前言¶

團隊做完一個項目，文檔散落在 README、wiki、聊天記錄和個人筆記裏。新人接手要翻半天，下次迭代時又發現舊文檔和代碼已經對不上。另一個常見的做法是把項目歷史丟給大模型做一輪問答，但對話結束之後知識沒沉澱下來，下次還得重新問。

llmwiki-v2-潮汐AI 走的是第三條路：把知識以 Markdown 文件的形式寫進倉庫，配一套構建、查詢、檢查的命令。查詢直接讀文件，不依賴某個聊天窗口的歷史。

這是什麼¶

一句話定位：基於 Karpathy 規範 + rohitg00 生產經驗的 LLM 知識庫 Skill，負責構建、查詢、自愈一個互關聯的 Markdown 知識庫。

基本信息如下：

• 座標：@user_ef5e90f0/llmwiki-v2
• 名稱：llmwiki-v2-潮汐AI
• 版本：1.0.1
• 來源：community
• 分類：knowledge-management
• 發佈者：user_ef5e90f0
• 標籤：requires_api_key=false（不需要額外 API Key）

它解決的是三件事：把散落的資料組織成互相關聯的 Markdown 庫；在需要時按觸發詞查詢；發現斷鏈或過期內容時做一次健康檢查和修復。

核心功能¶

官方簡介列出的能力如下：

• 構建（build wiki / init wiki）：初始化或重建知識庫結構。
• 攝取（ingest / 攝取）：把資料寫進知識庫。
• 查詢（wiki query）：在知識庫裏檢索。
• 檢查（lint wiki / health check）：檢查知識庫的完整性。
• 整理與升級（整理 / 搭建知識庫 / v2 升級 / 知識庫升級）：維護既有知識庫，或從 v1 升級到 v2。

以上按觸發詞觸發，說明它在工具側是靠自然語言指令驅動的，沒有需要手工維護的配置文件。

安裝與啓用¶

資料中未提供具體的安裝命令或配置文件內容，官方頁面本次抓取失敗，無法覈實。按 SkillHub 的通用慣例，這類 Skill 一般通過 SkillHub 頁面安裝後寫入本機的技能目錄，再在 Cursor / Codex CLI / Claude Code 等支持 SKILL.md 的客戶端裏啓用。具體命令以官方頁面爲準。

需要說明的是，標籤 requires_api_key=false 表示它不要求單獨配置 API Key，但實際調用大模型查詢時，仍取決於宿主客戶端自身的模型配置。

典型用法¶

以下用法來自官方簡介中的觸發詞，具體輸出格式以實際運行爲準。

1、初始化知識庫。在項目目錄下觸發 init wiki 或 build wiki，建立知識庫骨架。

2、寫入資料。觸發 ingest 或攝取，把項目文檔、決策記錄等內容寫進庫中。

3、查詢。觸發 wiki query，在知識庫裏檢索與當前任務相關的內容。

4、健康檢查。觸發 lint wiki 或 health check，檢查條目之間的關聯是否完整。

5、維護。觸發整理處理零散條目，或觸發 v2 升級 / 知識庫升級做版本遷移。

適用場景與注意¶

適合的場景：項目文檔以 Markdown 爲主、希望知識沉澱在倉庫裏而不是聊天記錄裏、需要定期檢查文檔與代碼是否還對得上的團隊。

需要注意的地方：

• 資料中只有觸發詞和功能描述，沒有給出 SKILL.md 的具體指令集、目錄結構和文件格式，接入前要先讀一遍技能文件確認。
• 評分與下載量在不同來源間不一致：技能線索給的是評分 99362、下載 759 次，抓取到的頁面數據是評分 100000、下載 822 次、安裝 0 次。這類數字以官方頁面實時數據爲準，本文不作爲選型依據。
• 名稱裏的 v2 與觸發詞中的「v2 升級 / 知識庫升級」暗示存在 v1 版本，但從 v1 遷移的具體差異官方資料未說明。

結尾¶

llmwiki-v2-潮汐AI 的價值在於把知識庫從一次性的大模型問答變成倉庫裏可維護的 Markdown 文件，並通過觸發詞覆蓋構建、查詢、檢查、整理的完整鏈路。如果你的痛點是文檔散落且無法自檢，可以先拿一個非核心項目試一輪。

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