Hermes LLM 维基
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_38654c53/hermes-llm-wiki。
技能介绍
解决的核心问题
传统 RAG(检索增强生成)在每次查询时都需要从零开始重新发现知识,而 Hermes LLM Wiki 采用了 Karpathy 的 LLM Wiki 模式。它将知识一次性编译为相互链接的 Markdown 文件,并持续保持更新。交叉引用已经建立,矛盾已被标记,综合答案反映了所有摄取的内容,从而实现了知识的复利积累。
核心能力与工作机制
该技能将工作分为三层:
- Raw Sources:不可变的原始来源(如 URL、PDF、文本)。
- The Wiki:由 Agent 创建、更新和交叉引用的 Markdown 页面。
- The Schema:
SCHEMA.md,定义结构、约定和标签分类法。
核心操作包括:
- Ingest(摄取):捕获原始来源,与用户讨论要点,检查现有页面以避免重复,创建或更新满足阈值的实体页面,并强制添加至少两个
[[wikilinks]]交叉引用,最后更新index.md和log.md。 - Query(查询):基于
index.md和全文搜索定位相关页面,综合已有知识回答并引用来源,同时将高价值的综合分析归档回 Wiki。 - Lint(审计):自动检测孤立页面、断链、索引缺失、Frontmatter 错误、过期内容、事实矛盾以及超长页面,并按严重性输出修复建议。
适用边界与注意点
- 不可变性:绝对不要修改
raw/目录,原始来源应保持只读。 - 会话定向:每次新会话操作前,必须阅读
SCHEMA.md、index.md和最近的log.md,以防产生重复页面或遗漏交叉引用。 - 页面阈值:不要为脚注中偶然提及的实体创建页面,必须满足
SCHEMA.md中的来源提及标准。 - 结构约束:所有页面必须包含 Frontmatter,标签必须来自既定分类法,且单页应保持在 200 行以内以确保可读性。
使用场景
- 将一批行业文章、论文或网页摄取进本地 Wiki,并自动更新实体页、交叉引用、索引与日志。
- 在已有知识库上查询某技术路线差异,并让 Agent 引用具体页面形成可归档的综合结论。
- 定期运行 Lint,找出断链、孤立页面、过期条目和标签不一致,并按严重性给出修复建议。
- 在服务器上维护 Markdown 知识库,同时通过 Obsidian 在桌面端查看链接网络和 Dataview 查询。
适合人员
- 维护个人或项目知识库的研究者,希望把来源沉淀为可检索、可链接的 Markdown 页面。
- 使用 Obsidian 管理笔记的知识工作者,希望 Agent 帮忙摄取、更新和审计 wiki。
- 在服务器端跑自动化知识整理的工程师,需要无 GUI 同步并维护同一 vault。
- 负责团队技术文档索引的技术写作负责人,希望统一标签、页面结构和索引规则。