常见问题 · FAQ
关于 Tapestry 的常见问题
这里集中回答的是项目本身最常被问到的问题：它是什么、如何安装、数据写到哪里、为什么强调来源感知抓取，以及它最终如何发布成知识库页面。
This page focuses on the practical questions people ask before adopting Tapestry into a real workflow.
什么是 Tapestry？ | What is Tapestry?
Tapestry 是一个面向 Agent 的 AI-native web intelligence 与知识库技能包。它会抓取多来源网页内容、整理成统一 feed，再综合成结构化 notes、chapters 与可发布的展示结果。
它和普通书签有什么区别？ | How is it different from bookmarks?
书签保留的是链接；Tapestry 保留的是来源感知的 captures、normalized feeds 与后续知识输出。当原始页面变化、失效或需要重新分析时，这个差异会非常明显。
它和一次性的 scraper 脚本有什么区别？ | How is it different from a one-off scraper?
一次性 scraper 可以抓内容，但通常不会提供稳定的 feed 模型、章节级 synthesis、以及后续可发布的知识库展示路径。Tapestry 的价值在整条工作流，而不只是抓取动作本身。
支持哪些 Agent 框架？ | Which frameworks can use it?
当前项目定位围绕 Claude Code、Codex、OpenClaw 等 skill-compatible Agent 运行环境展开，安装方式也保持 bundle-first 而不是仅依赖某一种命令入口。
数据会写到哪里？ | Where does it store data?
通过 skill 安装后的数据会写到已安装的 Tapestry skill 根目录下的 _data/ 中，包含 captures、feeds、notes 和 viewer outputs。
可以把知识库发布成网站吗？ | Can it publish a knowledge base as a site?
可以。Tapestry 自带 display 路径，可以把 synthesis 结果发布成可浏览的静态前端，便于本地查看、共享和归档。
为什么强调来源感知抓取？ | Why is source-aware crawling important?
因为 Reddit thread、知乎回答、公众号文章和普通博客页的结构完全不同。Tapestry 的设计重点是先保留这些差异，再把它们整理进统一知识工作流，而不是先把一切都扁平化。