技能介绍

要解决什么问题

把文档、笔记、代码库里的知识「问一次算一次」会重复消耗上下文，也容易和源文件脱节。Karpathy 的 LLM Wiki 思路是：知识只编译一次并持续对齐来源，查询时读 Wiki 而不是每次从原始材料重新推导。本技能在此基础上用 多智能体蚁群分工 把「建库、更新、查、体检」拆成可重复的流程，而不是单次长对话里手工整理。

技能如何工作

协作角色固定为四段：Lead（分解与汇总）、Scout（快速摸清源文件结构）、Worker（创建/更新 Wiki 页）、Reviewer（质量与矛盾审查）。典型路径如下：

/llm-wiki init：首次使用，引导配置 vault、目录与模板（如 index.md、log.md、CLAUDE.md）
/llm-wiki ingest：对指定源做「消化」——Scout 探路 → Worker 写页 → Reviewer 把关
/llm-wiki query：在已编译知识库上问答，减少重复读源
/llm-wiki lint：健康检查（孤立页、过时断言、页间矛盾、缺失概念页、长期未更新等）

配置落在 ~/.claude/llm-wiki-vault.json；vault 未配置、源路径不存在或结构缺失时，技能会走引导或明确报错，而不是 silent fail。

适用边界与注意点

它适合你有稳定源材料、希望本地 Wiki 与来源长期同步的场景；不适合把 Wiki 当成无来源的即兴知识库——人的工作仍是选源、定分析方向、提好问题，LLM 负责摘要、交叉引用、归档与 bookkeeping。不同角色绑定不同模型档位（如 Scout 用更快模型、Worker/Reviewer 用更强模型），成本与延迟会随 ingest 规模上升；lint 里的 error 级项（如矛盾、被新来源否定的断言）应优先人工处理后再对外依赖查询结果。