llm-wiki

name: llm-wiki description: 基于 LLM 的智能知识库管理工具，接收用户传入的新文章或内容，自动提取关键信息并整合到现有 wiki 中，更新实体页面、修订主题摘要、标记矛盾点。

LLM Wiki 知识库管理

核心概念

LLM Wiki 是一种增量式知识库构建模式：

• 原始资料层 (raw/): 用户提供的源文档，只读
• Wiki 层 (wiki/): LLM 生成的 markdown 文件，包含摘要、实体页面、概念页面等
• Schema 层: 本 skill 定义的工作流程和规范

与传统 RAG 不同，LLM Wiki 会持续构建和维护一个结构化的、相互关联的 markdown 文件集合，知识是累积的而非每次都重新检索。

目录结构

llm-wiki/
├── raw/                    # 原始资料（用户放入，LLM 只读）
│   ├── articles/
│   └── assets/            # 图片等附件
├── wiki/                   # LLM 维护的知识库
│   ├── index.md           # 内容索引目录
│   ├── log.md             # 操作日志（时间线）
│   ├── sources/           # 源文档摘要
│   ├── entities/          # 实体页面（人物、组织、产品等）
│   ├── concepts/          # 概念页面（理论、方法、术语等）
│   └── synthesis/         # 综合分析页面
└── .qoder/skills/llm-wiki/  # 本 skill

工作流程

1. 接收新内容

当用户提供新文章或内容时：

1. 将原始内容保存到 raw/articles/
2. 记录文件名和时间戳

2. 分析内容

使用 LLM 分析原始内容，提取：

• 关键要点: 3-5 个核心观点
• 实体: 提及的人物、组织、产品、地点等
• 概念: 理论、方法、术语、技术
• 关系: 实体/概念之间的关联
• 矛盾点: 与现有 wiki 冲突的信息

3. 更新 Wiki

根据分析结果更新 wiki：

创建/更新源文档摘要 (wiki/sources/原始文件名.md):

---
title: 文章标题
date: 2026-04-06
source: raw/articles/xxx.md
tags: [tag1, tag2]
---

# 文章标题

## 摘要
一句话概括核心内容

## 关键要点
- 要点 1
- 要点 2

## 提取的实体
- [[实体A]]
- [[实体B]]

## 提取的概念
- [[概念X]]
- [[概念Y]]

更新实体页面 (wiki/entities/实体名.md):

• 如实体已存在，追加新信息
• 标记信息来源
• 如发现矛盾，标注并解释

更新概念页面 (wiki/concepts/概念名.md):

• 类似实体页面的处理方式

创建/更新综合分析页面 (wiki/synthesis/主题名.md):

• 当新内容与某个主题相关时，更新该主题的综合分析
• 整合多个源文档的观点，形成统一视角
• 标记不同来源的观点差异
• 示例页面：
  • wiki/synthesis/AI-Agent-平台对比.md - 对比不同 Agent 平台
  • wiki/synthesis/技术趋势分析.md - 跨文档的技术趋势总结

处理图片资源 (raw/assets/):

• 文章中的图片下载到 raw/assets/
• 在 wiki 页面中引用本地图片路径
• 图片命名：{文章名}-{序号}.{扩展名}

更新索引 (wiki/index.md):

• 必须更新源文档摘要部分: 在 ## 源文档摘要 表格中添加新文章的链接和摘要
• 必须更新实体部分: 如有新实体，添加到 ## 实体 表格
• 必须更新概念部分: 如有新概念，添加到 ## 概念 表格
• 必须更新综合分析部分: 如有新 synthesis，添加到 ## 综合分析 表格
• 每个部分都要检查并更新，不要遗漏

记录日志 (wiki/log.md):

## [2026-04-06] ingest | 文章标题
- 添加了源文档摘要
- 更新了实体: A, B, C
- 更新了概念: X, Y
- 发现矛盾: 无/有（说明）

4. 回答查询

当用户提问时：

1. 先读取 wiki/index.md 找到相关页面
2. 读取相关页面内容
3. 综合信息生成答案
4. 答案可保存为新的 wiki 页面（如用户要求）

使用 QMD 进行语义检索（推荐）：

• 在内容更新后，先执行 qmd update 扫描文件系统更新索引
• 然后执行 qmd embed 生成向量嵌入（用于语义搜索）
• 使用语义搜索查找相关内容：qmd query "搜索内容"
• QMD 会自动进行混合搜索（向量相似度 + 全文检索）并重排序
• 示例：qmd query "Agent 平台对比" 或 qmd query "嵌入式架构特点"
• 高级用法：使用结构化查询 qmd query $'lex: 关键词\nvec: 语义描述'

操作指令

接收新文章

方式 1 - 自然语言指令： 用户说"添加这篇文章"或提供内容时：

1. 询问文章标题（如未提供）
2. 保存原文到 raw/articles/
3. 执行分析 → 更新 wiki 流程
4. 汇报更新摘要

方式 2 - 命令格式（推荐）： 用户使用 /llm-wiki <文章链接> 格式时：

1. 识别命令格式，提取文章链接
2. 使用 fetch_content 获取文章内容
3. 从 URL 或内容中提取文章标题
4. 保存原文到 raw/articles/
5. 执行分析 → 更新 wiki 流程
6. 汇报更新摘要

示例：

• /llm-wiki https://example.com/article
• /llm-wiki https://github.com/user/repo/blob/main/docs/guide.md

查询知识库

方式 1 - 命令格式（推荐）： 用户使用 /llm-wiki 搜索<关键词> 或 /llm-wiki <问题> 格式时：

使用 QMD 语义检索：

1. 先执行 qmd update 更新索引（扫描文件系统，检测新增/修改/删除的文件）
2. 然后执行 qmd embed 生成向量嵌入（用于语义搜索）
3. 使用 qmd query "用户问题" 进行语义搜索
4. 根据搜索结果读取相关 wiki 页面
5. 综合信息生成带引用的回答

示例：

• /llm-wiki 搜索Agent平台
• /llm-wiki Agent平台有哪些
• /llm-wiki CoPaw和OpenClaw的区别

方式 2 - 自然语言指令： 用户直接提问时：

1. 读取 wiki/index.md
2. 识别相关页面
3. 读取并综合答案
4. 提供带引用的回答

健康检查

用户说"检查 wiki"或"lint"时：

1. 扫描所有页面
2. 检查：
   • 页面间的矛盾
   • 过时声明
   • 孤立页面（无入链）
   • 缺失的概念页面
   • 缺失的交叉引用
3. 生成检查报告
4. 建议修复措施

命名规范

• 文件名使用小写，空格用 - 替换
• 实体页面: wiki/entities/实体名.md
• 概念页面: wiki/concepts/概念名.md
• 源摘要: wiki/sources/原始文件名.md
• 内部链接使用 Obsidian 格式: [[页面名]]

输出格式

所有 wiki 页面使用标准 markdown，可选 YAML frontmatter：

---
title: 页面标题
date: 2026-04-06
sources: [source1, source2]
tags: [tag1, tag2]
---

# 页面标题

内容...

## 相关页面
- [[相关页面A]]
- [[相关页面B]]