LLM Wiki V2 知识编译

问题背景

RAG 常见的问题是“检索完就丢”：每次问答都像重新推导，无法沉淀实体、概念、关系和更新记录。llm-wiki 把这个过程变成编译：把文档、文章、代码、对话和表格来源整理成可维护的 Wiki 页面，再从中构建知识图谱。它更适合需要反复查询、追溯和积累知识的工作流，而不是只跑一次 prompt。

工作方式

• 编译来源：/wiki-compile 以 Agent 编译为主，会清洗 API key、token、密码、邮箱等敏感信息；PDF/PPT/PPTX 会逐页转图片，再按需 OCR 或视觉分析；其他文档可用 MarkItDown。
• 结构化页面：生成带 YAML frontmatter 的页面，包括 Key Facts、Overview、Questions、Details、Relationships、Source Context，并更新 index.md、log.md。
• 知识图谱：输出 entities.json 与 edges.json，使用 12 种关系类型，例如 uses、depends_on、contradicts、fixed_by。
• 查询与台账：/wiki-query 结合 metadata、BM25、图谱和 ledger 检索；/wiki-ledger 使用 DuckDB 管理结构化表格，并让表格数据参与查询。
• 质量维护：/wiki-lint 检查矛盾、断链、孤儿页；Doctor 命令可诊断未编译、OCR 遗漏、检索质量等问题；Dream 自动修改内容并通过 Git 快照和质量门槛控制回滚。

边界与注意点

该技能默认不依赖额外模型 API，但 PDF/PPT 深度读取需要 OCR 或视觉能力；来源不可读时会要求用户提供可读内容。Dream 是无人值守修改，适合有 Git 快照和回滚机制的目录；向量嵌入、reranker 属于可选实验路径，不是默认检索方式。