技能介绍

它要解决什么问题

个人知识库常见的失败模式是"囤了就等于学会了"。raw/ 目录里的资料越积越多，但交叉引用没人建、格式不统一、过时信息没人清理，几个月后连作者自己都记不清当初为什么存下某篇文档。llm-wiki 针对的正是这种知识腐化过程：它把原始资料当作不可变的信任源，把整理、索引、一致性检查这类繁琐工作交给 LLM 处理。

它如何工作

技能以 Obsidian vault 作为存储后端，通过 obsidian-cli 与之交互，围绕三个操作展开：

ingest（摄取）：读取 raw/ 下的文档，按 schema/TheSchema 拆解分析，生成摘要页、实体页、概念页并建立链接关系，随后更新 index.md，并追加 ## [DATE] ingest | TITLE 形式的 log.md 记录。
query（查询）：先读 index.md 了解目录结构，再用 obsidian search 定位并读取相关页面，综合答案时标注来源，有价值的结论可写回 wiki 形成新页面。
lint（健康检查）：检查页面间矛盾、过时表述、孤立页、被多次提及却没有独立页的概念、缺失的交叉引用以及可以搜索填补的数据空白。

两个查询工具支撑检索：index.md 按类别组织内容目录，log.md 以时间序列记录操作，可以追溯知识的演化过程。每页通过 frontmatter 声明 tags、dates、source count 等属性，为 AI 提供可被检索的结构化入口。

适用边界与注意点

raw/ 目录只增不改，资料有误时应当重新摄取，而不是就地修补。
lint 的结果依赖 obsidian-cli，孤立页、反向链接等判断都以该工具的输出为准。
技能负责整理资料并暴露问题，但哪些页面该合并、哪个观点需要更新、哪个概念值得单独开页，仍要人来拍板。定期执行 lint 是设计上的预期用法，而不是可选的加分项。