前言¶
个人知识库常见两种困境：收藏夹和剪藏越堆越多，却很少有人回头整理；每次问大模型，答案都像临时拼出来的，和本地笔记形不成累积。Karpathy 提出的 LLM Wiki 思路，是把「读素材、写页面、维护交叉引用」交给模型，人类只负责投喂和审阅。下面介绍 SkillHub 上的 LLM-WIKI（龙虾联动 OB 建立）：把这套流程写成 WorkBuddy Skill，让 LLM 直接在 Obsidian vault 里增量维护结构化 Wiki。
这是什么¶
LLM-WIKI（包名 llm-wiki-clean，SkillHub 标识 @indiv-yemo/llm-wiki-clean）是基于 LLM Wiki 模式的个人知识库管理 Skill。维护者为 SkillHub 用户 夜秣（user_fb9c3efc），当前版本 1.0.0，分类为 knowledge-management（知识管理），子类包括知识库问答、资料整理、信息检索。
Skill 的定位很明确：你提供 Obsidian vault 的绝对路径并收集原始素材；Agent 按 SKILL.md 中的规则，在 vault 内创建 raw/（只读源层）与 wiki/（可写的知识层），并持续更新 index.md、log.md 与双向链接，方便在 Obsidian 图谱里浏览关系。官方说明中将其描述为 WorkBuddy Skill（龙虾技能），也可通过 SkillHub 安装后在支持 Agent Skills 的客户端中使用。
核心功能¶
经核对包内 SKILL.md 与 SkillHub 摘要，能力可归纳为四类操作（含首次初始化）：
初始化 Wiki 系统（仅首次）¶
Skill 不会自动得知 vault 路径。首次需明确告知 Obsidian vault 绝对路径，Agent 将：
- 在 vault 根目录写入
SCHEMA.md（运维规则手册） - 创建
raw/sources/、raw/assets/ - 创建
wiki/实体/、wiki/概念/、wiki/素材/、wiki/分析/ - 创建
wiki/index.md、wiki/log.md
触发示例：「帮我在 OB 里搭建 LLM Wiki 系统，vault 路径是：…」
Ingest（摄入 / 消化）¶
将新文章、粘贴文本或 raw/sources/ 下的文件交给 Agent。流程包括读取素材、提取观点/实体/概念、在 wiki/素材/ 写摘要页、更新或新建实体/概念页、维护 [[双中括号]] 链接，并更新 index.md 与 log.md。raw/ 内文件只读不改。
触发词包括：ingest、消化、录入，或「帮我处理这篇文章」等。
Query（查询）¶
针对已有 Wiki 提问。Agent 先读 wiki/index.md，再深入相关页面并综合回答，回答中带引用（如「参考：[[页面名]]」）。若回答有长期价值，可写入 wiki/分析/ 并记入日志。
触发词包括：query、查一下、关于 XX Wiki 里有什么 等。
Lint（健康检查）¶
全量扫描 wiki/ 下 Markdown，检查矛盾、孤儿页、断链、索引不一致、过时表述等，输出报告；需用户确认后再修复，不擅自改库。
触发词：lint、健康检查、检查 Wiki 等。
可选：腾讯文档同步¶
若已配置腾讯文档空间 ID，可说「腾讯文档同步」等，将 wiki/ 内容同步到文档空间（依赖腾讯文档 MCP，属可选能力）。
安装与启用¶
从 SkillHub 安装（通用）¶
SkillHub 标准标识为 @indiv-yemo/llm-wiki-clean。可将下面提示发给支持 SkillHub 安装流程的 AI 客户端（具体步骤以 SkillHub 安装说明 为准）：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@indiv-yemo/llm-wiki-clean`。
官方条目页：https://api.skillhub.cn/user_fb9c3efc/llm-wiki-clean（SkillHub 前端一般为 https://skillhub.cn/skills/user_fb9c3efc/llm-wiki-clean）。
WorkBuddy（龙虾）本地目录¶
README 中给出的 WorkBuddy 安装方式如下。
方式一：下载 skill 文件夹后放到 WorkBuddy skills 目录，重启或在会话中用 /skills 确认已加载。
方式二：在 skills 目录下建 llm-wiki/，将包内 SKILL.md 复制进去后重启 WorkBuddy。
skills 目录路径：
- macOS / Linux：
~/.workbuddy/skills/ - Windows：
C:\Users\你的用户名\.workbuddy\skills\
包内标注 requires_api_key: false，不依赖额外 API Key 标签。
典型用法¶
1. 初始化 vault¶
安装 Skill 后，先声明 vault 绝对路径，例如：
帮我在 OB 里搭建 LLM Wiki 系统，
我的 vault 路径是：/Users/你的名字/Documents/MyVault/
Windows 可使用类似 D:/我的知识库/我的知识库/ 的路径格式。
2. 消化一篇素材¶
将文件放入 raw/sources/，或对 Agent 说：
帮我消化 raw/sources/文章标题.md
或直接粘贴正文并说「帮我消化这篇文章」。
3. 查询 Wiki¶
查一下 Wiki 里关于「AI 编程」的内容
或：
query：帮我总结一下 Wiki 里所有关于出海赚钱的内容
4. 健康检查¶
lint 一下 Wiki，检查一下有没有问题
日常可在 Obsidian 中打开图谱视图，查看实体与概念之间的链接。
适用场景与注意¶
适合谁：已使用或愿意使用 Obsidian 作为本地知识库；希望素材沉淀为可交叉引用的 Wiki，而不是单次 RAG 问答；能在 WorkBuddy 或其它 Agent 环境中加载 Skill 的用户。
目录边界：Skill 设计为只操作 vault 内的 wiki/、raw/ 及根目录 SCHEMA.md，不改动 vault 其它文件夹中的既有笔记（以官方 README 说明为准）。
成本与维护：README 版本记录提到，知识库体量较大时 token 消耗会上升；每次 ingest 可能更新多页，属设计预期。Lint 修复需人工确认，避免误改。
核实不到的差异：任务线索中的 SkillHub「评分」字段未在公开 API 元数据中出现；下载量以 API 为准（查询时约为 1078 次下载、4 星收藏），会随社区统计变化。Cursor / Claude Code 等若未走 WorkBuddy，需自行将 SKILL.md 放入对应客户端的 skills 目录，具体路径以各产品文档为准，本 Skill 包内未单独列出 Cursor 专用命令。
结尾¶
LLM-WIKI 把「摄入—查询—巡检」写成可重复的 Agent 工作流，并把产物落在 Obsidian 可编辑的 Markdown 与图谱上，适合需要长期累积的个人知识库场景。获取 Skill 与说明见 SkillHub 官方地址：https://api.skillhub.cn/user_fb9c3efc/llm-wiki-clean。
