LLM Wiki（瘦身定制版）

官方 bundled v2.1.0 精简，只留操作规则；Obsidian 桌面集成、无头同步整节、相关工具介绍已删。零依赖：不要账号、npm 包、API key。wiki 路径取 WIKI_PATH，缺省 ~/wiki（下文 WIKI 即它）——一个 markdown 目录就是全部，没有数据库、没有服务。

Always-on rules

• 新会话任何 wiki 操作前，先读 SCHEMA.md + index.md + log.md 末 30 条。跳过就动手 = 造重复页、漏互链、违背已有约定；页数 >100 再加一次全局文件搜索查重。
• 知识库 / 记忆类问题优先从 wiki 里答：先读 index.md 定位，再读页——它已把这个领域编译过一遍。
• 建页门槛：2+ 来源提到，或单来源的核心对象。顺带一提、细节、领域外一律不建页。
• 每次 ingest 三连：建 / 改页面 → 更新 index.md（条目 + Total pages + 日期）→ 追加 log.md（列出每个改动文件）。这两个是导航骨架，跳过 wiki 就退化。
• raw/ 只读不可变：纠正写进 wiki 页面，永不改原文。
• frontmatter 必填（title / created / updated / type / tags / sources）；标签只用 SCHEMA taxonomy 里已登记的。
• 每页 ≥2 条出链；单页 >200 行拆页；log.md 超 500 条轮转成 log-YYYY.md。
• 新旧信息冲突：看日期（新的通常胜）；真冲突两条并列 + 标 contradictions: [slug]，交 lint 报给用户，不许静默覆盖。
• 一次改动会波及 10+ 已有页时，先跟用户确认范围。

目录结构（三层）

wiki/
├── SCHEMA.md  index.md  log.md    # 约定 / 目录 / 流水
├── raw/       # 原文只读：articles/ papers/ transcripts/ assets/
├── entities/  concepts/  comparisons/  queries/

• Layer 1 raw/ 只读；Layer 2 页面由 agent 建、改、互链；Layer 3 SCHEMA.md 是所有约定的唯一出处。

初始化（新库）

1. 定 WIKI 路径 → 建上表目录
2. 问用户领域范围，要具体
3. 写 SCHEMA.md：Domain、Conventions（文件名英文小写连字符、frontmatter、互链 [[slug|显示名]] ≥2、更新 bump updated、入 index、写 log、出处标记）、Frontmatter 字段、raw 的 sha256 规则、Tag Taxonomy（10-20 个）、Page Thresholds、Update Policy
4. 写 index.md（按类型分区 + Total pages / Last updated）和 log.md（create 条目）

示例：examples/demo-wiki/ 是一份 4 页最小可用库（含 SCHEMA / index / log 与 4 个示例页，过 lint），整目录拷成你的 wiki，改 Domain 与 Tag Taxonomy 即用。

完成判据：三文件齐、目录齐、已告知用户可开始投喂。

Ingest workflow

1. 原文进 raw/：URL / PDF 用网页抓取工具转 markdown，粘贴文本直接写；文件名描述性（karpathy-llm-wiki-2026.md），加 raw frontmatter（source_url / ingested / sha256）。重投同一 URL：sha256 相同 → 跳过，不同 → 标漂移并更新。
2. 全文搜索 + 读 index 查重，先看已有哪些相关页。
3. 建 / 改页面：过阈值、互链 ≥2、标签入 taxonomy、合成 3+ 来源的段落标 ^[raw/articles/xx.md]、单来源或观点性内容设 confidence。
4. 更新 index（计数、日期、新页入分区）；log 追加一条，列出全部改动文件。同一文件要改多处时逐处串行 patch、每步核对 diff，防互相覆盖。
   • 插新分区段的锚点必须落在段落边界：用「上一段最后一条」做锚（其后插完整新段）或「下一节表头」做锚（其前插），绝不用段中间的条目当锚——patch 不懂段落归属，会把上一段的条目切进新段（10-12 实踩：business 2 条被切进 career 段）。插完回读整个邻域 sed -n '/上一节/,/下一节/p'，不能只看 patch 返回 success。
   • 页数对账口径 = lint 口径：find domains -name '*.md' ! -name GUIDE.md 会漏顶层四目录（comparisons/ 等）的页；index Total 必须与 wiki-lint.py 输出对齐（10-12 实踩：find 69 vs lint 70）。
   • patch 改 log.md 锚点前先 tail -1 复核原文，不要信终端截断显示（10-14 实踩：截断把 log 锚点「坑 35 扩『两侧同改』」显示成「坑 39（跑批后台化）」，按错版 patch 把「坑 35 扩」整段删了；并发复查只能解决「别人的写」不能解决「自己的视」——必须直接读原文）。
   • log 追加用 heredoc 时终止定界符独占一行，后续命令另起一行（10-12 实踩：EOF && echo 残留垃圾行）。
5. 跑 lint（本技能 scripts/wiki-lint.py）→ 修 → 复检；把改动文件清单报给用户。

完成判据：每个改动文件都能在 log 条目里找到，index 计数与实际页数一致，lint PASS。单份资料动 5-15 页属正常。

Query workflow

1. 读 index.md 定位 → 关键词/原文检索先用 wiki_search.py（python3 scripts/wiki_search.py <词> [--raw] [--regex] [--context N] [--glob "*.txt"] [--wiki 路径]，wiki 根默认取 WIKI_PATH 环境变量、再默认脚本所在目录；建议部署时把脚本复制/软链进 wiki 根，或调用时带 --wiki/WIKI_PATH）；--raw 连 raw/ 的 OCR 全文本一起搜，多词=AND、词1|词2=OR，实测 0.5-0.7s，远快于逐页读）→ 页数 >100 补一次全局文件搜索 → 读页。
2. 综合作答，引用 [[slug]] 标明来源页。
3. 只把「重新推导一遍很痛」的答案写进 queries/ 或 comparisons/ 并入 index；琐碎查询不入库。
4. log.md 记一条，注明是否入库。

完成判据：答案带来源页引用；入库的已同步 index + log。

Lint

• 查：断链、裸互链（[[slug]] 缺 |显示名）、孤儿页（无入链）、index 缺页、frontmatter 缺字段、标签越界、过期（updated 落后同主题最新来源 >90 天）、矛盾（contested / contradictions）、单来源未标 confidence、raw/ sha256 漂移、>200 行页、log 超 500。
• 现成脚本 scripts/wiki-lint.py（纯 stdlib）：python3 <技能目录>/scripts/wiki-lint.py [WIKI]，terminal 或 execute_code 都能跑；报告按严重度排序，每条带文件路径和建议动作。单来源 confidence、sha256 漂移两项脚本不查，靠人。
• 勿跑库内旧版 lint.py：若 wiki 目录里存有迁移前旧布局的 lint 脚本（只扫根级 concepts/、不认 domains/），对现行库会报一整墙「断条目/Total 不符」假错（2026-10-15 实踩：假报 124 条目 vs 真实 75 页）；唯一有效的是本技能 scripts/wiki-lint.py
• 脚本三个坑（2026-10-04 实测踩过）：① 切 SCHEMA 段落用标题锚定 ## Tag Taxonomy，裸词会被正文半句截胡取到空段→合法标签全被误判越界；② 跨行计数正则必须带 re.M，否则 ^ 锚失效返回 -1→假不一致；③ 断链正则要兼容裸 [[slug]]，只认带 | 的会把裸链报成“出链 0 条”误导排查。
• 修完复检，向用户报 PASS / FAIL + 数量，log 追加 ## [日期] lint | N issues；告警先分真/假——脚本 bug 不是内容问题，报给用户的计数以复核后为准。

视频内容入 wiki

视频类原文（抖音等）靠 douyin-video-extraction 技能拿原声转录，别拿平台章节要点当原文——那是二次改写，入 raw/ 就等于把有损版本存成事实源。

• 转录文本进 raw/transcripts/<描述名>.md，frontmatter 记 source_url / ingested / sha256 / 时长；raw/ 只读不可变，原始转录不动。
• ASR 专名错字（Karpathy 被听成「卡巴西」这类）的校正与存疑标痕写在 wiki 页面正文，不改 raw——和引语 OCR 复原同一处理原则。
• 页面引用视频内容时标一段实际原话 + 一行核验判断，观点性结论设 confidence。

批量与归档

• 批量投喂：全部读完 → 一次查重 → 一次写 → 最后统一更新 index 和 log，别每份各来一轮。
• 归档：建 _archive/ → 按原路径移入 → 从 index 删条目 → 反链改成「(archived)」纯文本 → 写 log。
• 搜索：全局文件搜索查内容/文件名，标签 tags:.*xxx；近期动作看 log.md 末尾。

版本管理（本地单仓建议）

知识层文件（wiki / 记忆库 / 技能库）共用一个本地 git 仓是好习惯：可回滚、可对账、永不推远端。.gitignore 若用「全排除 + 逐个放行」的三层结构，注意：

1. 注释必须独立成行——gitignore 没有行尾 # 语法，pattern # 注释 整行都是 pattern，规则会静默失效。
2. 递归放行收口要写三层——/* 排除后根级用 !/<dir>/ 逐个放行；下级再用 /<dir>/* 收口 + !/<dir>/<sub>/；第三层同理。漏任何一层 = 整棵子树不在库且 git 不吭声。放行后 git ls-files <dir> | wc -l 自证真进库。
3. .gitignore 被自己排除时 git add 报 nothing added → git add -f .gitignore 再提交，入库后 git ls-files --error-unmatch .gitignore 自证。
4. 运行时被改写的文件出库——缓存、锁文件、用量统计等会被运行时反复改写的文件若入库，status 永远脏、易混进误提交；git rm --cached <f> + 补 ignore 行。收尾判据 = git status 干净。
5. 大件 1M+ 单独排除——推广物料、缓存索引等大件列名排除，清单写在 .gitignore 注释里（独立成行），git ls-files 复查别让几十 M 误入。

边界

• wiki 目录自包含：删掉它不影响其它东西，页面 / 索引 / 流水全在里面。
• 不用于：一次性问答、生成代码文档站。