LLM Wiki - Personal Knowledge Base

个人知识库构建系统（基于 Karpathy llm-wiki 方法论）。让 AI 持续构建和维护你的知识库， 支持多种素材源（网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件）， 自动整理为结构化的 wiki。 触发条件：用户明确提到"知识库"、"wiki"、"llm-wiki"，或要求对已初始化的知识库执行 消化、查询、健康检查等操作。不要在用户只是要求"总结这篇文章"时触发——必须是明确的 知识库相关意图。

llm-wiki — 个人知识库构建系统

把碎片化的信息变成持续积累、互相链接的知识库。你只需要提供素材，AI 做所有的整理工作。

这个 skill 做什么

llm-wiki 帮你构建一个持续增长的个人知识库。它不是传统的笔记软件，而是一个让 AI 帮你维护的 wiki 系统：

• 你给素材（链接、文件、文本），AI 提取核心知识并整理成互相链接的 wiki 页面
• 知识库随着每次使用变得越来越丰富，而不是每次重新开始
• 所有内容都是本地 markdown 文件，用 Obsidian 或任何编辑器都能查看

核心理念

传统方式（RAG/聊天记录）的问题：每次问问题，AI 都要从头阅读原始文件，没有积累。知识库的价值在于知识被编译一次，然后持续维护，而不是每次重新推导。

快速开始

告诉用户这两步就够了：

1. 初始化：说"帮我初始化一个知识库"
2. 添加素材：给一个链接或文件，说"帮我消化这篇"

---

Script Directory

Scripts located in scripts/ subdirectory.

Path Resolution:

1. SKILL_DIR = this SKILL.md's directory
2. Script path = ${SKILL_DIR}/scripts/<script-name>

---

依赖检查

首次使用时，检查以下依赖是否已安装。如果缺失，提示用户运行安装：

bash ${SKILL_DIR}/setup.sh

依赖 skill / 工具：

• baoyu-url-to-markdown — 普通网页、X/Twitter、部分知乎提取
• wechat-article-to-markdown — 微信公众号提取
• youtube-transcript — YouTube 字幕提取

即使部分依赖缺失，skill 仍可工作（用户可以手动粘贴文本内容）。

外挂状态模型

外挂失败统一分成 not_installed / env_unavailable / runtime_failed / unsupported / empty_result 五类。

所有需要枚举来源、读取 source_label、raw_dir、adapter_name、fallback_hint 的地方，都先读来源总表：

bash ${SKILL_DIR}/scripts/source-registry.sh list

需要拿单个来源的定义时，用：

bash ${SKILL_DIR}/scripts/source-registry.sh get <source_id>

对 URL 类来源，先运行：

bash ${SKILL_DIR}/scripts/adapter-state.sh check <source_id>

adapter-state.sh check 返回 8 列：

source_id	source_label	state	state_label	detail	recovery_action	install_hint	fallback_hint

• not_installed：提示用户可补安装，同时允许改走手动入口
• env_unavailable：说明缺少的环境条件，同时允许改走手动入口
• runtime_failed：说明本次提取执行失败，允许重试一次，再改走手动入口
• unsupported：直接给出手动入口，不尝试自动提取
• empty_result：说明自动提取没拿到有效内容，请用户手动补全文本

当自动提取实际执行后，再运行：

bash ${SKILL_DIR}/scripts/adapter-state.sh classify-run <source_id> <exit_code> <output_path>

用返回的 detail、recovery_action、install_hint、fallback_hint 生成提示。核心主线不因外挂失败而中断。

---

工作流路由

根据用户的意图，路由到对应的工作流：

用户意图关键词	工作流
"初始化知识库"、"新建 wiki"、"创建知识库"	→ init
URL / 文件路径 / "添加素材"、"消化"、"整理" / 直接给链接	→ ingest
"批量消化"、"把这些都整理" / 给了文件夹路径	→ batch-ingest
"关于 XX"、"查询"、"XX 是什么"、"总结一下"	→ query
"给我讲讲 XX"、"深度分析 XX"、"综述 XX"、"digest XX"	→ digest
"检查知识库"、"健康检查"、"lint"	→ lint
"知识库状态"、"现在有什么"、"有多少素材"	→ status
"画个知识图谱"、"看看关联图"、"graph"、"知识库地图"	→ graph

重要：如果用户直接给了一个 URL 或文件，但没有明确说要做什么，默认走 ingest 工作流。如果知识库还不存在，先自动走 init 再走 ingest。

---

通用前置检查

除 init 外，其他工作流默认先执行这段检查：

1. 先检查当前工作目录是否包含 .wiki-schema.md
   • 如果包含 → 用当前目录作为知识库根路径
   • 如果不包含 → 回退到读取 ~/.llm-wiki-path
2. 如果两者都没有：
   • ingest / batch-ingest → 先运行 init
   • query / lint / status / digest / graph → 提示用户先初始化知识库
3. 读取知识库根目录下的 .wiki-schema.md
4. 从 .wiki-schema.md 的"语言"字段判断 WIKI_LANG
   • 语言：中文 → WIKI_LANG=zh
   • 语言：English → WIKI_LANG=en
   • 字段缺失 → 默认 WIKI_LANG=zh

输出语言规则

所有面向用户的输出和新写入的 wiki 内容，都按 WIKI_LANG 生成：

• WIKI_LANG=zh → 使用下文中文示例
• WIKI_LANG=en → 保持与中文示例相同的结构、信息量和顺序，仅改为自然英文措辞
• 文件路径、wiki 链接、目录名保持现有约定，不因为语言切换而改动

术语对照：

• 素材 → Source
• 实体 → Entity
• 主题 → Topic
• 摘要 → Summary
• 综合 → Synthesis
• 消化 → Ingest
• 对比 → Comparison
• 深度报告 → Deep Dive Report
• 知识图谱 → Knowledge Graph

---

工作流 1：init（初始化知识库）

前置检查（含多知识库 CWD 检查）

1. 先检查当前工作目录是否包含 .wiki-schema.md
   • 如果包含 → 当前目录已经是一个知识库，提示用户已存在并询问是否要重新初始化
2. 如果当前目录没有 → 读取 ~/.llm-wiki-path 文件
   • 如果存在 → 提示用户已有一个知识库（显示路径），询问是要新建还是切换到那个
3. 两个都没有 → 进入初始化流程

步骤

1. 询问知识库主题（先向用户提问）：

   • "你的知识库要围绕什么主题？比如'AI 学习笔记'、'产品竞品分析'、'读书笔记'"
   • 如果用户没想法，默认用"我的知识库"

2. 询问知识库语言（先向用户提问）：

   • "知识库内容用什么语言？中文 / English（默认中文）"
   • 选项：zh（中文）或 en（English）
   • 如果用户没有明确说，默认 zh
   • 将选择记录为 WIKI_LANG（zh 或 en）

3. 询问保存位置（先向用户提问）：

   • 默认：~/Documents/我的知识库/（zh）或 ~/Documents/my-wiki/（en）
   • 用户可以自定义路径

4. 运行初始化脚本：

   bash ${SKILL_DIR}/scripts/init-wiki.sh "<路径>" "<主题>"
   

5. 写入语言配置并本地化种子文件：

   • 将 .wiki-schema.md 中的 语言：{{LANGUAGE}} 替换为：
     • zh → 语言：中文（种子文件保持中文，无需额外处理）
     • en → 语言：English，同时覆写以下种子文件为英文版：
   • 如果 WIKI_LANG=en，读取 ${SKILL_DIR}/templates/index-en-template.md、${SKILL_DIR}/templates/overview-en-template.md、${SKILL_DIR}/templates/log-en-template.md，将 {{DATE}} 和 {{TOPIC}} 替换为实际值后，分别写入 index.md、wiki/overview.md、log.md

6. 记录路径到 ~/.llm-wiki-path：

   echo "<路径>" > ~/.llm-wiki-path
   

7. 输出引导（根据 WIKI_LANG 切换语言）：

   中文（zh）：

   知识库已创建！路径：<路径>
   
   接下来你可以：
   - 给我一个链接，我会自动提取并整理（网页、X/Twitter、公众号、知乎等）
   - 小红书内容请直接粘贴文本给我（暂不支持自动提取）
   - 给我一个本地文件路径（PDF、Markdown 等）
   - 直接粘贴文本内容
   - 批量消化：给我一个文件夹路径
   
   推荐：用 Obsidian 打开这个文件夹，可以实时看到知识库的构建效果。
   

   （英文版按「输出语言规则」生成，结构相同。）

---

工作流 2：ingest（消化素材）

这是最核心的工作流。用户给一个素材进来，AI 做所有的整理工作。

前置检查

执行通用前置检查（见上方定义）。

素材提取路由

根据素材类型自动路由到最佳提取方式：

外挂前置判断：

• URL 先调用 bash ${SKILL_DIR}/scripts/source-registry.sh match-url "<url>"
• 本地文件先调用 bash ${SKILL_DIR}/scripts/source-registry.sh match-file "<path>"
• 纯文本粘贴直接调用 bash ${SKILL_DIR}/scripts/source-registry.sh get plain_text
• source-registry.sh 返回 10 列：source_id、source_label、source_category、input_mode、match_rule、raw_dir、adapter_name、dependency_name、dependency_type、fallback_hint
• 调用 bash ${SKILL_DIR}/scripts/adapter-state.sh check <source_id>
• 从 adapter-state.sh check 的 8 列结果里读取 state、detail、recovery_action、install_hint、fallback_hint
• 如果 state=not_installed / env_unavailable / unsupported → 不调用外挂，直接按 detail、recovery_action、install_hint、fallback_hint 告诉用户下一步
• 只有返回 available 时，才继续自动提取

URL 类素材（统一走来源总表，不手写域名表）：

Chrome 提示（仅当 adapter_name=baoyu-url-to-markdown 时）： adapter-state.sh check 已通过 lsof -i :9222 -sTCP:LISTEN 确认 Chrome 调试端口状态。 如果 check 返回 env_unavailable，直接按 fallback_hint 引导用户，不要自行检测 Chrome。 如果 check 返回 available，正常调用外挂。baoyu-url-to-markdown 会自己处理 Chrome 启动，继续执行，不要等待用户确认。 如果提取仍然失败，提示用户：open -na "Google Chrome" --args --remote-debugging-port=9222

• 如果 source_category=manual_only → 不调用外挂，直接使用 fallback_hint
• 如果 adapter_name=wechat-article-to-markdown → 执行 wechat-article-to-markdown "<URL>"
• 如果 adapter_name=youtube-transcript → 调用 youtube-transcript
• 如果 adapter_name=baoyu-url-to-markdown → 调用 baoyu-url-to-markdown

本地文件：

• 统一走 bash ${SKILL_DIR}/scripts/source-registry.sh match-file "<path>"
• 命中后直接读取，不调用外挂

纯文本粘贴：

• 统一视为 plain_text
• 直接使用用户提供的文本

统一回退规则：

• 对自动提取结果，统一运行 bash ${SKILL_DIR}/scripts/adapter-state.sh classify-run <source_id> <exit_code> <output_path>
• 从 classify-run 返回的 8 列结果里读取 state、detail、recovery_action、fallback_hint
• 如果返回 runtime_failed → 按 detail、recovery_action、fallback_hint 告诉用户“这次自动提取失败，可以先重试一次；如果还不行，就改走手动入口”
• 如果返回 empty_result → 按 detail、recovery_action、fallback_hint 告诉用户“自动提取没有拿到有效正文，请手动补全文本后继续”
• 其他状态也使用同一份返回结果，不再手写第二套回退文案

内容分级处理

根据素材长度和信息密度自动选择处理级别：

判断标准：

• 素材内容 > 1000 字 → 完整处理
• 素材内容 <= 1000 字（短推文、小红书笔记等）→ 简化处理

完整处理流程（长素材 > 1000 字）

1. 提取素材内容：按上面的路由获取素材文本

2. 保存原始素材到 raw/ 对应目录：

   • 根据素材类型保存到对应目录（articles/、tweets/、wechat/、xiaohongshu/、zhihu/ 等）
   • 文件名格式：{日期}-{短标题}.md
   • 如果是 URL 类素材，在文件头部记录原始 URL

3. 阅读素材，提取关键信息：

   • 核心观点（3-5 个要点）
   • 关键概念（3-5 个，需要创建或更新的实体）
   • 与已有素材的关联

4. 生成素材摘要页（wiki/sources/{日期}-{短标题}.md）：

   • 参考 templates/source-template.md 的格式
   • 包含：基本信息、核心观点、关键概念、与其他素材的关联、原文精彩摘录

5. 更新或创建实体页（wiki/entities/）：

   • 对每个关键概念，检查 wiki/entities/ 下是否已有对应页面
   • 如果已有 → 追加新信息，更新"不同素材中的观点"部分
   • 如果没有 → 创建新实体页，参考 templates/entity-template.md
   • 使用 [[实体名]] 语法做双向链接

6. 更新或创建主题页（wiki/topics/）：

   • 识别素材涉及的主要研究主题
   • 如果已有对应主题页 → 更新素材汇总表和核心观点
   • 如果没有 → 创建新主题页，参考 templates/topic-template.md

7. 更新 index.md：

   • 在对应分类下添加新条目
   • 更新概览统计数字

8. 更新 log.md：

   • 追加格式：## {日期} ingest | {素材标题}
   • 记录新增和更新的页面列表

9. 向用户展示结果（按 WIKI_LANG 切换语言）：

   中文（zh）：

   已消化：{素材标题}
   
   新增页面：
   - {素材摘要页}
   - {新实体页1}
   - {新主题页1}
   
   更新页面：
   - {已有实体页2}（追加了新信息）
   
   发现关联：
   - 这篇素材和 [[已有素材]] 在 {某概念} 上有联系
   

   （英文版按「输出语言规则」生成，结构相同。）

简化处理流程（短素材 <= 1000 字）

适用于短推文、小红书笔记、简短评论等。

1. 保存原始素材到对应 raw/ 目录

2. 生成简化摘要页（wiki/sources/）：

   • 只包含基本信息和核心观点
   • 不写"原文精彩摘录"部分

3. 提取 1-3 个关键概念：

   • 如果对应实体页已存在 → 追加一句话说明
   • 如果不存在 → 在摘要页中用 [待创建: [[概念名]]] 标记

4. 更新 index.md 和 log.md

5. 跳过：主题页创建/更新、overview 更新

6. 向用户展示简化结果（按 WIKI_LANG 切换语言）：

   中文（zh）：

   已消化：{素材标题}（短内容，简化处理）
   
   新增：
   - 素材摘要页
   
   待完善：
   - [待创建: [[概念名]]]（积累更多素材后整理）
   

   （英文版按「输出语言规则」生成，结构相同。）

---

工作流 3：batch-ingest（批量消化）

当用户给了一个文件夹路径，或者说"把这些都整理一下"。

步骤

1. 确认知识库路径：

   • 执行通用前置检查（见上方定义），获取知识库根路径和 WIKI_LANG

2. 列出所有可处理文件：

   • 支持的格式：.md, .txt, .pdf, .html
   • 忽略：隐藏文件、.git 目录、node_modules 等

3. 展示文件列表，确认处理范围（按 WIKI_LANG 切换语言）：

   zh：

   发现 {N} 个文件待处理：
   1. file1.pdf
   2. file2.md
   3. file3.txt
   
   预计需要 {N} 轮处理。是否开始？
   

   （英文版按「输出语言规则」生成，结构相同。）

4. 逐个处理：对每个文件执行 ingest 工作流

   • 根据内容长度自动选择完整/简化处理

5. 每 5 个文件后暂停，展示进度并询问是否继续（按 WIKI_LANG 切换语言）：

   zh：

   进度：5/{N} 已完成
   
   本批处理结果：
   - 新增素材摘要：5
   - 新增实体页：3
   - 更新已有页面：7
   
   继续处理剩余 {M} 个文件？
   

   （英文版按「输出语言规则」生成，结构相同。）

6. 全部完成后：

   • 运行一次 index.md 全量更新
   • 输出总结报告（按 WIKI_LANG 切换语言）：

   zh：

   批量消化完成！
   
   处理了 {N} 个文件：
   - 成功：{S}
   - 跳过（内容为空/格式不支持）：{K}
   - 失败：{F}
   
   新增页面：{total_new}
   更新页面：{total_updated}
   

   （英文版按「输出语言规则」生成，结构相同。）

---

工作流 4：query（查询知识库）

步骤

1. 确认知识库路径：
   • 执行通用前置检查（见上方定义），获取知识库根路径和 WIKI_LANG
   • 如果没有可用知识库，提示用户先初始化
2. 读取 index.md 了解知识库全貌
3. 搜索相关页面：
   • 先在 index.md 中定位相关分类和条目
   • 再用 Grep 在 wiki/ 目录下搜索关键词
   • 读取最相关的 3-5 个页面
4. 综合回答：
   • 按 WIKI_LANG 用对应语言回答用户的问题
   • 标注信息来源（引用 wiki 页面，用 [[页面名]] 格式）
   • 如果多个素材有不同观点，分别列出并标注来源
5. 建议回写：
   • 如果这个回答产生了有价值的分析或综合，询问用户是否保存为新的 wiki 页面
   • 如果保存 → 创建新页面（wiki/synthesis/ 或 wiki/comparisons/），更新 index.md 和 log.md

---

工作流 5：lint（健康检查）

触发时机

• 用户主动说"检查知识库"
• 每次 ingest 后，如果素材总数是 10 的倍数，主动建议运行 lint

前置检查

执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。

1. 确定检查范围：

   • 最近更新的 10 个页面（按文件修改时间排序）
   • 随机抽查的 10 个页面（避免遗漏旧页面的问题）
   • 如果页面总数 <= 20，检查全部

2. 逐项检查：

   孤立页面（Grep 搜索 [[页面名]]，找出没有任何其他页面链接到的页面）：

   • 列出所有孤立页面
   • 建议应该从哪些页面添加链接

   缺失概念页（读取所有页面，找出被 [[某概念]] 链接但实际不存在的页面）：

   • 列出所有"断链"
   • 建议为哪些概念创建新页面

   矛盾信息（阅读相关页面，检查是否有互相矛盾的说法）：

   • 列出发现的矛盾
   • 标注每处矛盾的来源页面

   交叉引用缺失（检查相关主题的页面之间是否应该互相链接但没链）：

   • 建议添加的交叉引用

   index 一致性（对比 index.md 中的条目和实际 wiki 文件）：

   • 找出 index 中有但文件不存在的条目
   • 找出文件存在但 index 中没记录的页面

3. 输出报告（按 WIKI_LANG 切换语言）：

   zh：

   知识库健康检查报告
   
   检查范围：最近更新 10 页 + 随机抽查 10 页（共 {N} 页）
   
   孤立页面（没有其他页面链接到它）：
   - [[某页面]] → 建议从 [[相关页面]] 添加链接
   
   断链（被链接但不存在）：
   - [[某概念]] → 建议创建新页面
   
   矛盾信息：
   - 关于"XX"，[[页面A]] 说是 Y，但 [[页面B]] 说是 Z
   
   缺失索引：
   - {文件名} 存在但未记录在 index.md 中
   

   （英文版按「输出语言规则」生成，结构相同。）

4. 询问用户：要自动修复哪些问题？（按 WIKI_LANG 用对应语言提问）

---

工作流 6：status（查看状态）

前置检查

执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。

步骤

1. 先运行 bash ${SKILL_DIR}/scripts/source-registry.sh list 读取来源总表

2. 获取知识库路径（按上面的 CWD 检查逻辑）

3. 统计：

   • 按来源总表中的 source_label 和 raw_dir 逐项统计 raw/ 文件数
   • wiki/entities/ 下的页面数
   • wiki/topics/ 下的页面数
   • wiki/sources/ 下的页面数
   • wiki/comparisons/ 和 wiki/synthesis/ 下的页面数

4. 读取 log.md 最后 5 条记录

5. 读取 index.md 获取主题概览

6. 运行 bash ${SKILL_DIR}/scripts/adapter-state.sh summary-human 获取外挂状态

7. 输出报告（按 WIKI_LANG 切换语言）：

   zh：

   知识库状态：{主题}
   
   素材分布（按来源总表）：
   - {source_label}：{N}
   - {source_label}：{N}
   ...
   
   Wiki 页面：{总数} 页
     - 实体页：{N}
     - 主题页：{N}
     - 素材摘要：{N}
     - 对比分析：{N}
     - 综合分析：{N}
   
   最近活动：
   - {日期} ingest | {素材标题}
   - {日期} ingest | {素材标题}
   ...
   
   外挂状态：
   {summary-human 原文}
   
   建议：
   - 你可能想深入了解 {某主题}，已有 {N} 篇相关素材
   - {某实体} 被 {N} 篇素材提到，值得整理成独立页面
   

   （英文版按「输出语言规则」生成，结构相同。）

   外挂状态直接使用 bash ${SKILL_DIR}/scripts/adapter-state.sh summary-human 的输出，不要自己再重写一套来源清单。

---

工作流 7：digest（深度综合报告）

区别于 query：query 是快速问答，不生成新页面；digest 是跨素材深度综合，生成持久化报告。

触发关键词

"给我讲讲 XX"、"深度分析 XX"、"综述 XX"、"digest XX"、"全面总结一下 XX"

前置检查

执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。

1. 搜索相关页面：

   • 用 Grep 在 wiki/ 下搜索主题关键词
   • 列出将要综合的页面（让用户了解报告覆盖范围）

2. 深度阅读所有相关页面：

   • 读取找到的所有相关 wiki 页面（sources/、entities/、topics/）
   • 归纳每个页面的核心观点和来源信息

3. 生成结构化深度报告，保存到 wiki/synthesis/{主题}-深度报告.md（按 WIKI_LANG 切换语言）：

   zh：

   # {主题} 深度报告
   
   > 综合自 {N} 篇素材 | 生成日期：{日期}
   
   ## 背景概述
   （简要说明这个主题的背景和重要性）
   
   ## 核心观点
   （按重要性排列，每个观点标注来源）
   - 观点一（来源：[[素材A]]、[[素材B]]）
   - 观点二（来源：[[素材C]]）
   
   ## 不同视角对比
   （如有多个素材观点不同，在此对比）
   | 维度 | 来源A的观点 | 来源B的观点 |
   |------|------------|------------|
   
   ## 知识脉络
   （按时间或逻辑顺序梳理该主题的发展）
   
   ## 尚待解决的问题
   （现有素材中尚未回答的问题，可作为下次搜集素材的方向）
   
   ## 相关页面
   （列出所有综合来源的链接）
   

   （英文版按「输出语言规则」生成，结构相同。）

4. 更新 index.md 和 log.md：

   • index.md 的"综合分析"分类下添加新报告条目
   • log.md 追加：## {日期} digest | {主题}

5. 向用户展示结果（按 WIKI_LANG 切换语言）：

   zh：

   已生成深度报告：{主题}
   
   综合了 {N} 篇素材：
   - [[素材1]]、[[素材2]]...
   
   报告已保存：wiki/synthesis/{主题}-深度报告.md
   
   发现这些待解决问题，可以继续搜集素材：
   - {问题1}
   - {问题2}
   

   （英文版按「输出语言规则」生成，结构相同。）

---

工作流 8：graph（Mermaid 知识图谱）

触发关键词

"画个知识图谱"、"看看关联图"、"graph"、"知识库地图"、"展示知识关联"

前置检查

执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。

1. 扫描双向链接：

   • 遍历 wiki/ 下所有 .md 文件
   • 提取每个文件中的 [[链接]] 语法，建立关系列表：页面A → 页面B

2. 生成 Mermaid 图表文件 wiki/knowledge-graph.md：

   # 知识图谱
   
   > 自动生成 | {日期} | 共 {N} 个节点，{M} 条关联
   
   ```mermaid
   graph LR
     A[概念1] --> B[概念2]
     A --> C[素材1]
     D[主题1] --> A
     D --> E[概念3]
   ```
   
   查看方式：用 Typora、VS Code（Markdown Preview Enhanced）、或直接在 GitHub 上查看。
   

   生成规则：

   • 节点名用中括号 [名称]，名称太长则截断到 10 字
   • 只展示有双向链接关系的节点（孤立节点不纳入图谱）
   • 如果关系超过 50 条，只保留被引用次数最多的 30 个节点，避免图谱过于密集

3. 向用户展示结果（按 WIKI_LANG 切换语言）：

   zh：

   知识图谱已生成！
   
   共 {N} 个节点，{M} 条关联
   文件：wiki/knowledge-graph.md
   
   查看方式：
   - Obsidian：直接打开即可渲染
   - VS Code：安装 Markdown Preview Enhanced 插件
   - GitHub：上传后自动渲染
   - Typora：直接打开
   
   孤立页面（未纳入图谱）：
   - [[某页面]]（建议添加到相关实体页或主题页）
   

   （英文版按「输出语言规则」生成，结构相同。）