// 个人知识库构建系统（基于 Karpathy llm-wiki 方法论）。让 AI 持续构建和维护你的知识库， 支持多种素材源（网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件）， 自动整理为结构化的 wiki。 触发条件：用户明确提到"知识库"、"wiki"、"llm-wiki"，或要求对已初始化的知识库执行 消化、查询、健康检查等操作。不要在用户只是要求"总结这篇文章"时触发——必须是明确的 知识库相关意图。
| name | llm-wiki |
| description | 个人知识库构建系统（基于 Karpathy llm-wiki 方法论）。让 AI 持续构建和维护你的知识库， 支持多种素材源（网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件）， 自动整理为结构化的 wiki。 触发条件：用户明确提到"知识库"、"wiki"、"llm-wiki"，或要求对已初始化的知识库执行 消化、查询、健康检查等操作。不要在用户只是要求"总结这篇文章"时触发——必须是明确的 知识库相关意图。 |
把碎片化的信息变成持续积累、互相链接的知识库。你只需要提供素材，AI 做所有的整理工作。
llm-wiki 帮你构建一个持续增长的个人知识库。它不是传统的笔记软件，而是一个让 AI 帮你维护的 wiki 系统：
传统方式（RAG/聊天记录）的问题：每次问问题，AI 都要从头阅读原始文件，没有积累。知识库的价值在于知识被编译一次，然后持续维护，而不是每次重新推导。
告诉用户这两步就够了：
Scripts located in scripts/ subdirectory.
Path Resolution:
SKILL_DIR = this SKILL.md's directory${SKILL_DIR}/scripts/<script-name>首次使用时，检查以下依赖是否已安装。如果缺失，提示用户运行安装：
bash ${SKILL_DIR}/setup.sh
依赖 skill / 工具：
baoyu-url-to-markdown — 普通网页、X/Twitter、部分知乎提取wechat-article-to-markdown — 微信公众号提取youtube-transcript — YouTube 字幕提取即使部分依赖缺失，skill 仍可工作（用户可以手动粘贴文本内容）。
外挂失败统一分成 not_installed / env_unavailable / runtime_failed / unsupported / empty_result 五类。
所有需要枚举来源、读取 source_label、raw_dir、adapter_name、fallback_hint 的地方，都先读来源总表：
bash ${SKILL_DIR}/scripts/source-registry.sh list
需要拿单个来源的定义时，用：
bash ${SKILL_DIR}/scripts/source-registry.sh get <source_id>
对 URL 类来源，先运行：
bash ${SKILL_DIR}/scripts/adapter-state.sh check <source_id>
adapter-state.sh check 返回 8 列：
source_id source_label state state_label detail recovery_action install_hint fallback_hint
not_installed：提示用户可补安装，同时允许改走手动入口env_unavailable：说明缺少的环境条件，同时允许改走手动入口runtime_failed：说明本次提取执行失败，允许重试一次，再改走手动入口unsupported：直接给出手动入口，不尝试自动提取empty_result：说明自动提取没拿到有效内容，请用户手动补全文本当自动提取实际执行后，再运行：
bash ${SKILL_DIR}/scripts/adapter-state.sh classify-run <source_id> <exit_code> <output_path>
用返回的 detail、recovery_action、install_hint、fallback_hint 生成提示。核心主线不因外挂失败而中断。
根据用户的意图，路由到对应的工作流：
| 用户意图关键词 | 工作流 |
|---|---|
| "初始化知识库"、"新建 wiki"、"创建知识库" | → init |
| URL / 文件路径 / "添加素材"、"消化"、"整理" / 直接给链接 | → ingest |
| "批量消化"、"把这些都整理" / 给了文件夹路径 | → batch-ingest |
| "关于 XX"、"查询"、"XX 是什么"、"总结一下" | → query |
| "给我讲讲 XX"、"深度分析 XX"、"综述 XX"、"digest XX" | → digest |
| "检查知识库"、"健康检查"、"lint" | → lint |
| "知识库状态"、"现在有什么"、"有多少素材" | → status |
| "画个知识图谱"、"看看关联图"、"graph"、"知识库地图" | → graph |
重要：如果用户直接给了一个 URL 或文件，但没有明确说要做什么，默认走 ingest 工作流。如果知识库还不存在，先自动走 init 再走 ingest。
除 init 外，其他工作流默认先执行这段检查：
.wiki-schema.md
~/.llm-wiki-pathingest / batch-ingest → 先运行 initquery / lint / status / digest / graph → 提示用户先初始化知识库.wiki-schema.md.wiki-schema.md 的"语言"字段判断 WIKI_LANG
语言：中文 → WIKI_LANG=zh语言：English → WIKI_LANG=enWIKI_LANG=zh所有面向用户的输出和新写入的 wiki 内容，都按 WIKI_LANG 生成：
WIKI_LANG=zh → 使用下文中文示例WIKI_LANG=en → 保持与中文示例相同的结构、信息量和顺序，仅改为自然英文措辞术语对照：
.wiki-schema.md
~/.llm-wiki-path 文件
询问知识库主题（先向用户提问）：
询问知识库语言（先向用户提问）：
zh（中文）或 en（English）zhWIKI_LANG（zh 或 en）询问保存位置（先向用户提问）：
~/Documents/我的知识库/（zh）或 ~/Documents/my-wiki/（en）运行初始化脚本：
bash ${SKILL_DIR}/scripts/init-wiki.sh "<路径>" "<主题>"
写入语言配置并本地化种子文件：
.wiki-schema.md 中的 语言：{{LANGUAGE}} 替换为：
zh → 语言：中文（种子文件保持中文，无需额外处理）en → 语言：English，同时覆写以下种子文件为英文版：WIKI_LANG=en，读取 ${SKILL_DIR}/templates/index-en-template.md、${SKILL_DIR}/templates/overview-en-template.md、${SKILL_DIR}/templates/log-en-template.md，将 {{DATE}} 和 {{TOPIC}} 替换为实际值后，分别写入 index.md、wiki/overview.md、log.md记录路径到 ~/.llm-wiki-path：
echo "<路径>" > ~/.llm-wiki-path
输出引导（根据 WIKI_LANG 切换语言）：
中文（zh）：
知识库已创建！路径：<路径>
接下来你可以：
- 给我一个链接，我会自动提取并整理（网页、X/Twitter、公众号、知乎等）
- 小红书内容请直接粘贴文本给我（暂不支持自动提取）
- 给我一个本地文件路径（PDF、Markdown 等）
- 直接粘贴文本内容
- 批量消化：给我一个文件夹路径
推荐：用 Obsidian 打开这个文件夹，可以实时看到知识库的构建效果。
（英文版按「输出语言规则」生成，结构相同。）
这是最核心的工作流。用户给一个素材进来，AI 做所有的整理工作。
执行通用前置检查（见上方定义）。
根据素材类型自动路由到最佳提取方式：
外挂前置判断：
bash ${SKILL_DIR}/scripts/source-registry.sh match-url "<url>"bash ${SKILL_DIR}/scripts/source-registry.sh match-file "<path>"bash ${SKILL_DIR}/scripts/source-registry.sh get plain_textsource-registry.sh 返回 10 列：source_id、source_label、source_category、input_mode、match_rule、raw_dir、adapter_name、dependency_name、dependency_type、fallback_hintbash ${SKILL_DIR}/scripts/adapter-state.sh check <source_id>adapter-state.sh check 的 8 列结果里读取 state、detail、recovery_action、install_hint、fallback_hintstate=not_installed / env_unavailable / unsupported → 不调用外挂，直接按 detail、recovery_action、install_hint、fallback_hint 告诉用户下一步available 时，才继续自动提取URL 类素材（统一走来源总表，不手写域名表）：
Chrome 提示（仅当
adapter_name=baoyu-url-to-markdown时）： adapter-state.sh check 已通过lsof -i :9222 -sTCP:LISTEN确认 Chrome 调试端口状态。 如果 check 返回env_unavailable，直接按fallback_hint引导用户，不要自行检测 Chrome。 如果 check 返回available，正常调用外挂。baoyu-url-to-markdown 会自己处理 Chrome 启动，继续执行，不要等待用户确认。 如果提取仍然失败，提示用户：open -na "Google Chrome" --args --remote-debugging-port=9222
source_category=manual_only → 不调用外挂，直接使用 fallback_hintadapter_name=wechat-article-to-markdown → 执行 wechat-article-to-markdown "<URL>"adapter_name=youtube-transcript → 调用 youtube-transcriptadapter_name=baoyu-url-to-markdown → 调用 baoyu-url-to-markdown本地文件：
bash ${SKILL_DIR}/scripts/source-registry.sh match-file "<path>"纯文本粘贴：
plain_text统一回退规则：
bash ${SKILL_DIR}/scripts/adapter-state.sh classify-run <source_id> <exit_code> <output_path>classify-run 返回的 8 列结果里读取 state、detail、recovery_action、fallback_hintruntime_failed → 按 detail、recovery_action、fallback_hint 告诉用户“这次自动提取失败，可以先重试一次；如果还不行，就改走手动入口”empty_result → 按 detail、recovery_action、fallback_hint 告诉用户“自动提取没有拿到有效正文，请手动补全文本后继续”根据素材长度和信息密度自动选择处理级别：
判断标准：
⚠️ 强制执行：所有步骤完成后必须运行质量检查脚本，不达标不能结束！
提取素材内容：按上面的路由获取素材文本
保存原始素材到 raw/ 对应目录：
{日期}-{短标题}.md阅读素材，提取关键信息：
生成素材摘要页（wiki/sources/{日期}-{短标题}.md）：
templates/source-template.md 的格式[[链接]] 必须使用与此一致的名称[[链接]]，改为纯文本标注更新或创建实体页（wiki/entities/）：
wiki/entities/ 下是否已有对应页面sources 字段，追加本次素材文件名templates/entity-template.md：
sources 写入本次素材文件名[[链接名]]，所有其他页面引用此实体时必须使用完全相同的名称更新或创建主题页（wiki/topics/）：
templates/topic-template.md：
更新 index.md：
[[链接]] 必须使用与文件名一致的名称更新 log.md：
## {日期} ingest | {素材标题}更新 overview.md：
强制执行质量检查：⚠️ 必须运行，不达标不结束！
bash ${SKILL_DIR}/scripts/lint-wiki.sh "${WIKI_PATH}" links sources content
向用户展示结果（按 WIKI_LANG 切换语言）：
中文（zh）：
已消化：{素材标题}
新增页面：
- {素材摘要页}
- {新实体页1}
- {新主题页1}
更新页面：
- {已有实体页2}（追加了新信息）
发现关联：
- 这篇素材和 [[已有素材]] 在 {某概念} 上有联系
（英文版按「输出语言规则」生成，结构相同。）
适用于短推文、小红书笔记、简短评论等。
保存原始素材到对应 raw/ 目录
生成简化摘要页（wiki/sources/）：
提取 1-3 个关键概念：
[待创建: [[概念名]]]，避免生成断链）更新 index.md 和 log.md
跳过：主题页创建/更新、overview 更新
向用户展示简化结果（按 WIKI_LANG 切换语言）：
中文（zh）：
已消化：{素材标题}（短内容，简化处理）
新增：
- 素材摘要页
待完善的概念（已用纯文本标注，暂未创建实体页）：
- 概念名（积累更多素材后创建实体页）
（英文版按「输出语言规则」生成，结构相同。）
当用户给了一个文件夹路径，或者说"把这些都整理一下"。
确认知识库路径：
WIKI_LANG列出所有可处理文件：
.md, .txt, .pdf, .html.git 目录、node_modules 等展示文件列表，确认处理范围（按 WIKI_LANG 切换语言）：
zh：
发现 {N} 个文件待处理：
1. file1.pdf
2. file2.md
3. file3.txt
预计需要 {N} 轮处理。是否开始？
（英文版按「输出语言规则」生成，结构相同。）
逐个处理：对每个文件执行 ingest 工作流
每 5 个文件后暂停，展示进度并询问是否继续（按 WIKI_LANG 切换语言）：
zh：
进度：5/{N} 已完成
本批处理结果：
- 新增素材摘要：5
- 新增实体页：3
- 更新已有页面：7
继续处理剩余 {M} 个文件？
（英文版按「输出语言规则」生成，结构相同。）
全部完成后：
[[链接]]，逐一检查对应 .md 文件是否存在sources 字段是否已回填wiki/comparisons/ 对比分析页wiki/synthesis/ 综合分析页（跨素材趋势、知识体系）WIKI_LANG 切换语言）：zh：
批量消化完成！
处理了 {N} 个文件：
- 成功：{S}
- 跳过（内容为空/格式不支持）：{K}
- 失败：{F}
新增页面：{total_new}
更新页面：{total_updated}
（英文版按「输出语言规则」生成，结构相同。）
WIKI_LANGwiki/ 目录下搜索关键词WIKI_LANG 用对应语言回答用户的问题[[页面名]] 格式）wiki/synthesis/ 或 wiki/comparisons/），更新 index.md 和 log.md执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。
确定检查范围：
逐项检查：
孤立页面（Grep 搜索 [[页面名]]，找出没有任何其他页面链接到的页面）：
缺失概念页（读取所有页面，找出被 [[某概念]] 链接但实际不存在的页面）：
矛盾信息（阅读相关页面，检查是否有互相矛盾的说法）：
交叉引用缺失（检查相关主题的页面之间是否应该互相链接但没链）：
index 一致性（对比 index.md 中的条目和实际 wiki 文件）：
输出报告（按 WIKI_LANG 切换语言）：
zh：
知识库健康检查报告
检查范围：最近更新 10 页 + 随机抽查 10 页（共 {N} 页）
孤立页面（没有其他页面链接到它）：
- [[某页面]] → 建议从 [[相关页面]] 添加链接
断链（被链接但不存在）：
- [[某概念]] → 建议创建新页面
矛盾信息：
- 关于"XX"，[[页面A]] 说是 Y，但 [[页面B]] 说是 Z
缺失索引：
- {文件名} 存在但未记录在 index.md 中
（英文版按「输出语言规则」生成，结构相同。）
询问用户：要自动修复哪些问题？（按 WIKI_LANG 用对应语言提问）
执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。
先运行 bash ${SKILL_DIR}/scripts/source-registry.sh list 读取来源总表
获取知识库路径（按上面的 CWD 检查逻辑）
统计：
source_label 和 raw_dir 逐项统计 raw/ 文件数wiki/entities/ 下的页面数wiki/topics/ 下的页面数wiki/sources/ 下的页面数wiki/comparisons/ 和 wiki/synthesis/ 下的页面数读取 log.md 最后 5 条记录
读取 index.md 获取主题概览
运行 bash ${SKILL_DIR}/scripts/adapter-state.sh summary-human 获取外挂状态
输出报告（按 WIKI_LANG 切换语言）：
zh：
知识库状态：{主题}
素材分布（按来源总表）：
- {source_label}：{N}
- {source_label}：{N}
...
Wiki 页面：{总数} 页
- 实体页：{N}
- 主题页：{N}
- 素材摘要：{N}
- 对比分析：{N}
- 综合分析：{N}
最近活动：
- {日期} ingest | {素材标题}
- {日期} ingest | {素材标题}
...
外挂状态：
{summary-human 原文}
建议：
- 你可能想深入了解 {某主题}，已有 {N} 篇相关素材
- {某实体} 被 {N} 篇素材提到，值得整理成独立页面
（英文版按「输出语言规则」生成，结构相同。）
外挂状态直接使用 bash ${SKILL_DIR}/scripts/adapter-state.sh summary-human 的输出，不要自己再重写一套来源清单。
区别于 query：query 是快速问答，不生成新页面；digest 是跨素材深度综合，生成持久化报告。
"给我讲讲 XX"、"深度分析 XX"、"综述 XX"、"digest XX"、"全面总结一下 XX"
执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。
搜索相关页面：
wiki/ 下搜索主题关键词深度阅读所有相关页面：
生成结构化深度报告，保存到 wiki/synthesis/{主题}-深度报告.md（按 WIKI_LANG 切换语言）：
zh：
# {主题} 深度报告
> 综合自 {N} 篇素材 | 生成日期：{日期}
## 背景概述
（简要说明这个主题的背景和重要性）
## 核心观点
（按重要性排列，每个观点标注来源）
- 观点一（来源：[[素材A]]、[[素材B]]）
- 观点二（来源：[[素材C]]）
## 不同视角对比
（如有多个素材观点不同，在此对比）
| 维度 | 来源A的观点 | 来源B的观点 |
|------|------------|------------|
## 知识脉络
（按时间或逻辑顺序梳理该主题的发展）
## 尚待解决的问题
（现有素材中尚未回答的问题，可作为下次搜集素材的方向）
## 相关页面
（列出所有综合来源的链接）
（英文版按「输出语言规则」生成，结构相同。）
更新 index.md 和 log.md：
## {日期} digest | {主题}向用户展示结果（按 WIKI_LANG 切换语言）：
zh：
已生成深度报告：{主题}
综合了 {N} 篇素材：
- [[素材1]]、[[素材2]]...
报告已保存：wiki/synthesis/{主题}-深度报告.md
发现这些待解决问题，可以继续搜集素材：
- {问题1}
- {问题2}
（英文版按「输出语言规则」生成，结构相同。）
"画个知识图谱"、"看看关联图"、"graph"、"知识库地图"、"展示知识关联"
执行通用前置检查（见上方定义）。如果没有可用知识库，提示用户先初始化。
扫描双向链接：
wiki/ 下所有 .md 文件[[链接]] 语法，建立关系列表：页面A → 页面B生成 Mermaid 图表文件 wiki/knowledge-graph.md：
# 知识图谱
> 自动生成 | {日期} | 共 {N} 个节点，{M} 条关联
```mermaid
graph LR
A[概念1] --> B[概念2]
A --> C[素材1]
D[主题1] --> A
D --> E[概念3]
```
查看方式：用 Typora、VS Code（Markdown Preview Enhanced）、或直接在 GitHub 上查看。
生成规则：
[名称]，名称太长则截断到 10 字向用户展示结果（按 WIKI_LANG 切换语言）：
zh：
知识图谱已生成！
共 {N} 个节点，{M} 条关联
文件：wiki/knowledge-graph.md
查看方式：
- Obsidian：直接打开即可渲染
- VS Code：安装 Markdown Preview Enhanced 插件
- GitHub：上传后自动渲染
- Typora：直接打开
孤立页面（未纳入图谱）：
- [[某页面]]（建议添加到相关实体页或主题页）
（英文版按「输出语言规则」生成，结构相同。）
每次 ingest 或 batch-ingest 完成后，AI 必须在输出结果前逐项自检。如果检查不通过，应立即修复后再报告。
[[X]] 都能在 wiki/ 下找到对应的 X.md。用 find wiki/ -name "X.md" 验证。[[链接]]。未创建的实体用纯文本标注。[[X]] 都指向实际存在的文件。sources: [] 必须包含所有贡献素材的文件名。