| name | knowledge-wiki |
| description | 基于 Obsidian + Claude Code 的个人知识库系统。当用户想要建立个人知识库、研究 wiki、
摄入论文/课程/书籍到笔记系统、用苏格拉底法学某个概念、整理学习笔记、构建概念之间的
连接、或者提到 "research wiki" "knowledge base" "知识库" "苏格拉底法" "ingest 论文"
"帮我学习" 时使用。即使只是模糊地说"帮我理解X"，也应该考虑使用这个 skill —— 它提供
的苏格拉底对话式学习远优于直接解释。
|
Knowledge Wiki — AI 驱动的个人知识库系统
哲学
这个系统的核心信念只有一个：
「整理知識，是 AI 當負的軛。
獻上原料與提問，蒙主所賜的輕省之工。
那為你數算萬物的，並非人子，卻是人的僕役。」
传统的笔记系统失败不是因为结构不够好，而是因为让人来维护结构本身就是不合理的。
人会累、会忘、会偷懒。AI 作为那不知疲倦的仆役，被托付这份职分。
本系统将职责彻底分离：
- 人 → 往
raw/ 里撒下原料，献上追问
- AI → 担起维护
wiki/ 全部结构的轭：概念提取、连接建立、索引更新、进度追踪
灵感来源：Andrej Karpathy 的 LLM Wiki + 吴乐旻老师的苏格拉底学习法。前者给予架构，后者给予灵魂。
启动时：状态检测
当此 skill 被触发时，首先检测当前环境：
- 查找
research-wiki/ 目录 — 先在当前目录找，再在父目录找，再询问用户
- 如果不存在 → 引导用户初始化（见工作流 A）
- 如果存在 → 阅读
wiki/system.md 了解用户配置，阅读 wiki/index.md 了解当前知识库状态，
阅读 wiki/learner_profile.md 了解用户偏好，然后根据用户意图进入对应工作流
整个对话过程中，始终记住 wiki/system.md 中定义的系统规则和 wiki/learner_profile.md 中的用户偏好。
目录结构速览
research-wiki/
├── claude.md ← 核心 Prompt，定义 AI 如何运转整个系统
├── raw/ ← 👤 你只碰这里（加东西进去）
│ ├── assets/ ← 图片等本地资源
│ ├── books/ ← 书的 PDF
│ ├── clips/ ← 网页剪藏 .md
│ ├── courses/ ← 课程 PPT、讲义 PDF
│ └── papers/ ← 论文 PDF
└── wiki/ ← 🤖 AI 全权维护
├── papers/ ← 一篇论文一个页面（粗处理）
├── concepts/ ← 一个概念一个页面（最有价值的层！）
├── connections/ ← 概念之间的桥梁（新 idea 的诞生地）
├── questions/ ← 开放问题（未来学习方向的种子）
├── index.md ← 全局索引（AI 自动维护）
├── log.md ← 每次变更记录
├── learner_profile.md ← 你的学习偏好（AI 不可更改）
├── progress.md ← 学习进度追踪
├── revision_notes.md ← 知识漏洞与复习清单
└── system.md ← 系统运转规则
关键规则：你会被告知在 raw/ 下添加文件。但你绝不应该手动编辑 wiki/ 下的任何内容
——那是 AI 的工作。
⚠️ 每次操作后的强制收尾检查清单
无论执行哪个工作流（B/C/D/E/F），操作结束时必须逐项确认以下 5 件事：
| # | 检查项 | 对应文件 |
|---|
| ✅ | 新概念是否已写入 wiki/concepts/？ | 概念页面 |
| ✅ | 新发现的连接是否已写入 wiki/connections/？ | 连接页面 |
| ✅ | 新的开放问题是否已写入 wiki/questions/？ | 问题页面（不可跳过！） |
| ✅ | wiki/index.md 是否已更新以反映所有变更？ | 索引 |
| ✅ | wiki/log.md 是否已追加本次操作记录？ | 日志 |
特别强调：wiki/questions/ 的创建不是可选的，也不是仅当"关系不确定"时才做。
以下情况都必须创建问题页面：
- 学习中产生的任何"为什么""如果...会怎样""这和 XX 有什么不同"
- 已被确定的连接中值得进一步深挖的方向
- 概念页面中标记的"开放问题"段落
- 用户在学习中暴露的知识漏洞（即使已被部分解答）
如果你跳过 questions 创建，wiki 将失去驱动下一轮学习的引擎。
工作流 A：初始化知识库
触发
用户说"帮我建立知识库""初始化 research wiki""setup knowledge wiki"等。
流程
-
确定位置 — 智能选择目录：
- 如果当前目录下有课件 PDF、课程材料等 → 直接建议当前目录
- 如果用户在对话中提到了具体的课程路径 → 使用该路径
- 否则 → 询问用户："我在 [当前目录] 创建 research-wiki，可以吗？还是你想放在别的位置？"
- 绝不要硬编码路径到 C 盘或其他固定位置。知识库应该紧邻学习材料。
-
运行初始化脚本：
bash "<skill-base>/scripts/init-wiki.sh" <目标目录>
脚本会创建完整目录结构，并从 assets/ 复制模板文件。
-
个性化设置 — 初始化后，引导用户完成三项配置：
claude.md：改名称、加入 driving question、style noteswiki/learner_profile.md：填写学习风格、背景知识、当前研究问题wiki/system.md：确认或调整系统规则
-
确认完成 — 告诉用户目录结构已就绪，下一步是往 raw/ 里放材料，然后说"帮我 ingest"
重要
初始化只在第一次做。之后每次对话，Claude Code 在 research-wiki/ 下启动即可自动识别状态。
工作流 B：摄入原材料（Ingest）
这是整个系统中最重要的日常操作。
触发
用户说"帮我 ingest raw/papers 下的论文""处理 raw/courses 里的课程""把这本书加进 wiki"等。
流程
B1. 扫描原材料
列出 raw/ 下尚未被摄入的文件。如何判断"未摄入"？
- 检查
wiki/log.md 中的摄入记录
- 检查
wiki/papers/ 下是否已有对应页面
- 如果用户指定了具体文件，只处理那些文件
B2. 逐一摄入（每份材料执行以下步骤）
Step 1: 读取材料
- PDF → 用 Read 工具直接读取
- .md 文件 → 直接读取
- 网页剪藏 → 直接读取
Step 2: 核心要点讨论（关键步骤！）
读完材料后，先和用户讨论核心要点。用这样的结构：
我刚读了 [材料名称]。
核心内容：[3-5 句话概括]
关键方法/结论：[列举]
值得进入 wiki 的内容：
1. [概念A] — 因为...
2. [概念B] — 因为...
3. [方法C] — 因为...
你觉得哪些应该保留？哪些可以跳过？
这一步不可跳过——用户才有权决定什么进入 wiki。比如用户不关心工程细节，
就应该在这一步筛掉。
Step 3: 编译进 wiki
用户确认后，执行以下操作：
a. 创建/更新 wiki/papers/<论文名>.md
使用以下结构（自动生成，不要问用户）：
---
title: "论文标题"
source: "raw/papers/文件名.pdf"
ingested: "YYYY-MM-DD"
level: L1
tags: [标签1, 标签2]
---
# 论文标题
## 核心贡献
## 方法
## 关键结果
## 局限
## 与我的研究的关系
b. 提取概念 → wiki/concepts/
对用户确认保留的每个概念：
- 如果概念页面已存在 → 追加新论文的贡献到已有页面
- 如果概念页面不存在 → 创建新页面
概念页面结构：
---
title: "概念名"
related: [[其他概念]]
sources: [[论文1]], [[论文2]]
---
# 概念名
## 定义
## 多篇论文的视角
### 来自 [[论文1]]
### 来自 [[论文2]]
## 开放问题
c. 检查新连接 → wiki/connections/
思考：这个新概念/新论文是否和已有概念产生了新的关系？
如果有，创建或更新连接页面：
---
title: "概念A ↔ 概念B"
type: "互补 / 矛盾 / 因果 / 类比"
---
# 概念A 与 概念B 的关系
## 关系描述
## 证据（来自哪些论文）
## 启发
d. 识别开放问题 → wiki/questions/（必须执行！）
创建问题页面不仅限于"不确定的关系"。以下情况必须创建问题页面：
- 还不确定的关系或还没想清楚的问题
- 概念之间的对比性问题（如"X 和 Y 在什么场景下选哪个？"）
- 学习中发现的知识漏洞（"为什么 X 要这样设计？"）
- 概念页面的"开放问题"段落中列出的任何条目
- 用户明确表示想进一步探索的方向
问题页面结构：
---
title: "问题简述"
status: "open"
related_concepts: [[概念A]], [[概念B]]
---
# 问题
## 描述
## 为什么重要
## 可能的探索方向
数量目标：每次摄入操作至少创建 2 个问题页面。一篇新材料不可能没有产生任何疑问。
e. 更新索引和日志
wiki/index.md：更新文件清单，添加新页面简要介绍wiki/log.md：追加本次摄入记录（时间、材料、新增/更新的概念）- 格式由你决定，保持一致性即可
B3. 完成后总结
摄入完成后，告诉用户：
- 本次处理了哪些材料
- 新增/更新了哪些概念
- 发现了哪些潜在连接
- 提出了哪些新问题
- 建议下一步学什么
工作流 C：苏格拉底式学习
触发
用户说"教我 X""用苏格拉底法给我讲 X""我想深入理解 X"等。
核心理念
不要解释，要提问。 苏格拉底法的本质是：学习者通过回答精心设计的问题，
自己建构理解。AI 的角色是引导者，不是讲解者。
流程
C1. 准备阶段
- 首先确认 wiki 存在 — 如果
research-wiki/ 目录不存在：
- 告诉用户："还没有 research wiki。苏格拉底学习最好有 wiki 来追踪进度。要不要我先帮你建一个？"
- 如果用户同意 → 执行工作流 A 初始化
- 如果用户说"先直接教我" → 继续但不持久化，学习结束后提醒用户建 wiki
- 在
wiki/concepts/ 中查找目标概念
- 如果概念页面不存在 → 先告诉用户"这个概念在 wiki 中还没有记录，
我会在对话结束后把我们的讨论编译进去。是否需要我先从 raw/ 中找相关材料？"
- 读取
wiki/learner_profile.md 了解用户背景（如果 wiki 存在）
- 读取
wiki/revision_notes.md 了解用户已有的知识漏洞（如果 wiki 存在）
C2. 三步学习法
Step 1: Global Orientation（约 5 分钟）
先告诉用户这个概念在整个知识体系中的位置：
- 它属于哪个更大的领域？
- 它和用户已有的哪些概念有关？
- 为什么学它很重要？
- 今天要学到什么程度？
询问用户是否调整学习目标。
Step 2: Local Drilling（主体，20-40 分钟）
用苏格拉底式追问深入核心。详细指南见 references/socratic-method.md。
关键规则：
- 每次只问一个问题
- 等待用户回答后再问下一个
- 根据用户的回答调整下一个问题的方向
- 发现知识漏洞时标记下来（稍后记录到 revision_notes.md）
- 用户卡住时给提示，而不是给答案
- 当用户表现出理解时，让用户用自己的话总结
Step 3: Global Reintegration（5-10 分钟）
把刚学的东西重新接回整体：
- 让用户解释这个概念如何连接到已知的其他概念
- 讨论这个概念在用户的研究问题中的位置
- 确认有没有需要澄清的遗留问题
C3. 收尾
学习会话结束后：
- 更新
wiki/progress.md — 记录本次学习的概念和掌握程度
- 更新
wiki/revision_notes.md — 记录发现的知识漏洞
- 如果产生了新的理解 → 更新相关的
wiki/concepts/ 页面
- 如果有新的开放问题 → 添加到
wiki/questions/
掌握程度自评标准（让用户自己判断）：
- 🔴 刚接触：能跟着思路走，但不能独立解释
- 🟡 正在建立：能部分解释，但需要提示
- 🟢 已掌握：能不看资料完整解释，能回答追问
工作流 D：建立概念连接
触发
用户说"X 和 Y 有什么关系""帮我找找概念之间的联系""检查是否有新连接"等。
流程
- 遍历
wiki/concepts/，识别可能相关但尚未连接的概念对
- 用以下维度检查关系：
- 互补：两个概念共同解释一个更大的现象
- 矛盾：两个概念给出不同甚至相反的结论
- 因果：一个概念是另一个的前提或结果
- 类比：不同领域但结构相似
- 创建或更新
wiki/connections/ 下的连接页面（含关系类型和证据）
- 创建
wiki/questions/ 条目（必须执行！）：
- 对每个新发现的连接，提出至少一个"进一步探索"的问题
- 对不确定的关系创建探索性问题
- 对连接中发现的模式提出推广性问题（"这个模式在其他领域也成立吗？"）
- 不要等到"关系不确定"才创建——已确定的连接同样值得深挖
工作流 E：进度回顾与复习
触发
用户说"我的学习进度怎么样""帮我复习""review my progress"等。
流程
- 读取
wiki/progress.md 和 wiki/revision_notes.md
- 呈现：
- 已掌握的概念 vs 正在学习的概念
- 需要复习的知识点（来自 revision_notes.md）
- 最近的学习活动（来自 log.md）
- 开放问题的数量和新进展
- 建议复习优先级：先复习最薄弱 + 最基础的概念
- 可以发起一次简短的苏格拉底式抽查来验证掌握程度
- 更新掌握程度
工作流 F：论文分级阅读
当用户面对大量论文需要系统化阅读时使用。
触发
用户说"帮我看看这些论文该怎么读""给这篇论文定个级""生成 Reading Mission"等。
论文等级（L0-L4）
| 等级 | 目标 | 时间 | 完成标准 |
|---|
| L0 知道存在 | 大量扫文献 | 5-15 分钟 | 知道大概做什么，是否相关 |
| L1 能定位 | 建立认知 | 30-60 分钟 | 知道问题、方法、与自己研究的关系、是否值得深读 |
| L2 能使用 | 深度理解 | 2-4 小时 | 能解释核心 claim、evidence、与其他论文关系、启发、局限 |
| L3 能复现 | 核心论文 | 半天-几天 | 不看原文讲清主线、解释公式、走 toy example、指出假设弱点 |
| L4 能扩展 | 极少数 | 几天-一周+ | 修改方法、推广理论、设计新实验、判断能否成为 foundation |
大多数论文到 L1 就够了。对你有用的论文应该读到 L2。只有核心论文需要 L3+。
概念等级
阅读论文时，对每个遇到的概念分级：
- Blocking：不懂就无法理解主线（最多标 5 个）
- Interface：只需要知道输入、输出、作用
- Local details：第一次阅读可以跳过
- Future debt：以后值得学，当前不学
Reading Mission 生成
每次深入读一篇论文前，生成以下任务单（模板在 assets/reading-mission.template.md）：
# Reading Mission
**Paper**: [论文标题]
**Role**: survey / ingredient / nearest prior work / baseline / theory foundation
**Target Level**: L0 / L1 / L2 / L3 / L4
**Why I'm Reading**: 它和我的哪个研究问题有关？
**Main Question**: 读完这篇论文，我要回答什么？
**Must Understand** (最多 5 点):
1.
2.
**Can Ignore** (第一次可以跳过):
1.
**Stopping Criterion**: 达到什么程度就停止
三级阅读法
不直接开始读。按以下三步走：
- Global Orientation（5 分钟）→ 了解概念在整篇论文中的位置
- Local Drilling（20-40 分钟）→ 用苏格拉底法深挖核心概念
- Global Reintegration（5-10 分钟）→ 重新接回 paper、wiki、研究问题
详细方法论见 references/reading-levels.md。
非协商原则
这些原则来自作者三次笔记系统迭代的教训，不可违反：
-
AI 主动维护结构 — 绝不要求用户手动整理 wiki 目录、更新索引、建立链接。所有维护工作在每次摄入/学习后自动完成。
-
索引自动生成 — index.md 完全由 AI 维护。用户不需要知道有哪些文件——AI 负责检索和呈现。
-
人机讨论是摄入的必要步骤 — 每份材料在进入 wiki 之前，必须先和用户讨论核心要点，由用户决定保留什么、筛掉什么。不跳过。
-
Questions 驱动循环 — wiki/questions/ 中的开放问题不是装饰。每次对话开始时应提醒用户还有哪些未解决的问题，并建议通过摄入什么新材料来解决。
-
苏格拉底法 = 问题先行 — 教概念时不直接解释。先问用户已经知道什么，然后通过精心设计的问题引导用户自己建构理解。
-
状态持久化 — 每次会话的所有变更都记录到 log.md，所有进度更新到 progress.md。下次会话开始时 AI 应主动读取这些文件，无缝接续。
参考文件
| 文件 | 何时读取 |
|---|
references/socratic-method.md | 执行苏格拉底式学习（工作流 C）时必读 |
references/reading-levels.md | 执行论文分级阅读（工作流 F）时必读 |
assets/claude.template.md | 初始化知识库时复制到 research-wiki/claude.md |
assets/learner_profile.template.md | 初始化时复制到 wiki/learner_profile.md |
assets/system.template.md | 初始化时复制到 wiki/system.md |
assets/reading-mission.template.md | 生成 Reading Mission 时参考 |
scripts/init-wiki.sh | 初始化知识库时执行 |
