前言¶
在 Agent 里做「项目知识库」时，常见做法是整段文档塞进上下文，或依赖在线向量服务。前者容易超窗、难追溯来源；后者又带来密钥、网络与数据出境等问题。若你希望知识以结构化卡片沉淀、检索能语义与关键词互补、回答路径能按证据类型加权，并且写入需用户确认，社区 Skill LLM_Wiki_Advanced（坐标 @user_ceacef9a/llm-wiki-plus-ebr）把这套能力打包成自包含方案：本地嵌入模型、混合检索与 Evidence-Based Reasoning（EBR）在同一 Skill 内完成。
这是什么¶
LLM_Wiki_Advanced 是 SkillHub 分类 knowledge-management 下的社区 Skill（来源 community，发布者 user_ceacef9a，当前版本 1.0.0）。官方简介将其定位为：自包含的 LLM 知识库，内置 EBR 推理引擎与完全离线的本地向量语义检索（嵌入模型 Xenova/all-MiniLM-L6-v2）。
它要解决的核心问题可以概括为四点：把文档摄入为结构化知识卡片；用混合检索召回相关内容；按证据权重沿多条推理路径组织结论；经用户确认后再写回知识库。官方强调所有知识均锚定来源（source-anchored），从结构上限制无依据的幻觉输出。标签 requires_api_key=false，表示不依赖外部 API Key 即可完成其主要离线能力。
核心功能¶
以下能力均来自 SkillHub 页面与已抓取简介，不展开未在资料中出现的具体命令或配置字段。
文档摄入与知识卡片¶
将原始文档整理为结构化知识卡片，便于后续检索与推理，而不是仅以长文本形式堆在上下文中。
混合检索（本地向量 + BM25）¶
检索采用混合搜索：优先使用本地向量语义检索；在需要时以 BM25 关键词作为回退（fallback）。嵌入在本地运行，与「fully offline」表述一致。
EBR 证据加权推理¶
推理引擎按证据加权路径工作，官方列出的路径类型包括：
- Definitive（定论型）
- Causal（因果型）
- Predictive（预测型）
- Evaluative（评价型）
不同路径对应不同的证据权重与推理方式，用于在召回片段之上组织回答，而不是脱离来源的自由发挥。
用户确认写回¶
知识库的更新走用户确认写回（user-confirmed write-back）：Agent 不会静默改写库内内容，需经你确认后再落盘，降低误写入风险。
来源锚定与幻觉抑制¶
官方表述为：全部知识 source-anchored，hallucination is structurally blocked——即从流程设计上要求结论可追溯到摄入材料，而不是允许模型凭空补全「库内事实」。
安装与启用¶
Skill 托管在 SkillHub。页面给出的安装提示为：根据 SkillHub 安装文档 安装坐标 @user_ceacef9a/llm-wiki-plus-ebr。
1、安装 SkillHub CLI（若尚未安装）¶
先检查是否已有 CLI：
command -v skillhub && skillhub --version
未安装时，可按官方文档执行完整安装（CLI + 默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅需 CLI 时：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2、安装本 Skill 到当前 Agent 的 skills 目录¶
官方要求安装时必须用 --dir 指向当前 Agent 实际使用的 skills 目录，否则默认装到 ./skills/ 可能不会被识别。常用路径如下（摘自 SkillHub 安装文档）：
| 环境 | skills 目录 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或项目下的 .agents/skills/ |
在 Cursor 中安装本 Skill 的示例：
skillhub install user_ceacef9a/llm-wiki-plus-ebr --dir ~/.cursor/skills/
也可将提示词交给 AI，让其按上述坐标与安装文档完成安装。安装或更新 skills 后，按你所用客户端的要求重启或刷新 Agent，使新 Skill 生效。
公开资料未单独列出 Cursor / Codex CLI / Claude Code 在本 Skill 上的差异化配置项；三者差异主要体现在 skills 目录路径，安装命令形式相同。
典型用法¶
公开 SkillHub 页面未提供可复制的端到端示例命令或 SKILL.md 全文。结合官方简介，可预期的使用流程如下（逻辑步骤，非编造的具体 API）：
- 摄入：将本地或工作区文档交给 Agent，由 Skill 指导转化为结构化知识卡片并入库。
- 提问：用户就某一主题提问；Skill 触发混合检索（向量 + 必要时 BM25），召回与问题相关的卡片与来源片段。
- 推理：EBR 引擎在召回证据上，按 Definitive / Causal / Predictive / Evaluative 等路径加权组织回答，并保持与来源的对应关系。
- 写回：若需新增或修订知识，在 Agent 提议变更后由用户确认，再执行写回。
实际触发方式以安装后 Skill 内的 SKILL.md 与 Agent 对 Skill 的调用约定为准；本文不虚构未在官方页面出现的子命令或环境变量名。
适用场景与注意¶
适合谁
- 需要在 Agent 内维护可检索、可追溯来源的私有或项目知识，且希望向量检索离线运行。
- 希望检索在语义相似与精确关键词之间有余地（混合检索 + BM25 回退）。
- 对「结论类型」有区分需求（定论、因果、预测、评价），并希望通过 EBR 路径体现证据权重。
- 要求知识库变更必须经过人工确认再写入。
限制与注意
- 嵌入模型为 Xenova/all-MiniLM-L6-v2，首次使用通常涉及模型与运行时依赖的本地准备；具体依赖以 Skill 包内说明为准，公开简介未给出体积或硬件下限。
- 资料中未出现与 Cursor Rules、MCP 或其他向量库的集成说明，不要默认兼容未声明的外部栈。
- SkillHub 统计（以已抓取资料为准）：评分 100000，下载 946，安装 0；数字会随时间变化，以 SkillHub 页面为准。
- 社区来源（community）意味着维护节奏与 Issue 渠道以 SkillHub 与发布者信息为准；页面展示作者为 Hugo_Chan，坐标归属
user_ceacef9a。
结尾¶
LLM_Wiki_Advanced 把离线向量检索、BM25 回退、结构化知识卡片、EBR 多路径推理和用户确认写回放在同一个 Skill 里，面向「来源可锚定、尽量少幻觉」的 Agent 知识库场景。若你要从 SkillHub 安装或查看详情，可使用：
- SkillHub 页面：https://www.skillhub.cn/skills/user_ceacef9a/llm-wiki-plus-ebr
- API 入口（资料中的官方地址）：https://api.skillhub.cn/user_ceacef9a/llm-wiki-plus-ebr
- 安装坐标：
@user_ceacef9a/llm-wiki-plus-ebr，版本 1.0.0
