潮汐 LLM Wiki 知识库

要解决什么问题

传统 RAG 每次提问都重新检索上下文，整合结果往往随会话结束而「遗忘」；个人资料堆在文件夹里，也很难形成可维护、可交叉引用的知识结构。本技能把知识库当成持续编译的资产：人类只往 raw/ 丢素材、定方向、提好问题；LLM 负责总结、建链、归档，并在 wiki/ 里维护一致性。

如何工作

架构是 raw/（只读素材） 与 wiki/（可变知识页） 两个平级域，外加可移植的 SCHEMA.md（页面类型、标签、摄取规则、冲突与可信度约定）。典型流程：

• Init：按领域生成目录、SCHEMA.md、index.md、log.md
• Ingest：素材入 raw/（含哈希去重），再更新或新建 wiki 页，强制交叉链接与元数据
• Query：先读索引与 Schema，检索后把结论写入 wiki/（含 output/queries/ 回流）
• Lint：死链、孤立页、过时与冲突等分级报告；大规模库可配合快照与关系图

v2 在大型库（例如 >500 文件）上扩展类型化关系、置信度、取代检测、混合检索与记忆衰减等字段与流程；先把 Schema 写好再填页面，换模型或换 Agent 时规则仍可复用。

适用边界

• 需要你愿意维护 index.md / log.md，并遵守「不改 raw/、不滥建页面」等铁律；跳级堆功能容易把库变成垃圾场。
• 与 Obsidian 联动是推荐路径，但不是唯一阅读方式；部分 v2 补丁在文档中标注为待实施，实际能力以当前 SKILL 描述为准。
• 适合长期主题（研究、读书、项目情报），不适合只求单次摘要、不留库的一次性问答。