IMA Karpathy LLM Wiki 知识库

解决的问题

很多个人知识库停留在“存了很多材料，但每次问答都要临时检索原文”的状态。原始 PDF、笔记和网页碎片化，模型回答缺少稳定结构，也难以发现矛盾、孤立页面和知识缺口。ima-wiki-karpathy 把腾讯 ima 笔记库当作持久化知识载体，将素材先“编译”成结构化 Wiki 页面，而不是每次重新 RAG 原始文档。

工作方式

技能采用 Karpathy 模式的三层结构：raw/ 保存不可变原始素材，wiki/ 保存 LLM 生成且可互链的 Markdown 页面，CONFIG.md 定义页面模板、目录规范与负面约束。核心操作包括：

• Ingest：读取 PDF、文件路径或粘贴内容，结合 CONFIG.md 与当前 index.md，让 LLM 生成 JSON 编译结果，再通过 ima API 创建/更新笔记。
• Query：检索最相关 Wiki 页面，生成带 [source: 页面标题] 引用的答案，找不到时明确说明。
• Lint：扫描页面，发现矛盾、孤立节点与缺失内容，输出健康检查报告。
• Convert：用 pdfplumber 提取 PDF 文本、表格与元信息，转成结构化 Markdown，可选继续进入 Ingest。

适用边界

它更适合已有清晰主题、可长期积累的个人或团队知识库。CONFIG.md 质量决定生成质量，Schema 写得越像协议，输出越稳定。批量操作需要处理 API 限频与重试；重要修改前建议导出 Markdown 做版本备份。若只追求临时问答，而不需要维护结构化页面，该技能可能偏重。