批量文档 Wiki 构建器
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_7b1bb74d/linux-wiki-builder。
技能介绍
要解决什么问题
手里攒着几十份互不统一的学习资料——命令手册、.docx 教程、.pdf 宝典、面试题笔记——希望落成一份能检索、能互相跳转、还能持续往里加新资料的 Wiki,而不是每次让模型硬啃整库文件把上下文撑爆。
本技能面向 LlmWiki 工作方式:raw/ 只读存放抽取后的文本,编译结果落在 wiki/{concepts,topics,entities}/,由 SCHEMA.md 与 wiki/index.md 约束既有结构。
技能如何工作
整体是 5 阶段流水线,其中重活由脚本完成,LLM 集中在「有界输入」上编译页面。
- 准备:建好
raw/、wiki/子目录与SCHEMA.md、wiki/index.md、wiki/log.md;ingest 前过滤exe/lnk等,只把抽取文本写入raw/,不改动用户原文件。 - 全量抽取:
extract_sources.py把.docx/.pptx(zipfile+XML)、.doc(antiword,GBK/UTF-8 回退)、.pdf(pdftotext -layout)转为raw/*.txt,并产出_manifest.md、_inventory.json。 - 分类与切片:
classify.py按关键词生成raw/_source-map.md;slice.py只抽出高价值且 wiki 未覆盖片段到slices.md,避免超大文档全量进上下文。 - 编译页面:按模板写概念/主题/实体页,用
[[raw/xxx]]标注来源;冲突处> ⚠️标注;append_supplement.py在旧页末尾补「本轮 ingest 补充」实现双向交叉引用。 - 索引与交付:
gen_meta.py重建index.md、追加log.md,并交付总复习指南、来源目录等入口页。
适用边界与注意点
- 图像型 PDF 无文本层时应诚实标注需 OCR,不编造正文。
- 页面中的 AI 归纳需与「原始资料事实」区分,重要结论建议人工核对。
- 文档级 Wiki 能力已并入 Linux 工具箱(
linux-toolbox);若还要视频截图、学习库等能力,优先用合集版;仅要文档→Wiki 流程可继续用本技能。
使用场景
- 把数十份混合格式运维笔记(docx/pdf/旧版 doc)统一抽文本进 raw/,再按主题编译成带 [[raw/]] 来源标注的 Wiki
- 新买了一批面试题与教程文件,要在不改动原文件的前提下做第二轮 ingest,并为旧概念页补上反向链接
- 单份 PDF 超过 50MB 或上千页,需要先 slice.py 出 slices.md 再让 LLM 只编译缺口页,避免硬读全文
- 维护团队内部 Linux 命令与 Nginx/MySQL 专题库,每轮跑 gen_meta.py 重建 index.md 并写 log.md 留变更痕迹
适合人员
- 备考 Linux 运维岗位、本地堆了大量 PDF/Word 讲义却难以按概念串联复习的求职者
- 负责整理部门内网培训资料、需要 raw 只读、wiki 可增量发布给新人的运维骨干
- 自建 LlmWiki 仓库、已写好 SCHEMA.md,希望用脚本流水线替代手工复制粘贴编页的文档维护者
- 从 Desktop 等目录批量 ingest 前要先过滤 exe/lnk,仍要保留用户原文件路径与内容的个人知识库维护者