llm-wiki

name	llm-wiki
description	搭建包含文件夹、Schema 和启动提示词的个人 LLM 知识库。包含用于自动将网页抓取到知识库的 agent-browser。当有人想用 AI 构建知识库、个人维基或第二大脑时使用。
compatibility	适用于 Claude Code, Cursor, GitHub Copilot（VS Code）。agent-browser 的安装需要 npm，支持 Windows, Linux, macOS。

LLM 知识库设置

构建一个每次使用都会变得更聪明的个人知识库。基于 Karpathy 描述的系统（430万次观看，4.1万次收藏），并通过自动化网页抓取进行了改进。

步骤 0：检查依赖 (Dependencies)

1. 检查是否安装了 Node.js 和 npm：根据你所在的操作系统，在终端中建议用户运行相应的命令来检查 Node.js 和 npm 是否已安装：

   • Windows (PowerShell)：Get-Command node; Get-Command npm
   • macOS/Linux (bash/zsh)：which node && which npm 如果未安装，请明确引导用户前往官方网站 (https://nodejs.org/) 下载并安装 LTS (长期支持) 版本。只有在确认 Node.js 安装完成后，才能继续后续步骤。

2. 检查是否安装了 agent-browser：根据你所在的操作系统，在终端中建议用户运行相应的命令来检查 agent-browser 是否已安装：

   • Windows (PowerShell)：Get-Command agent-browser
   • macOS/Linux (bash/zsh)：which agent-browser

3. 如果找不到该命令，请要求用户通过 npm 安装：在终端中运行：

   npm install -g agent-browser && agent-browser install
   

4. 检查是否安装了 agent-browser 技能 (skill)：验证 agent-browser 技能文件是否存在于你的 IDE 插件或全局技能目录中。

5. 如果未安装 agent-browser 技能：向用户提供以下命令：

   npx skills add vercel-labs/agent-browser --skill agent-browser -g -y
   

6. 完成后：在对话中告诉用户："agent-browser 已就绪。您可以将任何网页抓取到您的知识库中。"

步骤 1：确定主题 (Topic)

根据用户的输入分析主题名称：

• 首先检查用户提示词中是否明确指定了主题。
• 将主题转换为适用于文件夹名称的 slug 格式（小写，用连字符替换空格，移除特殊字符）。
• 跳至步骤 2。

如果主题不明确：依次询问用户以下问题：

1. "您想为哪个主题构建知识库？"
2. "列出该领域内的 3-5 个具体兴趣或子主题。"
3. "您现在是否有任何想要抓取并加入知识库的 URL？（可选，您随时可以稍后添加）"

步骤 2：搭建知识库脚手架 (Scaffold)

创建文件夹结构。根据当前的操作系统和可用工具，采用以下方式：

选项 A（通用方式 - 优先推荐）：如果 IDE 或编辑器支持直接创建文件夹，使用原生的文件面板或具备的文件创建能力，创建以下目录结构：

• {topic-slug}/raw
• {topic-slug}/wiki
• {topic-slug}/outputs

选项 B（终端命令）：如果没有直接写入权限，向用户提供要在终端中运行的相应命令：

• Windows (PowerShell)：

  New-Item -ItemType Directory -Path "{topic-slug}\raw" -Force
  New-Item -ItemType Directory -Path "{topic-slug}\wiki" -Force
  New-Item -ItemType Directory -Path "{topic-slug}\outputs" -Force
  

• macOS/Linux (bash/zsh)：

  mkdir -p {topic-slug}/raw {topic-slug}/wiki {topic-slug}/outputs
  

步骤 3：生成配置文件 (Schema File)

在 {topic-slug}/ 目录中创建一个配置文件 AGENTS.md (或根据 IDE copilot-instructions.md)，写入以下内容并将 {topic} 和 {interests} 替换为用户的主题和兴趣列表：

# 知识库架构

## 这是什么
一个关于 {topic} 的个人知识库。

## 如何组织
- raw/ 包含未处理的源材料。绝不要修改这些文件。
- wiki/ 包含组织好的维基。完全由 AI 维护。
- outputs/ 包含生成的报告、答案和分析。

## 维基规则
- 每个主题在 wiki/ 中都有自己的 .md 文件
- 每个维基文件都以一段总结开头
- 使用 [[topic-name]] 格式链接相关主题
- 在 wiki/ 中维护一个 INDEX.md，列出每个主题及其一句话描述
- 添加新的源材料时，更新相关的维基文章

## 我的兴趣
- {interest 1}
- {interest 2}
- {interest 3}

步骤 4：抓取初始 URL（如果用户提供）

对于用户提供的每个 URL，执行网页内容抓取：

优先方式（原生 IDE 工具）：

• 如果你的 IDE 或 AI 助手支持原生的网页读取能力，直接读取页面并提取主要内容。
• 将提取的文本保存为 {topic-slug}/raw/{slugified-title}.md (或打印代码块让用户保存)。

备选方式（agent-browser）：

• 建议用户执行以下命令：
  1. 打开页面：agent-browser open {url}
  2. 等待内容加载完成：agent-browser wait --load networkidle
  3. 提取主要内容：agent-browser get text "article"
  4. 获取页面标题：agent-browser get title
  5. 将提取的文本保存为 {topic-slug}/raw/{slugified-title}.md
  6. 完成后关闭浏览器：agent-browser close

在对话中向用户输出："已将 {n} 个来源抓取到 raw/ 目录中。"

步骤 5：提供启动提示词 (Starter Prompts)

尝试从该技能文件所在的相对目录 (references/starter-prompts.md) 中读取内容并显示。或者直接在对话中说明相关工作流提示。

步骤 6：输出后续步骤 (Next Steps)

在对话中向用户输出以下信息：

您的知识库已准备就绪，路径为：{topic-slug}/

后续步骤：
1. 将您的原始材料放入 raw/ 目录中 - 或者使用网页抓取功能来获取它们。
   若要抓取网页：只需告诉我"scrape [URL] into raw/"，我会帮您处理。

2. 一旦 raw/ 目录中包含来源材料，运行 compile 提示词来构建您的维基 (wiki)。

3. 针对您的维基提问 - 获取的答案将反馈到系统内并使其变得更聪明。

4. 每月运行一次健康检查 (health check) 来捕获错误。