前言¶

团队做完一个项目，文档散落在 README、wiki、聊天记录和个人笔记里。新人接手要翻半天，下次迭代时又发现旧文档和代码已经对不上。另一个常见的做法是把项目历史丢给大模型做一轮问答，但对话结束之后知识没沉淀下来，下次还得重新问。

llmwiki-v2-潮汐AI 走的是第三条路：把知识以 Markdown 文件的形式写进仓库，配一套构建、查询、检查的命令。查询直接读文件，不依赖某个聊天窗口的历史。

这是什么¶

一句话定位：基于 Karpathy 规范 + rohitg00 生产经验的 LLM 知识库 Skill，负责构建、查询、自愈一个互关联的 Markdown 知识库。

基本信息如下：

• 坐标：@user_ef5e90f0/llmwiki-v2
• 名称：llmwiki-v2-潮汐AI
• 版本：1.0.1
• 来源：community
• 分类：knowledge-management
• 发布者：user_ef5e90f0
• 标签：requires_api_key=false（不需要额外 API Key）

它解决的是三件事：把散落的资料组织成互相关联的 Markdown 库；在需要时按触发词查询；发现断链或过期内容时做一次健康检查和修复。

核心功能¶

官方简介列出的能力如下：

• 构建（build wiki / init wiki）：初始化或重建知识库结构。
• 摄取（ingest / 摄取）：把资料写进知识库。
• 查询（wiki query）：在知识库里检索。
• 检查（lint wiki / health check）：检查知识库的完整性。
• 整理与升级（整理 / 搭建知识库 / v2 升级 / 知识库升级）：维护既有知识库，或从 v1 升级到 v2。

以上按触发词触发，说明它在工具侧是靠自然语言指令驱动的，没有需要手工维护的配置文件。

安装与启用¶

资料中未提供具体的安装命令或配置文件内容，官方页面本次抓取失败，无法核实。按 SkillHub 的通用惯例，这类 Skill 一般通过 SkillHub 页面安装后写入本机的技能目录，再在 Cursor / Codex CLI / Claude Code 等支持 SKILL.md 的客户端里启用。具体命令以官方页面为准。

需要说明的是，标签 requires_api_key=false 表示它不要求单独配置 API Key，但实际调用大模型查询时，仍取决于宿主客户端自身的模型配置。

典型用法¶

以下用法来自官方简介中的触发词，具体输出格式以实际运行为准。

1、初始化知识库。在项目目录下触发 init wiki 或 build wiki，建立知识库骨架。

2、写入资料。触发 ingest 或摄取，把项目文档、决策记录等内容写进库中。

3、查询。触发 wiki query，在知识库里检索与当前任务相关的内容。

4、健康检查。触发 lint wiki 或 health check，检查条目之间的关联是否完整。

5、维护。触发整理处理零散条目，或触发 v2 升级 / 知识库升级做版本迁移。

适用场景与注意¶

适合的场景：项目文档以 Markdown 为主、希望知识沉淀在仓库里而不是聊天记录里、需要定期检查文档与代码是否还对得上的团队。

需要注意的地方：

• 资料中只有触发词和功能描述，没有给出 SKILL.md 的具体指令集、目录结构和文件格式，接入前要先读一遍技能文件确认。
• 评分与下载量在不同来源间不一致：技能线索给的是评分 99362、下载 759 次，抓取到的页面数据是评分 100000、下载 822 次、安装 0 次。这类数字以官方页面实时数据为准，本文不作为选型依据。
• 名称里的 v2 与触发词中的「v2 升级 / 知识库升级」暗示存在 v1 版本，但从 v1 迁移的具体差异官方资料未说明。

结尾¶

llmwiki-v2-潮汐AI 的价值在于把知识库从一次性的大模型问答变成仓库里可维护的 Markdown 文件，并通过触发词覆盖构建、查询、检查、整理的完整链路。如果你的痛点是文档散落且无法自检，可以先拿一个非核心项目试一轮。

官方地址：https://api.skillhub.cn/user_ef5e90f0/llmwiki-v2