lint

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

• 跨页面的语义矛盾
• 与 Ingest 时的即时矛盾标注不同，这里做全局扫描
• 报告格式：

  ⚠️ 矛盾：[[页面A]] 主张 X，但 [[页面B]] 主张 Y
  

2.2 过时内容

• 标记为 active 但已被新资料推翻的内容
• 报告格式：

  🕐 过时：[[页面X]] 中的 Y 描述已被 [[页面Z]] 更新
  

2.3 知识缺口

• 频繁提及但缺少专门页面的重要概念
• 报告格式：

  📝 缺口：概念 "X" 在 N 个页面中被提及，但没有专门页面
  

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）

• 直接在对话中列出发现
• 询问用户是否需要修复

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：

1. 读取 pending/ 中的 lint 报告
2. 逐条执行修改
3. 更新 wiki/index.md 和 wiki/log.md
4. 删除已处理的 pending 文件
5. 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