Menu
个人知识库全自动编译器 (Andrej Karpathy 风格)。支持 /wiki-compiler (增量编译), /wiki-dream (沉思/做梦), /wiki-weaver (Map-Reduce 综述)。利用幂等引擎防止冗余，内置“句级溯源”严谨性检查。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | wiki-compiler |
| description | 个人知识库全自动编译器 (Andrej Karpathy 风格)。支持 /wiki-compiler (增量编译), /wiki-dream (沉思/做梦), /wiki-weaver (Map-Reduce 综述)。利用幂等引擎防止冗余，内置“句级溯源”严谨性检查。 |
| version | 2.1.0 |
| emoji | 🧠 |
| os | ["macos","linux","windows"] |
| author | zhangpelf |
| repository | https://github.com/zhangpelf/wiki-compiler |
"笔记，本来就应该是大语言模型（LLM）的领地。" —— Andrej Karpathy
Wiki Compiler 不仅仅是一个 Obsidian 插件或脚本，它是为您量身定制的全自动知识生命体。它旨在终结“只记不读”的数字化囤积症，将您散乱的原始素材（raw/）自动化、增量化地编译成具备句级溯源 (LSC)、高度互联的学术级长青库（wiki/）。
Insight 启发卡片。[[原始文献]] 引用。杜绝幻觉，严谨到变态。⚠️ Definition_Needed 标记，强制进行二元判别。当您发出 /wiki-compiler、或用户要求“将新资料存放到知识库”，以及要求触发 /wiki-dream 时，启动此流程。
无论哪种模式，始终要求确定前置变量：
RAW_DIR 和 WIKI_DIR。如果用户在触发时没有提供对应参数，或上下文环境中未获取到，请询问这俩目录的绝对路径。对于 /wiki-dream 仅需 WIKI_DIR。
/wiki-compiler)核心原则：严禁制造冗余，增量永远大于全量。
python3 <INSTALL_DIR>/wiki-compiler/scripts/sync_manifest.py --raw "$RAW_DIR" --wiki "$WIKI_DIR"。
该脚本会比对 RAW_DIR 内文件的修改时间哈希与 WIKI_DIR/.meta/compiled_ledger.json，在终端输出【待处理的新增/更改文件列表】。WIKI_DIR/projects/ 或 WIKI_DIR/concepts/ 中。若无合适类目，可根据概念自建新文件。[[相关条目]]。发现孤立词条时，主动查找是否有近义词并统一。type, date, tags, aliases, project)，以便后续聚合。<原名>.marp.md。其顶端加入：
---
marp: true
theme: default
---
--- 划开页面，以方便用户一键预览演讲幻灯片形式。python3 <INSTALL_DIR>/wiki-compiler/scripts/sync_manifest.py --raw "$RAW_DIR" --wiki "$WIKI_DIR" --mark-done 刷新 ledger 账本，确保这些文件已被彻底封存、未来不再重新编译。/wiki-dream)核心原则：静默巡逻、打理未处理文件、深层上下文理解与关系映射。 当触发“做梦”机制时，你就像是一个在夜间巡逻和沉思的守护者：
第一阶段：巡逻与拾遗 (Night Watcher)
$RAW_DIR 和 $WIKI_DIR，在沉思前，请顺手跑一次扫描：python3 <INSTALL_DIR>/wiki-compiler/scripts/sync_manifest.py --raw "$RAW_DIR" --wiki "$WIKI_DIR"。第二阶段：沉思与灵感连接 (Dreaming & Latent Walk)
3. 运行脚本 python3 <INSTALL_DIR>/wiki-compiler/scripts/wiki_dreamer.py --wiki "$WIKI_DIR" --limit 3。
4. 脚本将返回 3 篇系统经过算法随机采样的不相关老文章的绝对路径。
5. 沉思与研读：完整调阅这些卡片并且寻找隐蔽的链接。你现在是极具创意的研究型智能体，请在这几个风马牛不相及的碎片之间，洞察它们的“共有结构”和“创新性结合点”。
6. 结晶凝练：新建一篇命名大概如 WIKI_DIR/concepts/Insight-新理念-<日期>.md 的文章。记录本次“梦境”带来的灵感碰撞，并通过使用 [[文章A]]、[[文章B]] 等将新 Insight 打造为跨领域的集散节点。
第三阶段：健康检查 (Health Check)
7. 运行 python3 <INSTALL_DIR>/wiki-compiler/scripts/health_vis_engine.py --wiki "$WIKI_DIR" --auto-stub。
8. 该脚本会检测死链、孤立页面，并为被高频引用的死链自动生成 Stub 占位卡片（带 maturity: stub 标记）。
9. 将检查报告中有价值的发现汇总告知用户。
/wiki-weaver)核心原则：深度跨文献综述、Map-Reduce 范式、拒绝幻觉、严缝紧凑。 当用户需要对某个复杂主题（如“城市景观格局的碳中和效应”）进行跨多篇文献的综合论证时：
python3 <INSTALL_DIR>/wiki-compiler/scripts/wiki_weaver.py --wiki "$WIKI_DIR" --query "搜索词"。
该脚本将利用 BM25 算法筛选出库内相关度最高的研究片段路径。WIKI_DIR/concepts/。
强制要求：综述中的每一句针对事实的客观陈述，末尾必须带有 [[原始文献名]] 形式的引用。严禁出现任何无出处的结论。当需要在知识库中查找特定信息时（回答用户问题前、编译新资料需要查重时），运行：
python3 <INSTALL_DIR>/wiki-compiler/scripts/query_wiki.py --wiki "$WIKI_DIR" --query "搜索关键词" --top 5
该脚本基于 BM25 算法进行全文检索，返回相关度排序的结果和上下文片段。务必在回答复杂跨领域问题前先查一遍知识库，避免凭空编造。
当你为用户完成了一次需要深度研究才能回答的问题后（尤其是涉及跨文章综合分析的），必须在回答末尾主动提议：
"本次回答涉及了较深的知识整合，是否需要我将核心结论归档到知识库中？建议存入
[[建议的卡片名]]。"
若用户同意，将回答的精华浓缩写入 WIKI_DIR/concepts/ 或 WIKI_DIR/projects/ 下对应的卡片（新建或追加到现有卡片的新章节中），并确保带有完整的 YAML frontmatter。
所有由本技能生成的 Markdown 文件，顶部必须包含以下 YAML 字段：
---
type: concept | project | insight | stub
maturity: stub | draft | reviewed | authoritative
date: YYYY-MM-DD # 创建日期
updated: YYYY-MM-DD # 最后更新日期
tags: [相关标签]
aliases: [别名, 同义词]
project: 所属项目名 # 可选
sources: [来源文件路径] # 可选，追溯到 raw/ 中的原始文件
---
maturity 生命周期：
stub：仅有标题和反向链接，内容待补充（通常由健康检查引擎自动生成）draft：已有初步内容但未经人工审核reviewed：经过用户或 Agent 做梦机制审视过authoritative：经多源交叉验证，可信度高[[新卡片]] 前，若不确定现有知识树内是否已有同义卡片（如 "Agent" 和 "智能体"），请用搜索工具 query_wiki.py 或 grep_search 进行查重防范。raw/ 的内容，必须在 frontmatter 的 sources 字段中注明原始文件路径。raw/ 目录下的任何文件。以下功能尚未实现，记录于此供后续迭代参考：
/wiki-dream 中增加高级模式：对同一主题下的多篇文章进行交叉事实比对WIKI_DIR/.meta/knowledge_graph.json，记录所有实体和关系/arxiv 技能自动拉取相关论文补充