| name | lint |
| description | 执行知识库健康检查,发现矛盾、过时内容和知识缺口。触发词:lint、健康检查、维护、检查知识库 |
Lint 操作流程
触发条件
用户说:"执行 Lint"、"健康检查"、"检查知识库"、"维护"
两层 Lint 机制
Layer 1:确定性检查(自动执行)
由 scripts/lint-deterministic.py 执行,可通过 TRAE Task 或 cron 定时触发:
- 索引一致性
- 内部链接完整性
- Raw 引用完整性
- 交叉引用建议
结果写入 pending/lint-YYYY-MM-DD.md。
Layer 2:语义深度分析(本 Skill)
这是 Karpathy 强调的核心 Lint 形式——让 LLM 深度阅读整个 wiki。
操作步骤
1. 读取知识库全貌
- 读取
wiki/index.md
- 读取所有 wiki 页面(或最近更新的 N 个页面)
2. 语义分析检查项
2.1 矛盾检测
2.2 过时内容
2.3 知识缺口
2.4 结构建议
- topic 组织是否合理
- 是否需要拆分或合并 topic
2.5 新方向建议 ⭐
- 基于现有知识,建议值得调查的新问题
- 建议可能缺失的新来源
3. 输出报告
方式 A:对话中直接报告(问题较少时)
方式 B:写入 pending/(问题较多时)
- 写入
pending/lint-deep-YYYY-MM-DD.md
- 告知用户审阅后说"应用 Lint 建议"
4. 应用建议
用户确认后:
- 读取 pending/ 中的 lint 报告
- 逐条执行修改
- 更新 wiki/index.md 和 wiki/log.md
- 删除已处理的 pending 文件
- 追加日志:
## [YYYY-MM-DD] lint | <N> issues found, <M> applied
完成确认
告知用户:
- 发现了多少问题
- 应用了多少修复
- 建议用户在 Obsidian 图谱视图中查看变化