taiwan_2024_present_trump_2.md` | 提供具体事件序列,与本档案的结构性解释互补 |
| `primitives/frameworks/trump_factor_analysis.md` | 提供分析川普不确定性的方法论框架,本档案是该框架的机构层应用 |
---
## 一句话浓缩
> 川普 2.0 涉台体系的运作核心是"竞争性忠诚"——各部门将台湾议题重新包装为符合川普交易直觉的筹码,在"川普集权"与"多核心运作"的张力中,政策方向取决于谁能成功将其诉求翻译为川普能理解的交易语言。
---
last_updated: 2025-05-20
@@ -0,0 +1,47 @@
# 知识库更新补丁候选
## 目标文件
`entities/foreign_actors/trump_administration_2.md`
## 更新动作
新增。
## 建议插入位置
建议插入在 `## 对台政策的可能调整方向:从战略模糊到交易性模糊` 章节内、`---` 分隔线之前。
## 可直接合并内容
```markdown
### 对台政策的现实展开:2026年5月川习会的交易印证
**事实层**:
- 特朗普于2026年5月15日结束对北京的两天访问后,在返美"空军一号"上向记者透露,美中不会因台湾问题爆发冲突,并称将就140亿美元对台军售方案做出决定
- 中方在峰会后披露,习近平明确指出台湾问题是中美关系中最重要的问题,警告若处理不好将推向"十分危险的境地"
- 特朗普在访华期间邀请习近平9月24日访问白宫,中方将此次峰会定位为构建"中美建设性战略稳定关系"
- 国务卿卢比奥同日强调美国对台政策"没有改变",美国不会以台湾问题换取中方在其他议题上的合作
**脉络层**:
川习会的实际展开印证了"交易性模糊"的运作逻辑。特朗普一方面在中方面前淡化冲突可能性,另一方面在返程后立即预告军售决定,体现了典型的双向交易:对中释放"可控"信号,对内(国会、军工复合体)释放"坚持"信号。140亿美元军售的预告时机——在峰会结束、特朗普已在"空军一号"上——显示军售不仅是对台安全承诺,更是特朗普手中可随时兑现或暂缓的谈判筹码。
卢比奥的"政策未变"声明,既是对中方的安抚(避免误判升级),也是对国会的交代(维持亲台惯性),同时将台湾问题与伊朗、贸易等其他议题切割,说明特朗普的交易逻辑是"议题打包"而非"议题捆绑"。这印证了本档案的核心判断:鹰派内阁的亲台立场存在,但需在川普交易框架下重新包装。
中方将峰会定位为"建设性战略稳定",反映北京试图将特朗普的不确定性转化为可预期的双边框架,但台湾问题的"最危险"警告同时说明,中方对特朗普的交易策略保持高度警惕——北京知道,特朗普的"不会冲突"表态可以随时因交易需要而调整。
**分析含义**:
川习会后,判断特朗普涉台政策走向的关键指标从"是否军售"转向"军售时机与规模是否与美中谈判周期绑定"。若140亿美元军售在9月习近平访美前正式通知国会,则说明交易逻辑尚未压倒安全惯性;若军售被暂缓至访美后,则反映台湾议题已被纳入中美战略稳定的交易对价。另一个追踪指标是:卢比奥的发言是否从"政策未变"转向"台湾需承担更多",这将反映国务院的亲台底线是否被白宫交易逻辑同化。
```
## 来源依据
- `live/2026-05-18.txt`:01、02、11、19
## 合并判断
建议人工审核后合并。
## 不确定项
- 无。