Agent Skills
返回列表
LLM 持续积累知识库

LLM 持续积累知识库

知识管理 更新于 2026.08.30

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，将 @user_dc3a9e2d/llm-obsidian-wiki 安装到你的 AI 助手。

技能介绍

要解决的问题

大模型回答往往只生成一次性摘要，材料进入本地目录后很快散落成互不相关的文件。对工程师来说，真正难的是把论文、文章、源码笔记和问答结果沉淀成可复用知识：知道哪个实体、概念、综合判断已经被记录，知道新证据支持、补充、修正还是矛盾旧结论，并能在长期维护中避免模板页和重复页。

技能如何工作

这个技能以 Markdown / Obsidian Wiki 为载体，把导入、问答与重构拆成可执行流程：

  • 分层目录：source/ 保存只读原始材料，wiki/ 保存结构化知识，根目录只保留少量入口。
  • 页面类型：sources/、entities/、concepts/、syntheses/、comparisons/、queries/ 分别承接单源摘要、对象事实、方法概念、跨源判断、易混淆比较和高价值问答。
  • 持续编译：每次导入新材料都先读 index.md，再更新既有页面，并标记 supports、supplements、revises、contradicts、needs verification。
  • 质量审计：批量导入、重构、改名后运行链接、覆盖、编码和薄页检查，避免“通过检查但内容空泛”。

适用边界

它更适合需要长期维护的主题知识库，而不是简单问答或一次性总结。技能强调可读的英文文件名、具体判断和跨页引用；如果原始材料不足，仍需要补充来源与证据，不能只依赖模型补写。

使用场景

  • 把多篇 Agent 架构文章导入本地 Wiki，并要求生成主题综合页和概念页。
  • 将一批 Claude Code 源码笔记整理成来源页、实体页和架构比较页。
  • 回答知识库内问题后，把高价值结论归档到 queries 或更新 syntheses。
  • 对已有 Obsidian vault 做断链、薄页和目录重复检查，并重构主题导航。

适合人员

  • 长期维护 Obsidian 知识库、希望资料从摘要变成可引用页面的工程师。
  • 要把论文、文章和源码笔记沉淀成概念页、实体页和综合页的技术作者。
  • 使用 LLM 做资料研读、需要避免重复概念和模板空话的研究型开发者。
  • 维护团队共享 Markdown Wiki、关注断链与编码质量的知识管理负责人。