Llm Wiki

基于增量维护的结构化 Markdown wiki，帮助持续摄入、组织、查询和检查知识库内容与逻辑一致性。

基于 Andrej Karpathy 的 LLM Wiki 模式，让 AI Agent 持续构建和维护结构化、交叉链接的 Markdown 知识库。

触发条件

当用户提到以下关键词时激活本 skill：

• "知识库"、"wiki"、"llm-wiki"、"知识管理"
• "ingest"、"摄入"、"整理资料"、"消化"
• "lint"、"检查知识库"、"查矛盾"
• 对已有 wiki 的查询请求

核心理念

与其每次查询时从原始文档重新检索（RAG），不如让 LLM 增量构建和维护一个持久化的 Wiki——一个结构化、交叉链接的 Markdown 文件集合，位于你和原始资料之间。

• raw/ = 源代码（不可变）
• LLM = 编译器
• wiki/ = 编译产物（LLM 维护）
• Lint = 测试
• Query = 运行时

每次摄入新资料，知识就复利增长——后续所有查询都受益于之前的整理工作。

三层架构

text

<wiki-root>/
├── raw/                      # Layer 1: 不可变原始文档
│   ├── articles/             #   网页文章、博客
│   ├── papers/               #   论文 PDF/Markdown
│   ├── books/                #   书籍笔记
│   ├── videos/               #   视频/播客转录
│   └── notes/                #   个人笔记、想法
├── wiki/                     # Layer 2: LLM 生成的 Wiki
│   ├── index.md              #   内容目录（每次操作后更新）
│   ├── log.md                #   追加式操作日志
│   ├── overview.md           #   领域综述
│   ├── concepts/             #   概念页
│   ├── entities/             #   实体页（人物、组织、工具）
│   ├── sources/              #   来源摘要（每篇原始文档一个）
│   └── comparisons/          #   对比分析页
├── outputs/                  # 生成的报告、lint 结果
├── SCHEMA.md                 # Layer 3: Schema 配置（本文件）
└── .gitignore

核心操作

1. Init — 初始化 Wiki

当用户在新目录或新主题下首次使用时。

步骤：

1. 确认 wiki 根目录路径和主题
2. 创建上述完整目录结构
3. 初始化 wiki/index.md（空目录）
4. 初始化 wiki/log.md（空日志）
5. 创建 SCHEMA.md（从本模板定制）
6. 初始化 Git 仓库（如用户同意）
7. 报告创建结果

2. Ingest — 摄入资料

当用户添加新资料到 raw/ 后触发。

步骤：

1. 扫描 raw/ 中尚未在 wiki/sources/ 有对应摘要的文件
2. 对每个新文件： a. 读取原始文档，提取关键信息 b. 讨论关键发现（向用户汇报要点） c. 创建 wiki/sources/<source-name>.md 摘要页 d. 更新/创建相关的 concept 和 entity 页面 e. 建立交叉引用（[[wikilink]]）到相关页面 f. 检查矛盾：新信息是否与已有知识冲突
3. 更新 wiki/index.md
4. 追加 wiki/log.md（格式：## YYYY-MM-DD ingest | 标题）
5. 报告：新建/更新了哪些页面，发现了哪些值得注意的信息

来源摘要页模板：

markdown

---
title: "来源标题"
type: source-summary
source: raw/articles/filename.md
date-ingested: YYYY-MM-DD
confidence: high
tags: [tag1, tag2]
related:
  - "[[concept-page]]"
  - "[[entity-page]]"
---

# 来源标题

## 一句话总结
...

## 关键要点
- 要点1
- 要点2

## 新概念
- [[new-concept]] — 简要描述

## 与我已有知识的关联
- 关联到 [[existing-page]]：...

## 值得深入的方向
- ...

3. Query — 查询 Wiki

当用户对 wiki 内容提问时触发。

步骤：

1. 先读 wiki/index.md 定位相关页面（而非加载整个 wiki）
2. 精读相关页面，综合信息
3. 引用来源，使用 [[wikilink]] 格式
4. 如果答案新颖且有价值，主动提议将其保存为新的 wiki 页面

重要原则：

• 永远不要一次性加载整个 wiki 到上下文
• 通过 index.md 导航，按需读取
• 无法从 wiki 中找到答案时，诚实说明并建议摄入相关材料

4. Lint — 知识库健康检查

定期或按需触发。

检查项：

1. 矛盾检测：不同页面间的冲突声明
2. 孤立页面：没有任何入链的 wiki 页面
3. 缺失概念：被引用但尚未创建页面的概念
4. 过时声明：被新来源取代的旧断言
5. 低置信度页面：标记为 confidence: low 且长期未更新
6. 死链：指向不存在页面的 [[wikilink]]

输出： 保存到 outputs/lint-YYYY-MM-DD.md

Lint 报告模板：

markdown

# Wiki Lint 报告 — YYYY-MM-DD

## 矛盾发现
| 页面A | 声明 | 页面B | 冲突声明 | 建议 |
|-------|------|-------|---------|------|
| ... | ... | ... | ... | ... |

## 孤立页面
- [[orphan-page]] — 无入链，建议链接到相关概念

## 缺失概念
- "概念名" 被 [[page-a]] 和 [[page-b]] 引用，建议创建页面

## 过时声明
- [[page]] 中关于 X 的断言已被 raw/articles/new-source.md 取代

## 统计
- 总页面数: N
- 概念页: N | 实体页: N | 来源摘要: N
- 交叉引用数: N
- 健康评分: X/100

页面规范

文件命名

• 使用 kebab-case：attention-mechanism.md、large-language-model.md
• 与概念名称一致，便于 [[wikilink]] 引用

YAML Frontmatter（所有 wiki 页面必需）

yaml

---
title: "页面标题"
type: concept | entity | source-summary | comparison
sources:
  - raw/articles/source.md
related:
  - "[[related-page]]"
created: YYYY-MM-DD
updated: YYYY-MM-DD
confidence: high | medium | low
---

交叉引用

• 内部链接使用 [[wikilink]] 格式
• 源引用使用 raw/ 相对路径
• 外部 URL 使用标准 Markdown 链接

与 RAG 的对比

维度	RAG	LLM Wiki
状态	无状态，每次独立	有状态，知识复利累积
基础设施	向量数据库+嵌入管线	文件夹+Markdown
交叉引用	每次查询临时发现	LLM 预构建，始终可用
维护成本	嵌入更新、索引重建	LLM 每次摄入自动更新
可追溯性	块级引用（常有损）	源级引用，追溯到 raw/
适用规模	企业级（百万文档）	个人/团队（50-200源）
矛盾检测	无	Lint 操作主动标记

最佳实践

1. 保持 raw/ 不可变：永远不修改 raw/ 中的文件。如需修正，用户自行修改后重新摄入
2. 每次摄入都是复利：摄入不仅创建摘要，还要级联更新相关概念页
3. 先读 index 再导航：查询时不要全量加载，先读 index.md 定位
4. 有价值的答案要存档：好的查询结果应提议保存为 wiki 页面
5. 定期 Lint：建议每摄入 5-10 篇资料后运行一次 lint
6. Git 就是审计日志：每次操作后 commit，可追溯知识演化

工具参考

在 SimpleAgent 环境中：

• 读取文件：read_file
• 搜索内容：grep
• 写入页面：write_file
• 网络搜索：internet_search（用于补充上下文）
• 记忆存储：remember（用于跨会话持久化用户偏好）