wiki
个人知识库管理工具。支持三个命令:/wiki compile(将 raw/ 素材增量编译为结构化 wiki)、/wiki check(知识审计:有问题列表时做完整审计,无问题列表时做纯结构审计)、/wiki check <questions_file>(基于 wiki 回答问题并做结构审计,合并输出为单份 check 报告)。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
菜单
个人知识库管理工具。支持三个命令:/wiki compile(将 raw/ 素材增量编译为结构化 wiki)、/wiki check(知识审计:有问题列表时做完整审计,无问题列表时做纯结构审计)、/wiki check <questions_file>(基于 wiki 回答问题并做结构审计,合并输出为单份 check 报告)。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
自动课题研究器。给定一个研究课题,自动循环执行"提问→检索→整理→评估",持续更新知识库直到研究目标达成。适用于行业调研、技术研究、概念理解、创业方案构建等场景。触发方式:用户说"帮我研究 X"、"调研一下 X"、"我想深入了解 X"、"/autodidact X"。
课题研究提问引擎。综合知识审计报告、用户插入问题、既定框架,生成每轮最有价值的问题列表,驱动后续检索。是整个研究循环的核心引擎——问题的质量决定研究的深度。通常由 autodidact skill 调用,也可单独使用。
信息检索 skill。接收问题列表,通过浏览器自动搜索并抓取高质量网页内容,存入 raw/ 文件夹。含两层质量筛选(抓取前过滤低质来源,抓取后评分)。通常由 autodidact skill 调用,也可单独使用。依赖 agent-browser CLI。
基于 SOC 职业分类
| name | wiki |
| description | 个人知识库管理工具。支持三个命令:/wiki compile(将 raw/ 素材增量编译为结构化 wiki)、/wiki check(知识审计:有问题列表时做完整审计,无问题列表时做纯结构审计)、/wiki check <questions_file>(基于 wiki 回答问题并做结构审计,合并输出为单份 check 报告)。 |
| user-invocable | true |
| args | <compile|check> [questions_file] [--files file1,file2,...] [--round N] |
根据用户传入的命令参数执行对应的知识库管理动作。
根据调用上下文中的指令判断要执行哪个命令(不依赖特定参数格式,理解意图即可):
--files 参数 → 执行【Wiki 编译】check 关键字 → 执行【知识审计】
用法:
/wiki compile [--files f1.md,f2.md] —— 将 raw/ 素材编译为 wiki/
/wiki check [questions_file] [--round N] —— 知识审计(有问题列表时做完整审计,否则只做结构审计)
目标:读取 raw/ 下的素材,按知识库规则,在 wiki/ 下生成或更新结构化文章。
增量模式:如果 --files 参数指定了文件列表,只处理这些文件;否则处理 raw/ 下全部文件。
执行步骤:
outputs/research_state.json 中的 topic 字段,了解知识库的主题和研究目标(用于判断哪些内容值得提炼、哪些偏题)。--files f1.md,f2.md,... → 只读取这些文件--files → 列出 raw/ 下所有文件质量评分:高/中/低
关联问题:触发这次检索的问题(若为"手动抓取"则无关联问题约束)wiki/INDEX.md:
wiki/<主题名>.md:
[[主题名]] 格式链接相关主题> ⚠️ 待核实:[说明矛盾] 标记,供下一轮 wiki check 发现-2、-3,不跳过## Wiki 编译完成
- 新建文章:X 篇(列出文件名)
- 更新文章:X 篇(列出文件名)
- 新增主题:[主题A, 主题B, ...]
- 待评估文件已按中质量处理,无需人工干预:[文件名列表](若有)
→ Step 3 完成,继续执行 Step 4(知识审计)
注意:不要修改 raw/ 下的任何文件。
目标:评估 wiki/ 的知识完备性,输出结构化审计报告,供下一轮 questioner 使用。
两种模式:
questions_file):问题覆盖判断 + 结构性审计,autodidact 研究循环的标准调用方式questions_file):只做结构性审计,适合用户手动触发输入:
questions_file(可选):问题列表 JSON 文件路径--round N:当前研究轮次,用于命名输出文件(默认取当前最新轮次)执行步骤:
第一阶段:问题覆盖判断(仅完整审计模式)
questions_file 中的问题列表。wiki/INDEX.md 及所有相关 wiki 文章。第二阶段:结构性审计(两种模式都执行)
从以下四个维度审查 wiki/(完整审计模式下不重复第一阶段已发现的 partial/open 问题):
① 知识漏洞
② 矛盾与不一致
③ 来源缺失
④ 结构问题
[[主题名]] 引用的主题是否都有对应文件?第三阶段:合并输出
将所有阶段结果写入 outputs/rounds/round_<N>_check.md:
# 知识审计报告(第 N 轮)
## 一、问题覆盖情况(完整审计模式)
### 已解决(resolved)
### Q: <问题文本>
**回答**:...
**来源**:wiki/<文章名>.md
### 部分覆盖(partial)
### Q: <问题文本>
**已知**:...
**缺口**:...
### 未覆盖(open)
- <问题文本>
---
## 二、知识漏洞(需要检索补充)
- [漏洞描述]:来自 wiki/xxx.md,具体缺口是…
## 三、矛盾与不一致
- [描述]:wiki/A.md 说…,wiki/B.md 说…(无则填"无")
## 四、来源缺失的结论
- [描述]:wiki/xxx.md 中"…"缺乏来源支撑(无则填"无")
## 五、结构问题
- 悬空链接:...(无则填"无")
- INDEX 不一致:...(无则填"无")
---
## 审计摘要
- resolved: X 个 / partial: X 个 / open: X 个(完整审计模式)
- 知识漏洞:X 个
- 矛盾:X 个
- 来源缺失:X 个
- 建议下一轮重点方向:[方向1, 方向2, ...]
同时在对话中输出结构化状态供 autodidact 使用:
## 知识审计完成(第 N 轮)
- resolved: X 个 / partial: X 个 / open: X 个
- 知识漏洞:X 个
- 矛盾:X 个
- 来源缺失:X 个
- audit_issues_count: X (= 知识漏洞数 + partial 问题数,供 autodidact 判断终止条件)
- 报告:outputs/rounds/round_N_check.md
→ Step 4 完成,继续执行 Step 5(更新 research_state.json)
注意:审计要有深度,每个发现都要具体到"哪篇文章的哪个部分",这样 questioner 才能据此生成有针对性的问题。不要修改 raw/ 或 wiki/ 下的任何文件。