LLM Wiki 管理器
让 LLM 负责写作、交叉引用和记录，你只需策展信息源，从而获得一个持续积累、不会腐烂的个人维基知识库。
SKILL.md 定义了清晰的分层最小权限模型：LLM 绝不写 raw/、迁移脚本默认 dry-run、跨 wiki 路由要求显式 CLAUDE.md 声明、矛盾标记而非覆盖，所有引用可回溯 raw/，数据流透明且可回滚（git）。扣分：写操作（ingest/update 对 wiki/ 的批量改写、多 wiki promote 移动文件）缺少统一的显式用户确认门槛（仅 Update 模式有 per-page diff 确认），且实际脚本源码未在评估范围内可见，隔离与恢复声明无法从本路径核实。
指令自洽性较高：九条核心不变量、模式路由、Step 0 schema 版本检查、幂等脚本约定与失败反馈（lint 退出码 1、migrate dry-run）描述清晰。扣分：静态审查无法执行任何脚本，scripts/ 源码与测试不在本路径证据中，幂等性与错误处理声明不可复现，未达执行上限之上。
受众与场景明确（个人研究 wiki/second brain），触发条件以模式路由表具体化，Update 与 Ingest 边界有专门辨析，环境仅依赖文件系统与 git（无境外服务依赖，大陆可用性好）。扣分：对不应触发的场景、wiki 规模上限、非 markdown 源的适配范围界定不足，无中文文档或中文触发说明。
信息架构分层良好（SKILL.md → references → templates 渐进披露），MIT 许可、语义化版本、完整 CHANGELOG、双语 README、发布 CI 均可见。扣分：维护责任与更新路径仅隐含于个人仓库，references/、scripts/、templates/ 等被引用文件未在本路径直接审读，存在隐藏假设风险。
价值主张清晰且有对比论证（编译型 wiki vs RAG 重读），产出格式（markdown 页面、lint 报告、log）可直接使用。扣分：静态审查无法验证任何关键路径产出，示例（nutrition wiki）为示意性而非已验证输出，边写成本（LLM 长上下文读源）与收益比例缺乏量化证据，按执行上限封顶给分。
有可审计的原始材料：版本化 CHANGELOG、CI release 工作流、Karpathy 原始 gist 外部佐证。扣分：无提交的测试套件，无法独立复现脚本行为，功能声明主要依赖作者自述，静态上限内仅能给低分段。
- 静态审查：未执行任何脚本，全部分数基于源码阅读，置信度低。
- scripts/ 目录源码未在本次评估路径内直接审读，幂等性、错误处理与 lint 行为均为作者声明，建议使用前自行审阅并先在测试目录试运行。
- ingest 与多 wiki promote 会对大量文件批量写入，建议在 git 仓库内使用以便回滚，并关注写入前的确认提示。
- skill 文档与触发均仅支持英文，中文用户需用英文措辞触发或自行翻译工作流。
- 发布者未经 FollowSkills 企业注册表验证，身份未知（本身非扣分项，但维护可持续性需自行观察仓库活跃度）。
这个 Skill 能做什么，适合哪些场景？
这是一个 Claude Code 技能，实现了 Karpathy 提出的 LLM Wiki 模式。它将你的原始资料（raw/）编译成一个持久的、互相链接的 markdown 知识库，而不是像 RAG 那样每次查询都重新检索原文。每次摄取新来源时，它会更新实体页、概念页、索引和操作日志，并主动标记矛盾。内含 5 个幂等的 Python 脚本、8 种操作模式、8 个页面模板和 11 份参考文档，核心纪律是：LLM 做全部簿记工作。
运行 init_wiki.py 在你的研究目录搭建 raw/、wiki/ 和 CLAUDE.md 骨架；摄取来源时读取 PDF/文章/转录稿，写入摘要页并更新实体与概念页的交叉引用；通过 update_index.py 维护按类别组织的 index.md，通过 append_log.py 追加可 grep 的操作日志；每次摄取后完全重写约 500 词的 hot.md 热缓存；更新模式对跨多个页面的过时论断做语义扫描、逐页 diff 后写入；lint_wiki.py 检查孤儿页、断链（含 [[wiki-links]] 格式）、索引漂移和 hot.md 膨胀，并自动生成带日期的报告到 wiki/reports/；migrate_wiki.py 支持 v1→v2 结构升级（含 dry-run）；多维基模式通过项目 CLAUDE.md 中的 External Wiki 声明在项目维基和全局维基（如 Obsidian 库）之间路由写入。
- 研究人员或长期做主题调研的人，想建立'第二大脑'，让每篇论文、文章沉淀为互相链接的知识页而非散乱文件
- 已有 50+ 份文档但每次向 Claude 提问都要重新阅读原文的人，想改用已编译好的维基快速回答
- 使用 Obsidian 做全局知识库、同时在多个项目工作的人，想把可迁移的概念提升到全局库、项目知识留在项目内
- 长期追踪某个领域（如营养科学）的人，当新研究推翻旧结论时，需要一次性修正散落在多个页面的同一论断
- 用 Claude Code 做项目开发，想用同一模式维护项目专属的决策、架构和调研笔记
这个 Skill 有哪些优点和局限？
- 五个脚本全部幂等且仅依赖 Python 标准库，无 pip 依赖，安装即用
- 三层数据模型清晰：raw/ 只读不写保证了审计链完整，wiki/ 完全由 LLM 维护，职责分明
- 矛盾不被静默覆盖，而是带来源标注地并列展示，由用户裁决
- lint 报告带日期自动归档，可通过 git log wiki/reports/ 追踪知识库质量演变
- 纯 markdown + git，可在 Obsidian、VS Code、vim 等任何编辑器中查看，无厂商锁定
- 参考文档非常完备（11 份工作流文档 + 模板 + 成熟维基示例）
- 模式完全依赖 LLM 从自然语言推断，模糊时只问一个澄清问题，可能误判模式
- 更新模式的多页语义扫描依赖模型能力，grep 找不到的改写可能漏检，没有测试套件证据
- 跨平台支持（Copilot、Cursor、Codex 等）在 README 中仅列出技能路径，未经验证
- 中文用户需注意 schema_version 检查的迁移提示默认为英文/土耳其语触发词
- 知识库价值依赖持续摄取和纪律执行——跳过日志和索引更新会让维基逐渐腐烂，技能本身无法完全阻止
如何安装这个 Skill？
任选其一：1) git clone https://github.com/sametbrr/llm-wiki-manager ~/.claude/skills/llm-wiki-manager；2) gh skill install sametbrr/llm-wiki-manager（需 gh CLI v2.90+）；3) 下载 release 中的 .skill 文件并解压到 ~/.claude/skills/llm-wiki-manager。要求 Claude Code 或任何 agentskills.io 兼容代理，以及 Python 3.9+（仅需标准库，无需 pip install）。安装后开启新的 Claude Code 会话即可。
如何使用这个 Skill？
在研究目录中启动 claude，直接用自然语言触发，无需斜杠命令。示例流程：'Set up an LLM wiki here. Topic: history of nutrition science.'（引导模式）→ 把 PDF 放入 raw/ → 'Ingest Pollan's In Defense of Food'（摄取）→ 'What does the wiki say about nutritionism?'（查询）→ 'Lint the wiki'（体检，报告自动存入 wiki/reports/）。其他触发示例：'Smith 2024 supersedes Keys 1980'（更新模式）、'Add this to my global wiki'（多维基模式）、'We should always tag book chapters'（schema 演进模式）。
这个 Skill 与同类方案有什么区别？
与 RAG 的对比是本项目核心卖点：RAG 每次查询都从原始文档重新检索答案，而此模式让 LLM 把来源一次性编译成互链的持久维基，查询时直接读已综合好的内容，矛盾已被标记。模式本身出自 Karpathy 的 LLM Wiki gist，本项目是其完整的 Claude Code 技能实现。