前言¶

做個人知識庫的人大多會遇到同一個問題：存了一堆 Markdown，檢索靠全文搜索，越積越亂。傳統 RAG 每次從零檢索，交叉引用靠 LLM 臨時拼接，矛盾點沒有留痕，人工維護成本隨規模上漲。llm-wiki-builder 走的是另一條路：維護一個持久的、複合增長的 wiki，交叉引用已經寫進頁面，矛盾顯式標在 Contradictions 節，綜合分析反映你讀過的一切。

下面介紹這個 skill。它由社區開發者 user_7ffd653a 發佈在 SkillHub，分類 knowledge-management，定位是 Karpathy 風格的 LLM Wiki 構建系統。

這是什麼¶

llm-wiki-builder 是一個自託管的知識庫構建工具，通過 init.py 一鍵生成目錄結構、系統文件、頁面模板、行爲契約和健康檢查腳本，並把知識庫註冊到全局註冊表。知識分三層歸屬：raw/ 人類擁有、LLM 只讀；wiki/ LLM 完全讀寫；CLAUDE.md 是雙方共同維護的行爲契約。

它解決的是「知識庫的骨架和紀律」問題：目錄怎麼分、頁面怎麼命名、鏈接怎麼寫、哪些操作必須人工確認，都由腳本和契約預先定好，而不是每次讓 LLM 臨場發揮。

初始化：init.py 一鍵建庫¶

先做初始化，再做後續操作。Agent 必須先詢問用戶知識庫名稱，然後執行：

python scripts/init.py <項目目錄> --name "<知識庫名稱>"

腳本自動完成 10 步：創建 raw/、wiki/、outputs/、scripts/、.qmd/ 目錄；生成 index.md、log.md、overview.md、QUESTIONS.md；生成 5 個頁面模板；複製 schema.md；生成 CLAUDE.md 與 AGENTS.md；複製 lint.py（14 項檢查）、registry.py、list-wikis.py；生成 .gitignore；最後註冊到 ~/.llm-wiki/registry.json。

可選的語義搜索：qmd¶

qmd 提供 BM25 + 向量嵌入 + LLM 重排序的語義搜索，不安裝不影響核心功能。先檢測：

qmd --version

未安裝則執行：

npm install -g @tobilu/qmd
qmd init && qmd collection add wiki wiki/
qmd embed

qmd embed 首次會下載約 2GB 模型，明細是 embeddinggemma-300M（約 300MB）、Qwen3-Reranker-0.6B（約 640MB）、qmd-query-expansion-1.7B（約 1.1GB）。qmd 不可用時，ingest、query、lint 仍可運行，搜索降級爲讀取 wiki/index.md，詳見 references/setup-guide.md 的降級策略一節。

安裝依賴與首次審計¶

依賴只有 PyYAML：

pip install pyyaml

初始化完成後跑一次審計，確認骨架可用：

python scripts/lint.py

日常操作：攝入、查詢、檢查¶

資料寫進 raw/，剩下的交給 Agent。常用觸發詞如下：

健康檢查支持三種模式：

python scripts/lint.py              # 只檢測
python scripts/lint.py --fix        # 交互修復
python scripts/lint.py --fix --auto # 自動修復安全項

14 項檢查覆蓋 YAML frontmatter、失效 wikilink、index 一致性、stub 頁面、近重複概念、SHA-256 完整性、stale 頁面、跨語言重複、wikilink 格式、孤立頁、缺失反向引用、隱性盲區、source_count 一致性、dashboard 一致性。其中 index 一致性、source_count、dashboard 三類標爲 safe，可用 --auto 自動修復，其餘需要人工判斷。

頁面類型與置信度¶

頁面分五類：wiki/sources/<slug>.md 記錄來源摘要與 SHA-256；wiki/concepts/<slug>.md 是概念頁，含定義、置信度、來源計數、演化日誌；wiki/entities/<slug>.md 是人物、工具、機構、論文頁；wiki/synthesis/<topic>-synthesis.md 是綜合分析；raw/personal/ 放個人寫作，不創建 source 頁，不計入 source_count。

置信度分三級：low 是 1-2 個來源或有矛盾；medium 是 3 個以上來源且信息一致；high 需要多元來源且無矛盾，屬於候選值，必須經用戶確認後才能設置。時效分三級：AI、加密貨幣、科技新聞 90 天判 stale，法律、商業、政策 180 天，數學、哲學、歷史 365 天。

註冊表與多知識庫管理¶

全局註冊表在 ~/.llm-wiki/registry.json，一個機器上可以有多個知識庫：

python scripts/registry.py list                  # 列出所有知識庫
python scripts/registry.py add <路徑> [名稱]      # 註冊新知識庫
python scripts/registry.py use <名稱>             # 獲取知識庫路徑
python scripts/registry.py remove <名稱>          # 取消註冊（不刪文件）
python scripts/registry.py rename <舊名> <新名>   # 重命名
python scripts/registry.py get-last               # 獲取最近訪問的知識庫

配合列表腳本使用：

python scripts/list-wikis.py            # 文本格式
python scripts/list-wikis.py --json     # JSON 供 Agent 解析
python scripts/list-wikis.py --path <名> # 獲取指定知識庫路徑

鐵律與注意事項¶

三層所有權的邊界是這套系統的關鍵，四條鐵律：LLM 絕不自動執行不可逆操作（merge、刪除、把 confidence 升到 high），必須等人類確認；人類絕不手動編輯 wiki/ 下的內容頁，所有編輯通過 LLM 完成；人類只負責 raw/ 的文件管理；模板文件帶 graph-excluded: true，按模板新建的頁面必須刪掉這個字段。

實際使用中要注意幾點：知識庫的質量取決於 raw/ 的整理，原文亂則頁面跟着亂；qmd 的 2GB 模型下載是一次性開銷，網絡受限時可以先跳過；wiki/ 一旦交給 LLM 維護，就不要再用編輯器直接改，否則 lint 的一致性檢查會反覆報警；模板裏的 graph-excluded: true 忘了刪，頁面會從圖譜裏消失。

適合想把閱讀筆記、剪藏、論文整理成長期可檢索資產的人，尤其是希望 LLM 承擔維護而非只做檢索的團隊。不適合需要嚴格版本控制或多人併發寫入的場景，那部分要靠 raw/ 走 git 管理。

結尾¶

llm-wiki-builder 的價值不在檢索速度，而在把「知識庫如何組織」這件事固化成腳本和契約，讓 LLM 去維護一個持續生長的製品。官方地址：https://api.skillhub.cn/user_7ffd653a/llm-wiki-builder