LLM Wiki

基于 Karpathy LLM Wiki 方法论，将任意来源的文章编译为持久、可查询的结构化知识库。

触发条件

使用场景：

• 用户给出一个或多个文章链接（微信公众号、博客、技术文档等），要求存入/编译进知识库
• 用户给出 GitHub 仓库链接（文档型仓库，如书籍、教程、知识库），要求整仓库摄入
• 用户给出本地文件路径，要求入库
• 用户要查询已有知识库的内容（"知识库里有什么关于 X 的？"）
• 用户要求对知识库做健康检查、刷新元信息、查看日志或概览

不使用场景：

• 仅下载微信文章而不编译入库 → 使用 wechat-article-down
• 操作项目级 .omc/wiki/ 知识库 → 使用 oh-my-claudecode:wiki
• 普通的网页浏览或信息搜索 → 使用 web-access

调用路由

用户不需要显式指定技能名称。以下裸命令直接路由到本技能：

与其他 wiki 技能的关系：

• llm-wiki 是统一入口，已合并 wechat-wiki 和 article-wiki 的全部能力
• wechat-wiki / article-wiki 仍可通过 /wechat-wiki 或 /article-wiki 显式调用，但裸 wiki 命令统一走 llm-wiki
• oh-my-claudecode:wiki 是完全不同的技能，用于项目级 .omc/wiki/ 知识库，不会与本技能冲突

Ingest 内部路由（根据输入自动判断获取方式）：

wiki ingest <来源>
     │
     ├─ https://mp.weixin.qq.com/...          → 调用 wechat-article-down 技能下载
     ├─ https://github.com/{owner}/{repo}...  → GitHub MCP 扫描+批量读取（仅文档型仓库）
     ├─ https://... 或 http://...（其他）      → 用 chrome-devtools 抓取网页正文
     └─ 本地路径（/、~/、./）                   → 用 Read 工具读取文件

核心哲学

RAG 每次查询都从原文重新推导知识。LLM Wiki 不同——LLM 预先把文章读完、理解完、整合进结构化 wiki，查询时读的是已编译的笔记，不是原文。每篇新文章入库都让整个 wiki 更丰富；每个好答案存回 wiki 都成为新的知识节点。知识复利积累，不是每次重新推导。

分工：用户负责筛选文章来源、提问、判断方向；LLM 负责所有维护工作——摘要、交叉引用、归档、更新、检查矛盾。

支持的来源类型：

• 微信公众号文章（https://mp.weixin.qq.com/...）→ 调用 wechat-article-down 技能下载
• GitHub 文档型仓库（https://github.com/{owner}/{repo}）→ GitHub MCP 扫描+批量读取，整仓库合并为一篇文章
• 非微信在线文章（其他 http(s)://...）→ 用 chrome-devtools 抓取
• 本地文件（.md、.html、.txt 等）→ 用 Read 工具读取

WIKI.md 的两种类型

WIKI.md 有两种 type，通过文件开头的 **类型**: 字段区分：

兼容旧格式：若 WIKI.md 中没有 **类型**: 字段，则通过目录结构推断——同级存在 raw/ 或 wiki/ 目录视为 type: wiki，否则检查是否有子目录含 WIKI.md 来判断是否为 collection。

Wiki-Root 定位规则（按优先级）

执行任何操作前，必须先确定 wiki-root。按以下顺序检测，命中即停：

1. 用户显式指定：命令中给出了路径（如 wiki ingest ~/my-wiki ...）→ 使用该路径
2. 持久化配置：检查本技能目录下的 config.json 文件（即 SKILL.md 同级目录），若其中存在 wikiRoot 字段且该路径存在 → 使用该路径。此配置由 wiki init 设置/更新，持久保存知识库根目录
3. 当前目录有 WIKI.md：读取并检查类型：
   • type: wiki → 当前目录就是 wiki-root，直接使用
   • type: collection → 读取其中的子知识库列表：
     • 1 个子知识库 → 自动使用，告知用户
     • 多个子知识库 → 列出让用户选择
     • 用户也可选择「创建新知识库」→ 创建新子目录并注册到 collection
4. 扫描子目录：当前目录无 WIKI.md，但在直接子目录中查找 */WIKI.md：
   • 找到 1+ 个 → 自动创建 collection 类型的 WIKI.md 注册已有知识库（使用 references/collection-schema-template.md 模板），然后按第 3 步的 collection 逻辑处理
   • 找到 0 个 → 进入第 5 步
5. 均未命中：询问用户是要在当前目录创建新知识库（type: wiki），还是指定其他路径；确认后再初始化

关键：绝不跳过探测直接创建默认知识库。用户可能在知识库内、在 collection 目录中、或在包含知识库子目录的父目录中。

新建子知识库（在 collection 下）

在 collection 目录中创建新知识库时：

1. 询问用户知识库名称和主题
2. 创建子目录及 raw/、wiki/ 结构
3. 用 references/wiki-schema-template.md 生成子目录的 WIKI.md（type: wiki）
4. 更新父目录 WIKI.md（type: collection）的子知识库列表

目录结构

<wiki-root>/           # 按上述规则定位
├── raw/               # 原始文章（LLM 只读不写，除了初次存入）
│   └── <文章标题>/
│       ├── article.md
│       └── images/    # 文章中的图片（本地副本，仅在线文章需要）
├── wiki/              # LLM 编译生成的知识页面（LLM 全权维护）
│   ├── index.md       # 内容目录：每页一行链接+摘要，查询时首先读此文件
│   ├── log.md         # 操作日志：追加式，记录每次 ingest/query/lint/evolve
│   └── *.md           # 各概念/主题/分析/查询存档页面
├── evolve/            # 知识进化追踪（LLM 维护）
│   ├── index.md       # 总控面板：所有分类评分 + 下一步建议
│   └── <分类名>.md    # 每个主题的进化档案（覆盖度评估 + 进化向量 + 日志）
├── knowledge-graph.html  # 交互式知识图谱可视化（由 graph/init 命令部署）
└── WIKI.md            # 知识库 schema：结构约定、工作流规则（与用户协同演化）

八种操作

Init（指定知识库目录）

将指定路径持久保存为知识库根目录，后续所有操作自动使用该路径，无需每次指定。

步骤：

1. 用户提供路径（如 wiki init ~/my-wiki）
2. 路径验证：
   • 路径不存在 → 询问用户是否创建目录结构（创建后继续）
   • 路径存在但无 WIKI.md → 询问是否初始化为新知识库（按标准初始化流程创建）
   • 路径存在且有 WIKI.md → 直接使用
3. 写入持久化配置：将路径（绝对路径或 ~ 开头的路径）写入本技能目录下的 config.json 文件（即 SKILL.md 同级目录），格式为 { "wikiRoot": "<路径>" }
4. 部署知识图谱：将本技能自带的 references/knowledge-graph.html 复制到根目录（按「知识图谱部署位置规则」确定目标路径，若已存在则覆盖更新）
5. 输出确认：显示当前设置的知识库根目录路径、知识库基本信息（文章数、页面数等），提示用户可用浏览器打开 knowledge-graph.html 查看知识图谱

后续效果：写入 config.json 后，Wiki-Root 定位规则的第 2 步会检测该文件。之后在任意目录执行 wiki ingest、wiki query 等操作时，都会自动使用该路径作为知识库根目录，无需重复指定。

Ingest（摄入编译）

用户提供文章来源（URL 或本地文件路径），获取并编译进知识库。建议逐篇摄入，保持参与感。

步骤：

1. 定位 wiki-root：按「Wiki-Root 定位规则」确定路径。若已存在 WIKI.md，读取它确认结构，直接进入第 2 步；仅当确认为首次创建时才初始化——创建目录结构，读取本技能自带的 references/wiki-schema-template.md，复制内容到 <wiki-root>/WIKI.md，询问用户知识库主题后填入主题字段

2. 获取文章内容：根据输入类型分支处理——

   A. 微信公众号 URL（https://mp.weixin.qq.com/ 开头）：

   1. 调用 wechat-article-down 技能，指定 --output <wiki-root>/raw/，使文章直接下载到 raw/ 目录
   2. 已存在同名子目录则跳过

   B. GitHub 仓库 URL（https://github.com/{owner}/{repo} 开头）： 详见下方「GitHub 仓库 Ingest 流程」。整仓库合并为一个 raw/<仓库标题>/article.md。

   C. 非微信在线 URL（其他 http://... 或 https://...，非 GitHub）：

   1. 使用 mcp__chrome-devtools__navigate_page 打开页面
   2. 等待页面加载完成（使用 mcp__chrome-devtools__evaluate_script 检查 document.readyState）
   3. 滚动页面触发懒加载（执行滚动脚本）
   4. 提取页面正文内容（执行提取脚本，见下方「通用网页提取脚本」）
   5. 从提取结果中获取标题和正文 Markdown
   6. 创建 raw/<标题>/article.md，写入内容（若已存在同名子目录则跳过）
   7. 下载图片（见下方「图片下载流程」）：提取正文中所有图片 URL，下载到 raw/<标题>/images/，并将 article.md 中的远程 URL 替换为本地相对路径

   C. 本地文件（路径以 /、~/、./ 开头，或是已知存在的文件路径）：

   1. 用 Read 工具读取文件内容
   2. 判断格式：
      • .md 文件：直接使用内容
      • .html 文件：提取正文文本，转为 Markdown
      • .txt 文件：直接使用内容
      • 其他文本格式（.rst、.org 等）：转为 Markdown
   3. 从文件内容中提取或推断标题（优先用文件首行标题，其次用文件名）
   4. 创建 raw/<标题>/article.md，写入内容（若已存在同名子目录则跳过）

3. 编译知识：读取新文章 raw/*/article.md，对每篇：

   • 提取核心概念、观点、实体、要点
   • 更新或新建 wiki/*.md 页面（格式见本技能自带的 references/page-format.md）
   • 发现矛盾用 > ⚠️ 矛盾： 标注，不强行统一

4. 更新 index.md：每个页面一行（链接 + 一句话摘要），按主题分组

5. 追加 log.md：格式 ## [YYYY-MM-DD] ingest | 文章标题，记录触及的页面列表

输入类型判断规则

article.md 写入格式

无论来源类型，写入 raw/<标题>/article.md 时统一格式：

---
title: 文章标题
source: 来源路径或 URL
type: wechat | web | github | local
repo: owner/repo              # 仅 type: github 时填写
files: 25                     # 仅 type: github 时填写，合并的文件数
ingested: YYYY-MM-DD
---

（正文 Markdown 内容）

通用网页提取脚本

在浏览器中执行以下脚本提取正文（通过 mcp__chrome-devtools__evaluate_script）：

(() => {
  const title = document.title || document.querySelector('h1')?.textContent || 'Untitled';

  // 尝试常见正文容器
  const selectors = [
    'article', '[role="main"]', 'main',
    '.post-content', '.article-content', '.entry-content',
    '.content', '.post-body', '.article-body',
    '#content', '#article', '#post-content'
  ];

  let contentEl = null;
  for (const sel of selectors) {
    const el = document.querySelector(sel);
    if (el && el.textContent.trim().length > 200) {
      contentEl = el;
      break;
    }
  }
  if (!contentEl) contentEl = document.body;

  // 递归提取为 Markdown
  function toMd(node, depth = 0) {
    if (node.nodeType === 3) return node.textContent;
    if (node.nodeType !== 1) return '';
    const tag = node